原文：
www.kdnuggets.com/2016/10/interview-auto-sklearn-automated-data-science-machine-learning-team.html
KDnuggets 最近举办了一场 自动化数据科学和机器学习博客比赛，收到了众多参赛作品，并对获奖文章及一对荣誉提名表示了高度赞赏。
获奖文章题为 比赛获胜者：用 Auto-sklearn 赢得 AutoML 挑战，由 Matthias Feurer、Aaron Klein 和 Frank Hutter 共同撰写，均来自弗赖堡大学，概述了 Auto-sklearn，这是一个开源 Python 工具，能够自动确定适用于分类和回归数据集的有效机器学习管道。该项目围绕成功的 scikit-learn 库构建，并赢得了最近的 AutoML 挑战。
鉴于这篇文章的受欢迎程度，我们询问了作者们是否有兴趣回答一些关于他们自己、他们的项目以及自动化数据科学的一般性后续问题。以下是这次对话的结果。
Matthew Mayo：首先，恭喜你们赢得了 KDnuggets 自动化数据科学和机器学习博客比赛，展示了你们的项目 Auto-sklearn。如果我们从介绍一下团队成员开始，并提供每个人的一些背景信息怎么样？
Matthias Feurer：我是 Frank 组的二年级博士生，主要从事超参数优化和自动化机器学习工作。我主要关注于优化预定义的机器学习管道。在攻读硕士学位期间，我开始为 Frank 工作，因为在那时的大多数研究项目中，我都对超参数调整感到厌烦。
Aaron Klein：我也是一名二年级博士生，专注于自动化深度学习。像 Matthias 一样，在加入 Frank 组之前，我曾是弗赖堡大学的硕士生。
Frank Hutter：我是弗赖堡大学计算机科学的助理教授，主要兴趣领域包括人工智能、机器学习和自动化算法设计。在搬到弗赖堡之前，我在加拿大温哥华的英属哥伦比亚大学工作了九年。
All：除了我们三个人（为 KDnuggets 博客比赛撰写了博客文章），我们获奖提交的团队还包括来自弗赖堡大学的几位博士生和博士后：Katharina Eggensperger、Jost Tobias Springenberg、Hector Mendoza、Manuel Blum、Stefan Falkner 和 Marius Lindauer。
这篇文章信息丰富，对 Auto-sklearn 的描述非常到位。是否有任何额外的信息您希望我们的读者了解 Auto-sklearn，或者自这篇文章以来发生了什么进展？您能否分享一下未来的发展计划？
短期目标是回归分析，我们可以在这方面做得更多。从长远来看，我们希望 Auto-sklearn 成为 scikit-learn 的一个灵活扩展，帮助用户优化他们的机器学习流程。我们还希望在 Auto-Net 的方向上做更多的工作，并希望通过对数据集、数据子集以及时间（针对任何时间算法）的更多推理来大幅加快优化过程。
您认为机器学习和数据科学能在多大程度上实现自动化？所谓的完全自动化系统需要多少人类互动？
尽管有几种方法可以调整机器学习流程的超参数，但迄今为止，发现新的流程构建块的工作还很少。Auto-sklearn 使用预定义的一组预处理器和分类器，按照固定的顺序进行。一个有效的方法是提出新的流程，这将非常有帮助。当然可以继续这个思路，尝试像最近几篇论文中那样自动发现新算法，例如通过梯度下降学习梯度下降。当机器学习模型的训练非常昂贵时，例如用于大数据集的最先进的深度神经网络，人类仍然能比自动化方法更好地调整超参数。我们正在研究将人类专家启发式方法转化为完全形式化算法的方法；例如，我们的 Fabolas 方法优化神经网络在数据小子集上的超参数，以加速学习整个数据集的最佳超参数。
考虑到之前的问题，数据科学家是否会很快失业？或者，如果这个想法过于激进，当前对数据科学家的热潮是否会在不久的将来被自动化所缓和？如果是的话，会到什么程度？
当然不会。所有的自动化机器学习方法都是为了支持数据科学家，而不是替代他们。这些方法可以解放数据科学家，让他们从那些机器更擅长解决的繁琐、复杂任务（如超参数优化）中解脱出来。但分析和得出结论仍然需要由人类专家来完成——特别是了解应用领域的数据科学家将仍然极其重要。不过，我们确实相信，自动化会使个体数据科学家的生产力大大提高，因此这可能会影响所需的数据科学家数量。
数据科学家能做些什么来避免被淘汰？当然，这个问题是为了增加价值，而不是捣乱。
数据科学家始终需要分析和解释统计分析的结果，因此对于刚开始从事数据科学工作的年轻毕业生，这些技能可能比其他一些技能更具未来保障（例如，手动超参数调优以最大化神经网络的效果）。
由于你过去积极参与机器学习竞赛，你有什么有趣的技巧、窍门或见解可以分享吗？
自动化和精心的重采样策略。自动化允许运行大量实验，而诸如精心交叉验证等重采样策略则有助于防止过拟合。通常，带着开放的心态进入也是很重要的，让数据说明哪种方法在不同的数据集上效果最好。
最后，你认为机器学习技术在 5 年内会处于什么位置？
很难预测未来会发生什么，尤其是在机器学习这样的快速变化领域。例如，五年前并没有多少人预见到深度学习的崛起。但我们相当确信，机器学习将会被越来越多地使用，并嵌入到每个人使用的商业工具中。
感谢你的时间。我知道你的时间非常宝贵，我们感谢你抽出几分钟来为我们的读者提供这些信息。
相关：
-
竞赛获胜者：使用 Auto-sklearn 赢得 AutoML 挑战
-
竞赛第二名：数字广告中的自动化数据科学和机器学习
-
竞赛第二名：自动化数据科学
1. Google 网络安全证书 - 快速进入网络安全职业道路。
2. Google 数据分析专业证书 - 提升你的数据分析能力
3. Google IT 支持专业证书 - 支持你的组织在 IT 方面