什么是手动机器学习？
手动机器学习避免使用自动化平台，而是依靠经验丰富的数据科学家和工程师使用手动工作流程。任务 例如数据收集、数据操作、模型训练和模型评估均由人工完成。这个过程的初始阶段甚至可以由数据科学家在一台本地运行的计算机上执行，然后再提供给工程师创建 端点的访问权限。
手动流程存在一些缺点，尤其是当流程的各个阶段 德国手机号码数据 需要重复和记录多次时，这会耗费大量时间。如果数据科学家有特定的工作方式，需要工程师解读他们的笔记，那么协作也会很麻烦。
模型通常是产品
流程由脚本驱动
迭代周期可能很慢
数据科学家和工程师之间的合作可能会有问题
测试和性能监控没有自动化
没有版本控制
与手动
根据工程师的专业知识， 流程的某些阶段可能更适合手动输入，而不是自动化。因此，了解 和手动 的优缺点非常重要。
专业水平
自动机器学习 使机器学习更加容易实现，让经验相对有限的个人也能构建工作模型。然而，经验丰富的工程师也可以从自动机器学习中受益，使他们能够快速工作并重新分配时间来探索新的机会。
另一方面，手动构建模型需要高水平的专业知识和对不同 算法、技术和概念的全面理解。这还包括对所选主题领域的深入了解，以便能够选择正确的算法。