Kokias užduotis AutoML blogai sprendžia (maži duomenys, nestandartinės srities žinios)?

AutoML turi sunkumų su užduotimis, kur:

• Maži duomenų kiekiai (small data): Automatinės metodikos reikalauja pakankamai duomenų mokyti ir patvirtinti modelius. Su mažais duomenimis modeliai gali per daug prisitaikyti, o AutoML ne visada efektyviai renka tinkamas reguliavimo technikas ar kuria papildomas savybes.

• Nestandartinės srities žinios: AutoML dažniausiai orientuotas į bendrus modelius ir standartines savybes. Jei užduotis reikalauja gilios srities specifikos supratimo, sudėtingo savybių inžinerijos ar nestandartinių modelių architektūrų, AutoML negali pakeisti eksperto.

• Sudėtingos pritaikytos metrikos ir verslo apribojimai: Automatizacija dažnai neatsižvelgia į unikalius verslo reikalavimus, kurie yra sunkiai formalizuojami.

Todėl AutoML yra tinkamas įprastoms užduotims su pakankamu duomenų kiekiu, bet ne specializuotoms, su mažais duomenimis ir reikalaujančioms gilios srities žinios.