在诸如推荐系统，在线广告，金融反欺诈等机器学习应用中，数据集可以跨越多个相关表来显示事件的时间安排。而传统方法则需要专家们通过繁琐的手法来获取有意义的特征。我们提出基于多表自动机器学习算法，能够自动发现表间关系来自动进行特征合成。在没有域信息的情况下，多表自动机器学习算法，能够自动生成有用的时序特征和跨表格有效拼接与聚合特征。并且在规定时限和资源消耗下，自动选择最佳的机器学习模型。凭借创新性的多表 AutoML 技术，我们能够产生更加高效的、实用的、端到端的自动机器学习方案。

演讲提纲：

1. 基于多表的自动机器学习背景综述
2. 自动拼表
   • 多表视图
   • 多表时序拼接
3. 自动特征
   • 特征衍生
   • 特征选择
4. 自动机器学习平台
   • 打造人人可用的 AutoML 平台
5. 基于多表的自动机器学习应用案例

听众受益点：

1. 了解自动机器学习，特别是多表自动机器学习现状和挑战
2. 了解多表自动机器学习技术（平台及应用案例）
3. 了解以上技术在工业界的落地情况