自动机器学习(AutoML)是自动化得将机器学习应用到物理世界中的可以由AI驱动的各类场景中的一种技术。它涵盖了从处理原始数据集(Raw Dataset)到产生一个满足需求可部署的机器学习模型(Machine Learning Model)并部署维护的整个过程。自动机器学习可以将模型开发人员从繁重且重复的模型调优工作中解放出来，并且可以更加高效的设计、调优、部署和维护模型。前沿的研究工作已经展示出自动机器学习技术在很多领域超越了领域专家（Domain Expert）的模型设计。自动机器学习的发展与应用离不开系统层面上的支持与创新。好的系统设计像催化剂，可以推动自动机器学习更好的发展与落地。本章首先在9.1节从超参数优化（Hyper-parameter Optimization）、神经网络架构搜索（Neural Architecture Search）两个方面展开介绍自动机器学习算法，这些算法对系统与工具的设计提出了新的要求，进而9.2节深入阐释面向自动机器学习的系统和工具设计。
本章包含以下内容：