Aké úlohy zle rieši AutoML (malé dáta, nestandardné doménové znalosti)?

AutoML má problémy s úlohami, kde:

• Malé objemy dát (small data): Automatické metódy vyžadujú dostatočné množstvo dát na tréning a validáciu modelov. Pri malom množstve dát môžu modely pretrénovať a AutoML nie je vždy efektívny pri výbere vhodných techník regularizácie alebo generovaní ďalších znakov.

• Nestandardné znalosti domény: AutoML je zvyčajne zameraný na všeobecné vzory a štandardné znaky. Ak úloha vyžaduje hlboké pochopenie špecifikácie oblasti, zložitú inžinierstvo znakov alebo nestandardné architektúry modelov, AutoML nemôže nahradiť experta.

• Zložité vlastné metriky a obchodné obmedzenia: Automatizácia často nezohľadňuje jedinečné požiadavky podnikania, ktoré je ťažké formalizovať.

Preto je AutoML vhodný pre typické úlohy s dostatočným objemom dát, ale nie pre špecializované, s malými dátami a vyžadujúce hlboké znalosti oblasti.