“AutoML 平台旨在简化机器学习任务，使其对不同编程水平的用户更加可访问。通常，使用大多数 AutoML 工具并不需要广泛的编码技能。许多平台提供用户友好的界面，允许用户上传数据、选择模型，并以最少的编码参与配置设置。例如，Google Cloud AutoML 和 H2O.ai 等工具具有简单明了的仪表盘，引导用户在不需要深厚编程知识的情况下构建和部署模型。
然而，基本的编程概念理解是有益的。熟悉 Python 或 R 等语言可以帮助用户更有效地管理数据预处理、特征选择和模型评估。在需要定制化的情况下——例如修改管道配置或实施先进技术——一些编码知识是有用的。例如，使用 Python 中的数据处理库（如 Pandas）或可视化库（如 Matplotlib）可以增强通过 AutoML 平台获得的结果。
总之，虽然使用 AutoML 工具不严格要求高级编码技能，但拥有基础的编程和数据处理理解可以极大地提升用户体验和结果。懂得如何处理数据并能够编写脚本的开发人员，将更容易定制和扩展 AutoML 平台的功能，从而在他们的机器学习项目中做出更明智的决策。”