改写后的内容

12月5日至7日，由中国计算机学会主办，CCF大数据专家委员会承办，CSDN和中科天玑协办的中国大数据技术大会（BDTC 2019）在北京盛大召开。此次会议汇聚了100多位顶尖技术专家和1000多名大数据从业者，共同探讨大数据技术的发展趋势及其在各个行业的应用。

核心观点：

朱光辉在演讲中指出，自动化机器学习（AutoML）技术的目标是改变传统的人工智能建模方式，将其转变为一种更高效、更便捷的生产模式。AutoML通过机器替代人工完成AI模型的构建，大幅提升了建模效率，降低了技术门槛，加速了AI技术的应用落地。

自动化机器学习的意义：

随着人工智能技术的广泛应用，科技公司对AI的需求越来越高。然而，AI在实际应用中面临诸多挑战，如专业人才短缺、技术门槛高和建模周期长等问题。AutoML技术应运而生，旨在通过自动化的方式降低AI应用的门槛，实现更快速、更高效的模型构建。

AutoML的工作原理：

AutoML技术的核心在于利用数学方法和机器学习算法自动完成模型的选择和参数优化。通过在较短时间内尝试多种算法模型，AutoML可以找到最优或符合特定精度需求的模型。此外，它还能根据数据分布和模型性能不断优化参数，提高模型的准确性和效率。

AutoML的应用领域：

AutoML不仅适用于传统的机器学习任务，还广泛应用于深度学习和终身学习等领域。它可以自动完成特征工程、模型选择和参数优化等多种任务。例如，在南京大学PASA大数据实验室的研究中，AutoML被用于构建高效的机器学习流水线，并在多项国际竞赛中取得了优异的成绩。

多维度创新：

南京大学PASA大数据实验室从2017年开始研究AutoML技术。实验室通过强化学习和集成学习的方法，成功实现了机器学习流水线的自动化设计。此外，实验室还开发了PASA-AutoML系统平台，该平台在性能上超越了国际上最好的开源自动化机器学习系统Autosklearn。

终身学习与特征工程：

在终身学习场景下，AutoML可以自动捕捉数据集特征的变化，动态调整模型结构，提高模型的适应性和鲁棒性。在实际应用中，AutoML技术已经成功应用于多表关系型数据集的处理，并在KDD Cup 2019数据挖掘大赛中取得了优异的成绩。

深度神经网络优化：

朱光辉提出了一种多保真度优化算法，该算法结合了early-stopping机制，能够在较短的时间内高效评估超参数组合的效果。这一方法显著提高了深度神经网络的训练效率。

AutoSpeech竞赛：

在ACML 2019举办的AutoSpeech国际竞赛中，朱光辉所在团队通过自动化的方式处理语音分类问题，取得了第一名的好成绩。该团队采用了一系列创新方法，包括基于采样的特征选择和集成学习框架，取得了显著的效果。

未来展望：

南京大学PASA大数据实验室将继续专注于AutoML技术的研发，特别是在特征组合、效率提升、深度集成学习架构搜索等方面。未来，实验室计划开发更多面向细分行业的AutoML产品和服务，推动AI技术在各个领域的广泛应用。

人工智能数学基础系列公开课：

1月16日晚8:00，哈工大屈教授将带来一场在线直播课，主题为“看得见的数学”，带领大家深入了解计算机视觉背后的数学原理。

加入公开课福利群：

加入公开课福利群，不仅可以每周获取精选学习材料和技术图书，还能免费参加60多场公开课的学习。