Ce sarcinițe le rezolvă prost AutoML (date mici, cunoștințe de domeniu non-standard)?

AutoML întâmpină dificultăți în sarcini în care:

• Date mici (small data): Metodele automate necesită o cantitate suficientă de date pentru antrenarea și validarea modelelor. Cu puține date, modelele pot suferi de supraînvățare, iar AutoML nu este întotdeauna eficient în alegerea tehnicilor de regularizare sau în generarea de caracteristici suplimentare.

• Cunoștințe de domeniu non-standard: AutoML este de obicei orientat spre modele și caracteristici generale. Dacă sarcina necesită o înțelegere profundă a specificului domeniului, inginerie complexă a caracteristicilor sau arhitecturi de modele non-standard, AutoML nu poate înlocui un expert.

• Metrice personalizate complexe și restricții de afaceri: Automatizarea nu ia în considerare adesea cerințele unice ale afacerii, care sunt dificil de formalizat.

Prin urmare, AutoML este potrivit pentru sarcini tipice cu volum suficient de date, dar nu pentru cele specializate, cu date mici și care necesită cunoștințe aprofundate despre domeniu.