材料科学公司Databricks，由Apache Spark技术团队创立，在其统一分析平台中加入了自动化机器学习功能（AutoML），使得不具备专业背景的用户也能轻松创建机器学习模型。

创建机器学习模型并不容易，通常需要具备专业知识的数据科学家，准备大量的训练数据，并进行特征工程、超参数调优、自动模型追踪、产品化及部署等一系列复杂工作。Databricks指出，企业对机器学习的需求十分旺盛，大型企业每年可能需要创建数百个模型以解决各种问题，但由于数据科学家资源有限，实际完成的数量往往较少。

为了满足这一需求缺口，Databricks在其统一分析平台中引入了自动化机器学习功能，使未经培训的人员也能顺利完成机器学习模型的创建与训练。

该平台新增了AutoML Toolkit及其定制化解决方案。AutoML Toolkit提供了一套自动化端到端的机器学习工作流，从特征工程开始，一直到超参数调优、模型选择及最终部署，用户可以无需编写代码完成这些步骤，同时也能通过精细的控制实现必要的调整。Databricks的开源机器学习平台MLflow则可以自动跟踪AutoML Toolkit的执行情况，用户可以通过MLflow查看模型结果和训练进度。

此外，定制化的AutoML解决方案赋予数据科学家更大的灵活性，允许他们设计个性化的机器学习工作流。统一分析平台集成了ETL、模型构建和推理等功能，通过与流行的库集成，数据科学家可以灵活控制端到端的机器学习工作流，并由系统自动执行生产所需的步骤。

Databricks Runtime同样进行了优化，整合了HyperOpt、MLlib和MLflow，简化了分布式超参数调优和模型搜索的过程。用户可以利用增强的HyperOpt和MLflow追踪功能，搜索最优的分布式超参数设置，并获得强大的数据可视化功能。此外，Databricks Runtime还支持流行的开源机器学习框架，如TensorFlow、PyTorch和scikit-learn，使得数据科学家可以利用经过优化的工具进行分布式深度学习训练，并借助MLflow内置的实验和可视化追踪功能辅助超参数调优工作。