Machine Learning automatizado versus cientistas de dados.

O AutoML (Machine Learning Automatizado) automatiza determinados componentes-chave do pipeline de aprendizagem de máquina. Alguns aspectos do pipeline de Machine Learning são automatizados usando ferrmentas de AutoML como: TPOT, Auto-Sklearn, AutoViML, AutoKeras e muitos mais.

As grandes vantagens do AutoML são: Acessibilidade, Eficiência, Menos Erros, Economia de Custos, Atender às Demandas da Indústria.

Mas os trabalhos de ciência de dados não serão eliminados por muitas razões.

1.Embora os AutoMLs sejam capazes de selecionar modelos na maioria dos casos, eles ainda são incapazes de realizar a maior parte do trabalho de um Cientista de Dados. Ainda é exigido que os cientistas/analistas de dados apliquem seus conhecimentos de domínio para desenvolver recursos e informações mais significativos que afetem o resultado pretendido (Engenharia de Recursos).

2.O AutoML não substituirá a maioria das profissões de ciência de dados; em vez disso, ajudará os especialistas a concluir suas tarefas mais rapidamente.

3.As máquinas não são inteligentes o suficiente e os algoritmos frequentemente não conseguem generalizar e compreender o contexto de um problema.

4.Embora o AutoML nos possa ajudar a encontrar um bom modelo para um problema específico, ele não pode criar uma nova abordagem, que é frequentemente necessária para desafios emergentes do mundo real.

O AutoML continuará a crescer em popularidade. Certos deveres quase certamente serão mecanizados e certas responsabilidades quase certamente serão eliminadas. Como um modelo de aprendizagem profundo tem muitos parâmetros, a estrutura do AutoML pode acelerar o trabalho de um cientista de dados e fornecer o modelo ideal em menos tempo.