2、自动化机器学习入门：AWS 上的实践与挑战

自动化机器学习入门：AWS 上的实践与挑战

1. 自动化机器学习简介

机器学习（ML）项目的完成并非易事，无论是成功推动一个可投入生产的 ML 应用，还是正在开发第一个 ML 项目，都会面临诸多挑战。传统的 ML 过程复杂、耗时且完全依赖手动操作，难以实现自动化。

1.1 本章目标

通过实际示例强调这些挑战，阐述自动化 ML 过程困难的原因，以及如何利用亚马逊网络服务（AWS）的各种功能，使 ML 项目的生产部署任务变得不那么艰巨，并实现完全自动化。

1.2 技术要求

• 需要访问 Jupyter Notebook 环境，以跟随本章示例操作。
• 书中提供了 ML 过程各步骤的示例代码，同时在 GitHub 仓库（https://github.com/PacktPublishing/Automated-Machine-Learning-on-AWS/blob/main/Chapter01/ML%20Process%20Example.ipynb）中提供了 Jupyter Notebook 示例，可按自己的节奏完成整个示例。
• 若要设置 Jupyter Notebook 环境，可参考安装指南（https://jupyterlab.readthedocs.io/en/stable/getting_started/installation.html）来设置 JupyterLab 或经典 Jupyter Notebook；若使用开发 IDE（如 Visual Studio Code）进行本地笔记本开发，可参考 VS Code 文档（https://code.visualstudio.com/docs/da