“是的，AutoML可以与现有的机器学习工作流程集成。它旨在通过自动化某些任务来补充传统的机器学习过程，同时允许开发者保持对其模型和数据的控制。这种集成使团队能够在不完全改造已建立工作流程的情况下，提高生产力和效率。
例如，考虑一个已经拥有强大数据预处理、特征选择和模型评估系统的团队。他们可以使用AutoML工具来自动化模型选择和超参数调优。开发者可以利用AutoML快速识别出适合其数据的最佳模型，而不必花费数小时手动测试不同的算法和设置。这意味着他们可以将精力集中在更需要关注的领域，如特征工程或解释模型输出，而不是重复性的任务。
此外，许多AutoML平台提供可以轻松与现有库和框架（如TensorFlow或PyTorch）连接的API或接口。这使得开发者可以在不放弃熟悉工具的情况下，将AutoML纳入他们的项目中。例如，开发者可以运行AutoML生成一组模型候选，然后将这些模型导出以进行进一步的微调或集成到生产环境中。AutoML与传统技术之间的这种协作可以帮助团队简化其流程，同时仍然享受自动化带来的好处。”