摘要
autoML自动化建模的主要目的是使非数据科学家能够构建更准确的预测模型,并释放稀缺的数据科学人才,专注于更多关键业务计划,通过使用自动神经架构搜索(NAS)算法降低进入机器学习和深度学习的门槛,使非深度学习专家能够以最小的深度学习领域知识或实际数据来训练他们自己的模型,无需手动调参让具有最小机器学习专业知识的程序员可以使用autoML并应用这些算法,只需很少的努力即可实现最先进的性能,以满足上海电气下属各个企业的工业数据分析处理的业务场景,例如:刀具、电池寿命预测;生产过程自动视觉检测;控制调参业务场景;风电集团的风机叶片检测场景、医疗机器人视觉检测场景、工业图像处理场景等。本文分为两个部分,第一部分介绍了autoML自动化建模的概念、理论及技术方案;第二部分以介绍了autoML自动化建模在工业制造业中的应用。
出处
《中国设备工程》
2020年第11期31-32,共2页
China Plant Engineering
