自动化机器学习为非机器学习专家提供了机器学习的方法和过程，以提高机器学习的效率和加速机器学习的研究。
机器学习(ML)近年来取得了相当大的成功，越来越多的学科依赖于它。然而，这一成功关键依赖于人类机器学习专家执行以下任务:
对数据进行预处理和清理。 选择并构建适当的特性 选择一个合适的模型族。 hyperparameters优化模型。 设计神经网络的拓扑结构(如果使用深度学习)。 后处理机器学习模型。 严格分析得到的结果。
由于这些任务的复杂性往往超出了非ml专家的能力，机器学习应用程序的快速增长创造了对现成的机器学习方法的需求，这些方法可以轻松使用，不需要专家知识。我们将这一以渐进机器学习自动化为目标的研究领域称为AutoML
