2018年，谷歌推出Cloud AutoML，宣称不论有没有机器学习相关的背景，哪怕是个IT“小白”，都可以通过 AutoML 简单、高效地进行工作所需的模型训练，AutoML甚至被称为“下一代”机器学习系统。此后，有关AutoML的消息层出不穷，InfoQ更是进行了专题报道。
然而，近期的一篇文章却认为：AutoML似乎有些炒作过度。该文章的作者更是对此进行了一番实验：他的方案在几乎所有测试场景下都获得了高于AutoML的分数。
我在自己的日常工作中使用过AutoML，参加过几次ML竞赛，外加两次AutoML技术比赛。我觉得AutoML提出的建模流程自动化概念非常重要，但多少还是有点吹过头的感觉。虽然特征工程以及用于超参数优化的元学习等关键概念值得肯定，而且拥有可观的潜力，但就目前来讲，购买打包出售的AutoML工具基本上就是在浪费金钱。
以下所有内容都以数据为基础。
AutoML是什么？
数据科学项目
一切数据科学项目都涉及几个基本步骤：从业务角度提出问题（选择任务与成功指标）、收集数据（收集、清洁、探索）、建立模型并评估性能、在生产场景中部署模型并观察模型的实际表现。