原文：
www.kdnuggets.com/2017/06/tpot-automated-machine-learning-competition.html
作者：兰迪·奥尔森，宾夕法尼亚大学。
自动化机器学习（AutoML)预计将在 2017 年对数据科学产生深远的影响。在宾夕法尼亚大学，我们一直在努力开发 TPOT，这是一个最先进的开源 AutoML 工具，可以优化监督学习问题的机器学习管道。
现在我们想看看你能用 TPOT 做些什么。
在接下来的几个月里，我们将挑战你将 TPOT 应用到你在 Kaggle 上找到的任何有趣的数据科学问题。如果你的作品在 Kaggle 问题的排行榜中排名前 25%，我们希望看到 TPOT 如何帮助你实现这一点。
比赛结束时，TPOT 团队将审查所有参赛作品，对其进行排名，并向排名前 3 的参赛作品颁发（奖金！）奖品：$500、$250、$100。比赛结束后，我们还会发布一篇文章，突出展示最佳作品。
参赛作品将根据在 Kaggle 问题上的排名以及提供的技术说明进行评判。
将你的作品通过电子邮件发送到 [email protected]
参赛作品提交截止日期为2017 年 8 月 7 日，获奖者将在接下来的一周内公布。
如果你对 TPOT 和 AutoML 不熟悉，你很幸运！我们已经编写了 详细文档，描述了如何使用 TPOT，还有 用户指南 和 API 文档。为了给你一个起点，下面是一个将 TPOT 应用到 scikit-learn 的 MNIST 数据集的基本示例。
这段 Python 代码将会在训练数据上拟合 TPOT，对测试数据进行评分，然后将优化后的管道以 Python 代码的形式导出到文件“tpot_mnist_pipeline.py”。
重要的是，TPOT 使用的机器学习算法可以进行高度定制。实际上，TPOT 可以优化任何遵循 scikit-learn 接口的机器学习算法的管道。你可以在用户指南 这里 阅读有关定制 TPOT 配置的更多信息。
如果您是 Kaggle 新手，他们提供了一个 广泛的竞赛列表，您可以在他们的网站上查看。Kaggle 的经典问题之一是 Titanic 挑战，您需要使用机器学习预测 Titanic 灾难的幸存者。
我们有一个 Jupyter Notebook 教程，指导您使用 TPOT 解决 Kaggle 的 Titanic 挑战的基本方法。
-
每个条目必须具有开源许可证，以便我们可以分享和讨论每个人的条目。
-
我们建议使用 Jupyter Notebooks 提交条目，但只要包含代码和写作，任何格式都是可以接受的。
-
条目必须在 8 月 7 日前排名前 25% 才能计入比赛。
-
Kaggle 教程问题，例如 Titanic 问题，将不计入比赛。
-
我们创建了一个 公开的 GitHub 仓库，供任何希望合作提交比赛条目的人使用。
简介：兰迪·奥尔森博士 是宾夕法尼亚大学的博士后研究员。作为 Jason H. Moore 教授研究实验室的成员，他研究生物启发的 AI 及其在生物医学问题上的应用。
原始。已获得许可转载。
相关：
-
自动化机器学习：与 Randy Olson 的采访，TPOT 主要开发者
-
TPOT：一个用于自动化数据科学的 Python 工具
-
自动化机器学习的现状
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升您的数据分析技能
3. Google IT 支持专业证书 - 支持您的组织 IT