Execution Context
模型开发模块中的 AutoML 功能，可实现自动化机器学习操作。该功能无需手动选择算法和调整参数，从而显著缩短模型部署时间。它使数据科学家能够专注于战略性的模型分析，而非重复的配置任务。通过集成先进的计算资源，系统可以同时评估多种模型架构，以识别适用于复杂企业数据集的高性能模型。
系统会启动一个自动化搜索过程，在预定义的机器学习算法库中寻找最适合特定数据特征的算法。
超参数优化通过网格搜索或贝叶斯搜索方法自动执行，并行评估数千种配置。
该平台根据验证指标对生成的模型进行排序，并将性能最佳的架构部署到生产环境中。
Operating Checklist
定义自动化流程的数据预处理需求和目标变量。
配置算法约束和性能指标，用于评估排序效果。
在多个候选模型上并行执行超参数优化。
审核验证结果，并选择最佳模型进行部署。
Integration Surfaces
算法选择界面
用户可以定义数据约束和性能目标，从而触发自动算法发现过程，无需人工干预。
优化仪表盘
训练阶段，实时可视化超参数搜索的进度以及模型性能指标。
模型注册集成
自动注册最终选定的模型，并与版本控制和部署流程集成，以实现即时使用。
