模型开发的同学会知道，模型的开发会分为离线与在线开发。如果是离线开发，需要在自己的本地电脑或者服务器中，部署相关的开发环境。轻量级别的是在自己电脑中部署python、Anoconda，稍微能做到离线集成的可能会有各种服务器环境的配置。在这样的环境下开发模型，除了效率等考虑因素外，数据泄露等风险依旧困扰着各家机构。

既然离线的开发环境有这些比较大的操作风险问题，有没有更合适的环境能更友好地让开发人员使用，甚至连数据分析，策略开发人员也一样能轻易使用这类较友好的开发平台。基于这样的需求，今天给大家介绍下目前在工业界使用的平台—— AutoML，即模型训练平台。

AutoML最大的优点就是，在线编码能力，他是机器学习平台在线服务，主要目标是助力机器学习全流程中用户一站式完成从数据获取，清洗处理，特征提取加工，代码编写，模型调试训练，模型发布注册，打分等流程。

同时，多样化且功能强大的服务类型，可以让AI算法人员以外的数据科学，数据分析，后台开发等岗位人员亦能获得强大的开发环境套件。












一.何为模型训练平台

AI模型训练平台，基于核心模块和应用场景不同，又可以称作深度学习平台、机器学习平台、人工智能平台（以下统称做AI平台）。AI平台提供业务到产品、数据到模型、端到端，线上化的人工智能应用解决方案。平台覆盖机器学习全流程，为企业提供数据分析和建模工具，企业用户可以在机器学习平台上利用机器学习算法进行模型的构建、部署和监控等，并将模型应用于实际的业务场景中。

用户能在AI平台能够使用不同的深度学习框架进行大规模的训练，对数据集和模型进行管理和迭代，同时通过API和本地部署等方式接入到具体业务场景中使用。












就像前面提到的，大量行业用户在人工智能业务实践中发现，业界既有的人工智能模型无法完全满足业务需求，对人工智能模型进行定制化的设计开发不仅耗时较长，还需要大量人工智能技术与人才资源的支撑。

目前AutoML，包括硬软服在内的中国模型训练学习市场在2021年可达到42.5亿元人民币，在应用领域上主要集中于金融行业反欺诈、信用模型评估、跨行业的产品推荐、精准营销等领域，未来 1-2 年内可能会在能源、制造等行业有所落地。




二.模型训练平台价值点

①降低建模门槛

平台为企业用户提供可调用的功能模块以及拖拉拽的建模工具，实现低代码模型开发，降低用户的使用门槛的同时，平台支持多种预训练模型和特定任务的流程，简化建模流程。




②加速模型迭代

模型在部署到业务场景之前需经过多次迭代，不断地进行数据处理与模型迭代以实现模型的最优化，平台提供数据可视化、数据增强、数据准备工具等，加速模型的迭代过程。

③共享数据洞察

企业用户可以使用平台上的协作工具实现数据、模型、仪表板以及其他相关信息的共享，促进团队协作。

AutoML也不是没有缺点，但相比目前离线开发等内容，其安全跟管理上都相比较前者有优势。

对于AotoML还有些问题可以讨论，目前市面上有哪些较好的较好用的做模型训练营平台的厂家，如果我们机构对模型训练平台有一定的需求，包括模型管理问题、模型开放问题，我们又该如何选型这些合适的厂家，主要参考哪些维度信息。比如在精细化运营阶段，一家机构将所有的场景都上线了各种大大小小的模型，数量多达两三百个。

关于以上全面的问题，大家都是否有答案？

更多精彩内容，敬请回顾：






~原创文章

...

end