自动化机器学习（AutoML）是AI产业化的关键技术。
该领域的探索和突破被认为是人工智能发展的指路明灯。
去年，第四范式举办了“NeurIPSAutoML挑战赛”、“PAKDD数据竞赛”等重要AutoML竞赛。
今年，第四范式将携手谷歌、ChaLearn共同举办全球首个AutoDL竞赛——AutoDL挑战赛。
对于首届AutoDL挑战赛的期待，大赛组织者之一、第四范式高级算法科学家涂威威表示：欢迎谷歌加入，共同主办首届AutoDL挑战赛。
过去，AutoML竞赛主要侧重于解决结构化数据的应用问题。
本次AutoDL挑战赛的参与者将面临结构化和非结构化数据的各种新问题，使得挑战变得更加困难。
今天，我们对机器“自动”学习技术的探索和发展，旨在让机器变得更加智能。
我们相信，未来，无论是传统机器学习还是深度学习领域，都会给整个行业带来新的改变。
这是我们所面临的挑战。
游戏的初衷和期望。
据悉，本次AutoDL竞赛的目标是利用深度学习解决各种结构化和非结构化数据问题，涉及结构化数据、文本、语音、图像等多个不同领域的多分类问题。
将提供大量预先格式化的公共数据集并构建数据交换库以实现元学习。
参赛者最终提交了自动深度学习解决方案，并在多个新的测试数据集上进行盲测，并根据盲测的效果进行最终排名。
近年来，深度学习在语音、图像等领域的应用成果有目共睹。
但技术门槛高、人才匮乏等诸多原因成为其大规模实施的绊脚石。
因此，实现自动化深度学习的技术已成为行业探索和研究的重要方向。
第四范式自2004年成立以来一直在探索和应用AutoML研究，目前已经发布了自动特征组合（FeatureGo）、自动时间特征（TemporalGo）、自动深度稀疏网络DSN（Deep Sparse Network）、自动半监督网络学习（Auto-SSL）等多项AutoML核心技术，并已成功应用于反欺诈、个性化推荐等业务场景，让普通开发者开发的AI应用可以达到接近甚至超过数据科学家的效果。
基于在AutoML领域的技术积累和落地实践，第四范式此次与谷歌、ChaLearn联合举办AutoDL挑战赛，旨在进一步拓展自动化机器学习的技术版图，为推动大规模产业化奠定基础。
人工智能。
更坚实的基础。