1、 今天，Databricks推出了AutoML Toolkit，这是一个自动化的端到端机器学习服务，旨在为有经验的开发人员提供服务。

2、 Databricks Labs提供的AutoML Toolkit可以自动执行超参数调整、批量预测和模型搜索等操作。AutoML Toolkit基于现有的Databricks工具，如MLflow，这是一个开源的机器学习平台，可以与TensorFlow和Amazon SageMaker等框架集成。使用MLflow自动跟踪AutoML工具包的执行。

3、 该工具包还包括实用程序Apache Spark，这是一个开源项目，由Databricks的创始人创建，并于2014年交付给Apache Spark软件基金会。

4、 ML项目管理部门负责人Clemens Mewald在接受VentureBeat电话采访时表示，AutoML Toolkit与其他AutoML解决方案的不同之处在于，它允许不同专业水平的数据科学家和工程师一起工作。

5、 Mewald此前曾在谷歌的TensorFlow和KubeFlow项目团队工作。

6、 有时有些人熟悉低级代码，想要完全访问，然后同一团队的另一个人可能不熟悉代码，或者对基于UI的解决方案感到满意。因此，我们在AutoML领域提供的不同级别的解决方案解决了许多这些不同的需求和专业水平，”他说因为它们都在同一个技术堆栈上，如果您愿意，您可以在它们之间移动。因此，您基本上可以从最高级别的抽象开始，而不是编写任何代码。然后，一旦你完成了，你需要更多的灵活性，你可以降低水平，获得更多的旋钮和杠杆，你可能需要的。"

7、 Apache Spark以前提供了一些自动机器学习的形式。

8、 自动创建和部署机器学习模型的机器学习在2017年推出谷歌的AutoML后变得越来越受欢迎。从那以后，像Azure的机器学习服务这样的公共云领导者也引入了自动机器学习解决方案。

9、 在之前建立的合作关系的基础上，Databricks的AutoML产品也与Azure机器学习进行了集成。

10、 最近几个月，Databricks推出了一系列改进来支持其AutoML产品。

11、 随着6月份Databricks Runtime 5.4ML 1.1的发布，Databricks通过Hyperopt集成实现了自动超参数优化。今年4月，Databricks开放了Delta Delta，这是一个合作计划，旨在创建一个支持可靠的机器学习项目的数据湖。

12、 今年2月，Databricks通过安德森霍洛维茨(Andreessen Horowitz)、微软(Microsoft)和NEA的资金，为其数据和人工智能平台筹集了2.5亿美元。