亚马逊网络服务公司（Amazon WebServicesInc.）今天推出了一个新的开源库，以帮助开发人员编写代码，其中只有几行基于机器学习的应用程序使用图像、文本或表格数据集。
构建依赖于这些数据的机器学习应用程序并不是一项容易的任务。例如，开发人员需要知道如何调整表示构建AI模型时所做选择的“超参数”。他们还需要处理神经体系结构搜索等问题，这使他们能够为他们的机器学习模型找到最好的体系结构设计。
AutoGluon实现了许多复杂任务的自动化，并且可以通过在默认范围内自动调整已知对给定任务执行良好的选择，创建一个只有三行代码的新机器赚钱模型。开发人员所要做的就是指定他们希望他们的模型得到训练的速度，AutoGluon将在给定的时间框架内提出最强的模型。
亚马逊表示，AutoGluon可以识别任务的模型，包括图像和文本分类、目标检测和表格预测。它还具有一个应用程序编程接口，供更有经验的开发人员使用，这样他们就可以提高模型的预测性能。
AWS应用科学家乔纳斯·穆勒（Jonas Mueller）在一份声明中表示：“我们开发了AutoGluon，以真正实现机器学习的民主化，并将深度学习的力量提供给所有开发人员。“AutoGluon解决了这个问题，因为所有的选择都是在默认范围内自动调整的，这是众所周知的，对于特定的任务和模型表现良好。
Constellation Research Inc.分析师霍尔格·穆勒（Holger Mueller）告诉SiliconANGLE，许多企业缺乏快速构建新机器学习模型所需的开发人才，因此对能够简化过程的工具有很大需求。
穆勒说：“亚马逊的AutoGluon是朝着这个方向迈出的关键一步，授权开发者在AWS的云基础设施上使用先进的AI技术。”限制CPU搜索最适合的模型的能力特别有价值，因为对预算和时间的实际限制也适用于人工智能解决方案。现在，这一切都将是关于看到在开发人员的基础上采用AutoGluon。不用说，AI领导力的争夺战不会被开发者赢得，而是通过让技术头脑温和的商业用户利用AI。”
AutoGluon只是AWS最新推出的一款新产品，因为它有望实现机器学习的民主化。该公司最近更新了SageMaker工具，以持续培训和部署机器学习模型到云和边缘环境。更新包括SageMaker Studio，一个模型训练和工作流管理工具，它收集所有使用的代码和笔记本模型并将它们保存在一个地方，以及SageMaker Autopilot，它通过自动选择最佳算法并根据特定任务对其进行调优来自动化模型创建..