当前位置：中博教育 > CMA > 公告政策 > CMA研究：自动化机器学习迈入新纪元

CMA研究：自动化机器学习迈入新纪元

文章来源：CMA官方服务号

发布时间：2021-10-21 13:58

阅读：868次

几乎所有行业领域都有公司在探索如何运用机器学习（ML）突破我们认知的局限，当前，技术、金融、制造和医疗等领域在应用ML方面取得了长足的进步。对于所有组织来说，ML的应用前景都不可限量的，将决策交给机器的新时代将彻底重塑我们的生活。

算法构建公司Algorithmia进行的一项调查显示，ML给企业带来的益处包括降低成本、生成客户洞察和提升客户体验。

ML是一门复杂的学科，往往为数据科学家所掌握，但管理会计师可以通过贡献商业智慧和专业知识，在ML应用方面发挥重要作用。毕竟，评价应用ML的项目成功与否的标准，通常不是其所使用算法的复杂程度，而是其实现的商业目标。而在谈到可运用哪些工具来提升企业绩效时，没人比管理会计师更了解情况了。【点击免费下载>>>更多CMA学习相关资料】

可广泛运用的机器学习

自动化机器学习（autoML）的兴起，使人们可在几乎不需要代码的情况下就能应用ML。换句话说，人们既不需要学习编程也不需要获得统计学博士学位，就可以运行这些先进程序。通过将ML模型生命周期自动化，autoML可帮助提高ML流程的效率。相较于人工建模流程，autoML可以看作是批量生产ML模型的流水线。典型的autoML流程包括三个核心步骤：

1.模型选择：基于模型的预测得分对候选算法进行排名，逐步输入数据来提高模型的准确性，同时淘汰准确度不佳的模型。

2.特征选择：平台提炼出数据集的各种特征以及特征组合，来验证能进行最准确预测的子集。将验证结果用于优化先前所选择的模型。

3.超参数调整：在此阶段，autoML通过减少每次迭代的评估时间、寻找最佳模型，达到优化性能的效果。

行业翘楚

在过去3年间，业界领军企业开始竞相推出autoML工具包。以下是几家顶尖企业及其产品：

亚马逊：作为全球最大的电子零售商和最大的计算服务提供商，亚马逊于2019年12月发布了autoML产品Amazon SageMaker Autopilot。该无代码平台号称“不折不扣”的解决方案，真正做到了“自动化机器学习”。使用者只需在想要预测的数据集中指定一个列，然后点击，模型即可生成结果。同时，可通过推荐解决方案的迭代来提高模型质量。

该产品显示了最佳解决方案排行榜，使用者可以选择最佳的解决方案，也可以调整参数，提升程序的运行速度和预测结果的准确性。尽管SageMaker Autopilot让人充满期待，但它最大的缺点在于仅支持回归和分类两种算法。

谷歌：2018年5月3日，谷歌推出了Cloud AutoML。与本文提到的其他AutoML产品类似，谷歌Cloud AutoML也是无代码用户界面，但解决方案比较独特：使用者可以运用谷歌的ML功能，也可以构建更符合其业务需求的自定义模型。谷歌提供的算法，支持使用特定场景来帮助使用者进行文本分析和视频智能分析等操作。

IBM：作为曾经开发出击败国际象棋世界冠军的ML算法的公司，IBM开发autoML解决方案并不奇怪。2019年5月31日，IBM发布了Watson Studio AutoAI产品。该图形工具可引导使用者完成从数据准备、模型排名与选择、超参数调整到部署等的ML全流程。在强大的Watson机器学习的支持下，该解决方案可以自动生成Python、Scala、Java乃至JavaScript语言代码，将模型与使用者的自定义解决方案集成在一起。

微软：微软让使用者无需代码就可以轻松、大规模、快速地构建ML模型。与本文列出的其他产品不同，微软的AutoML内嵌在其数据可视化解决方案之中。

微软的Power BI通过自动化ML算法来执行文本分析和图像识别，而且无论是否集成Azure（译者注：微软云服务平台）机器学习，都可以使用其他算法的自定义模型。该解决方案功能强大，一个实例是其内置的核心驱动程序分析功能——可自动凸显对可视化数据影响最大的指标。

找到适合的工具包

财务专业人员完全可以借助autoML工具来解决业务问题。第一步是找到合适的工具包，提供最适合解决企业所考虑问题及业务用例的工具。大多数信誉良好的公司都提供产品的免费试用版本，因此，使用者在与特定供应商签约之前有机会更好地了解产品的适用性。

一个方案是可通过测试学习流程来编写一个最小可行性解决方案。在此过程中，管理会计师可提出一个驱动目标业务结果的假设，然后通过autoML算法运行相关数据来对其进行迭代测试。如果模型显示出与预期不同的结果，我们需要保持开放心态，这种不同有助于我们理解那些看似不合情理或完全不同的解决方案。毕竟作为人类，我们可能还不具备如此强大的创造力去想象所有结果。

尽管autoML为那些抱负远大的数据科学家创造了很多机会，但它并是要取代那些通常不需要运用autoML来解决问题的数据科学家。在持续学习过程中，财务专业人士可以去学习掌握ML这门艺术与科学。作为最早的数据分析人士，CMA（美国注册管理会计师）已经掌握了数据科学技能中最具挑战性的技能：业务知识与商业敏锐度。

要弥补统计和编程领域的短板，可参与全球最大的数据科学家社区Kaggle上的培训。在准备系统化学习该领域相关知识时，可通过各类大规模开放在线课程（MOOC）学习ML基础知识，这类课程包括Coursera、Udacity甚至卡内基梅隆大学的课程。最后，当决定认真研究本学科时，可采用沉浸式训练营（如Springboard、Galvanize等）来学习。

Alex Blyakhman，CMA、CSCA、CIA、CBIP，培瑞克公司高级电子商务分析经理，Excel Strategies公司创始人，IMA技术解决方案和实践委员会、IMA研究基金会以及IMA芝加哥分会成员。

相关阅读：【CMA案例：山姆会员店的经营法则】

2022年CMA最新资料包领取

请大家认真填写以下信息，获取2025年CMA学习资料包，会以网盘链接的形式给到大家，点击免费领取后请尽快保存。