1. 案例定位

DataRobot AutoML 的 Automation、Validation 與 Speed Example。

2. 學習目標

理解 AutoML 能自動化什麼,以及不能取代什麼。

3. 案例情境

DataRobot 自動 Feature Creation/Selection、Model Tuning、Algorithm Comparison、Leaderboard、Ensemble。

4. 開始資料

原書項目 數值/描述
Model Repository 80+ model types
Default Split 80% Training/20% Holdout
Cross-validation 5 folds
Academic Example 1 hour vs 2–3 months
Performance “by a factor of two”

5. 分析方法

Excel 比較 Time/Validation;AI 解釋 Speed–Accuracy–Governance Trade-off。

6. 計算結果

原書未定義每月工時,不能把 1 hour vs 2–3 months 自行換成精確倍數。

7. 結果分析與管理解讀

特定案例不等於所有 AutoML Project 的績效保證。

8. AI Prompt

「根據 Leaderboard 與 Validation Results 比較 Accuracy、Runtime、Explainability、Risk,不因排名第一自動推薦。」

9. 思考/What-if

題目: Accuracy 最高但 Auditability 不足?

參考解答: 不一定部署;Auditability 也是原書 Model Selection Factor。

10. 資料說明