Exercise 2.5：AutoML Strengths／Weaknesses 與 Data Scientist Automation Boundary。
區分可自動化 Technical Workflow 與 Human Judgment。
原書問 AutoML 的 Strengths／Weaknesses，以及 Data Scientist 是否會 Fully Automated。
| 較可自動化 | 仍需 Human／Business Judgment |
|---|---|
| Preprocessing、Feature Creation／Selection、Tuning、Algorithm Comparison、Validation、Ensemble | Business Objective、Data Meaning、Stakeholder Communication、Governance、Ethical／Organizational Consequences |
Task Automation Matrix：Standardizable／Repeatable vs Contextual／Accountability-heavy。
原書沒有「可自動化百分比」。
原書預期 Data Science Role 部分自動化，但沒有主張整個角色消失。
「把 Tasks 分成高度自動化、Human-in-the-loop、Human-led，不估不存在的比例。」
題目： AutoML 自動選最高 Accuracy Model，Data Scientist 是否只剩按 Start？
參考解答： 否；仍需 Business Framing、Data Quality、Risk、Deployment、Monitoring、Intervention Validation。