自動化機器學習（AutoML）作為AI產(chǎn)業(yè)化的關(guān)鍵性技術(shù)，在該領(lǐng)域的探索及突破被認為是AI發(fā)展的領(lǐng)航燈。去年第四范式主辦了"NeurIPS 2018 AutoML Challenge"、"PAKDD 2018 Data Competition"等AutoML重要賽事，今年第四范式將攜手谷歌、ChaLearn聯(lián)合舉辦全球首屆AutoDL大賽——AutoDL2019挑戰(zhàn)賽。

對于首屆AutoDL大賽的期望，大賽組委會負責人之一——第四范式資深算法科學家涂威威表示：歡迎google加入，一起承辦首屆AutoDL挑戰(zhàn)賽。過去AutoML比賽主要集中解決結(jié)構(gòu)化數(shù)據(jù)的應用問題，本次AutoDL挑戰(zhàn)賽參賽者將面臨多種結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的新問題，挑戰(zhàn)難度更大。今天，我們對機器“自動”學習技術(shù)的探索和發(fā)展旨在讓機器更加智能，相信未來無論是在傳統(tǒng)機器學習及深度學習領(lǐng)域，它都將為整個行業(yè)帶來全新改變，這是我們承辦挑戰(zhàn)賽的初衷和期望。

據(jù)悉，本次AutoDL比賽的目標是利用深度學習解決多種結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的問題，涉及到結(jié)構(gòu)化數(shù)據(jù)、文本、語音、圖像等多個不同領(lǐng)域的多分類問題，大賽將提供大量預先格式化的公共數(shù)據(jù)集，并建立一個數(shù)據(jù)交換庫，以實現(xiàn)元學習。參賽者最終提交自動深度學習方案，在多個全新的測試數(shù)據(jù)集上盲測，按盲測的效果進行最終排名。

近年來，深度學習在語音、圖像等領(lǐng)域應用成果大家有目共睹，但技術(shù)門檻高、人才匱乏等多方面原因，成為阻礙其大規(guī)模落地的絆腳石。因此，實現(xiàn)自動化深度學習的技術(shù)AutoDL成為行業(yè)探索和研究的重要方向。第四范式自2015年成立就開始AutoML的研究探索和應用，目前已經(jīng)發(fā)布了自動特征組合（FeatureGo）、自動時序特征（TemporalGo）、自動深度稀疏網(wǎng)絡(luò)DSN（Deep Sparse Network）、自動半監(jiān)督學習（Auto-SSL）等多項AutoML核心技術(shù)，并成功應用在反欺詐、個性化推薦等業(yè)務場景中，讓普通開發(fā)人員開發(fā)的AI應用有接近甚至超過數(shù)據(jù)科學家的效果。

基于在AutoML領(lǐng)域的技術(shù)積累和與落地實踐，第四范式本次與Google、ChaLearn攜手合辦AutoDL 2019挑戰(zhàn)賽，旨在進一步擴大自動化機器學習的技術(shù)版圖，為推動AI大規(guī)模產(chǎn)業(yè)化落地奠定更堅實的基礎(chǔ)。