以后參加Kaggle競賽，可以直接派出AutoML自動訓練AI怪獸參賽了。谷歌今天宣布，將Cloud AutoML服務深度集成到Kaggle平臺，雖然是付費服務，但提供了一攬子免費試用和補貼方案。

谷歌宣布，將用于訓練機器學習算法的Cloud AutoML服務集成到數(shù)據(jù)科學平臺Kaggle中。

Cloud AutoML是一個基于云的工具包，提供一個拖放界面來訓練AI模型。使用AutoML，任何人都可以創(chuàng)建定制的機器學習模型，只需極少的工作量和機器學習專業(yè)知識。

[[281434]]

Kaggle是一個供數(shù)據(jù)科學家和其他機器學習愛好者探索、分析和分享他們的工作的在線社區(qū)，被谷歌于2017年收購。Kaggle也是全球最大的機器學習及數(shù)據(jù)科學競賽平臺，就在今天，谷歌宣布Kaggle社區(qū)最近達到了一個新的里程碑，用戶數(shù)突破了350萬。

谷歌表示，通過將Cloud AutoML與Kaggle整合在一起，它正在推進其使命，即“通過為他們提供在該領域領先所需的技能和工具，使我們的數(shù)據(jù)科學家社區(qū)更加強大”。

Cloud AutoML允許用戶從軟件開發(fā)工具包或基于web的用戶界面獲取數(shù)據(jù)，設置一些參數(shù)，然后根據(jù)這些數(shù)據(jù)訓練模型；經(jīng)過訓練的模型隨后可以直接部署到谷歌的云基礎架構上。

新的集成將使Kaggle用戶能夠在Jupyter Notebooks中直接使用 Cloud AutoML SDK，這是數(shù)據(jù)科學家用來創(chuàng)建和共享包含實時代碼、公式、可視化和敘述性文本的開源web應用程序。

Kaggle產(chǎn)品經(jīng)理Devvret Rishi說：“今天發(fā)布的重點是使我們的社區(qū)能夠在Kaggle Notebooks上直接使用SDK。”

Cloud AutoML是一項付費服務，不過它為初學者提供了免費試用方案。谷歌還為用戶全年提供谷歌云平臺(GCP)積分，以幫助補貼在Kaggle上使用AutoML的成本，并且，所有注冊GCP的新Google帳戶都將獲得$ 300的補貼。

今年6月，谷歌還將BigQuery數(shù)據(jù)倉庫服務和Kaggle集成在一起。該集成允許BigQuery用戶使用快速SQL查詢，在SQL中訓練機器學習模型，并在Kaggle的Jupyter筆記本環(huán)境中進行分析，稱為Kaggle Kernels。

根據(jù)谷歌的說法，這種方法的好處在于，用戶無需實際移動或下載數(shù)據(jù)來查詢數(shù)據(jù)或對其進行機器學習。一旦用戶的Google Cloud帳戶鏈接到內(nèi)核筆記本或腳本，就可以使用BigQuery API客戶端庫直接在筆記本中撰寫查詢，針對BigQuery運行查詢，并使用數(shù)據(jù)進行幾乎任何類型的分析。

AutoML有多強：Kaggle競賽擊敗99%人類程序員

AutoML在今年早些時候就引起了人們的關注，它在Cloud Next '19的Kaggle Days舉行的機器學習競賽中一度脫穎而出，只是在最后時刻才被一組數(shù)據(jù)科學家以微弱優(yōu)勢淘汰。

今年4月，在長達8個半小時的Kaggle Days數(shù)據(jù)處理挑戰(zhàn)上，有一個團隊非常特別：這個由3名谷歌研究員組成的小組不打算自己上場，而是用一款名為AutoML的AI軟件參與競賽。

其他200多名參與者來自Kaggle平臺的頂級梯隊，他們組成多個小組，任務是“從一家匿名汽車零部件制造商那里得到數(shù)據(jù)，通過這些數(shù)據(jù)，他們要預測工廠產(chǎn)出中的不良批次”。

[[281435]]

谷歌研究員Quoc Le與同事Ming Chen和Lu Yifeng Lu一起領導了AutoML項目

現(xiàn)場掛著一塊大屏幕，上面是比賽即時排行榜，參賽的程序員就在這塊大屏幕的陰影下辛勤工作。程序員們通過向網(wǎng)站提交代碼進行測試來衡量他們在比賽中的成果，分數(shù)會實時顯示在屏幕上。

對于AI可能取代頂尖程序員這一點，Kaggle.com上排名第一的“大師”Vladimir Iglovikov表示懷疑，在場的大多數(shù)人也都認為，AI軟件不可能與世界頂尖的數(shù)據(jù)科學家的創(chuàng)造力相媲美。

然而，比賽進行幾個小時后，讓人震驚的結果出現(xiàn)了，AutoML提交了第1個自動生成的代碼，在排行榜上名列第2，領先了絕大多數(shù)小組。但這對于谷歌團隊來說一點都不奇怪，該軟件是3年前他們花巨資開發(fā)的，一開始的目的就是要替代自己的部分工作。

領導了谷歌AutoML開發(fā)的AI研究員Quoc Le感到興奮。他和團隊在過去的幾場Kaggle比賽中測試了AutoML，通常都需要花費幾個月而不是幾個小時。他們認為在現(xiàn)場比賽中AutoML能取得前10%的成績就算是成功了。

到了下午3：30，AutoML的勝利似乎已成定局，最接近它的人類團隊也落后很遠。當選手們在下午5:30集合查看最終比分時，歡呼聲爆發(fā)了：AutoML 排名第二。

AutoML贏了99%的頂尖人類程序員。

而且在競賽中，使用AutoML的團隊只需要付出較少的精力，就能迅速獲得出色的性能，并且無需領域專業(yè)知識或監(jiān)督。在數(shù)據(jù)準備上花費時間很少，而在特征工程、模型選擇和超參數(shù)調(diào)參上幾乎不用花什么時間。

此外，在另一個IEEE的競賽中，AutoML的時間效率的優(yōu)勢更加突出，數(shù)千團隊花了幾周的時間，才能在排行榜上大幅超越AutoML的基準水平。

上圖為該賽事前四周的提交分數(shù)（個人得分），與比賽開始時發(fā)布的AutoML Tables基準分數(shù)（綠線）。藍點虛線表示每日提交分數(shù)的90％分位水平。AutoML Tables基準在比賽的前兩周中都超過了這一水平

AutoML的簡單性和有效性為存在數(shù)據(jù)科學問題需求的人群（這些人不一定具有深厚的數(shù)據(jù)科學背景）提供了創(chuàng)建性能強大的模型的可能。

大酬賓：Kaggle用戶使用AutoML，每個關聯(lián)賬號補貼300刀

Cloud AutoML可幫助用戶針對各種任務集（視覺，語言到結構化數(shù)據(jù)）構建自定義機器學習模型。每種應用的實際用法各不相同，但所有方法都遵循從SDK或Web UI提取數(shù)據(jù)的一般模式，用戶可以調(diào)節(jié)設置，并輸出訓練好的模型。今天的重點是，我們的社區(qū)已經(jīng)能夠直接在Kaggle Notebook中使用SDK。

簡單上手：如何在Kaggle平臺上使用AutoML

Kaggle與AutoML的集成遵循了我們先前將BigQuery引入Kaggle Notebook的腳步。

首先，只需關聯(lián)用戶的GCP帳戶并授權訪問要使用的云服務，同時啟用云存儲將使AutoML輕松訪問您的數(shù)據(jù)。

關聯(lián)Google帳戶后，需要仔細檢查云帳戶是否已準備就緒。為此，請確保已為GCP項目啟用了機器學習API和結算設置。AutoML是一項付費服務，為了使更多的Kagglers可以使用AutoML，我們計劃在全年內(nèi)提供GCP積分，以補貼使用該服務的費用，所有注冊G谷歌云平臺的新帳戶都將獲得300美元的額度。

用戶可以使用Kaggle Notebook中的內(nèi)置客戶端SDK，也可以使用云控制臺中的Web界面輕松運行AutoML。要在Notebook中使用AutoML，請查看幫助文檔或教程。要了解有關自動機器學習的主題及其改善數(shù)據(jù)科學工作流程的更多信息，請觀看我們的講解視頻。

現(xiàn)在，AutoML已經(jīng)深度集成到Kaggle競賽平臺，相信今后的Kaggle競賽，派出AutoML參賽的程序員會越來越多。