8、数据科学与网络威胁分析中的自动化工具应用

数据科学与网络威胁分析中的自动化工具应用

1. 两位数据科学家与AutoML

1.1 Alex Gutman与AutoML

Alex Gutman是84.51°的资深数据科学家，曾在宝洁公司担任数据科学家。他在将AutoML引入84.51°方面发挥了重要作用，还培训了许多员工使用DataRobot，目前负责为特定克罗格商店的最优商品组合进行预测。

起初，Alex对AutoML感到畏惧，认为自动化及其工具的强大功能对他构成了威胁。但当他成为DataRobot的首席培训师后，随着对其了解的深入，他的态度逐渐转变。他仍会在为期两天的培训课程开始时提醒学员可能会感到畏惧。

AutoML为Alex带来的主要好处是提高了工作效率。以前将原始数据转换为适合算法处理的数据集并构建模型需要数天甚至数周时间，现在只需几小时或最多几天。这使他有更多时间深入思考机器学习要解决的问题，即进行解决方案工程。自动化功能还能帮助他快速向内部客户反馈结果，有助于发现新特征或补充数据资产以提高预测准确性，并更快地将结果展示给决策者。

DataRobot系统使用“排行榜”对生成的替代模型按预测能力进行排名。尽管有这种自动化的模型排名，但Alex认为数据科学家仍有重要作用。要解释模型，就需要了解其工作原理，并能够向决策者解释清楚。

1.2 Nina Lerner与AutoML

Nina Lerner是84.51°的数据科学总监，负责开发新的数据资产，以帮助数据科学家更准确地预测和理解消费者行为，同时监督业务中行为细分的数据治理。她是AutoML的早期采用者，并帮助多位用户迁移到该技术。

Nina拥有哥伦比亚大学的