H2O AI 与自己的 python 机器学习模型集成雪花
H2O AI with own python machine learning model integration with snowflake
我有几个关于 H2O AI 的问题。据我了解，h2o AI 支持 Auto ML 功能。但需要整合我自己的 python jupyetr ML 模型。所以我的问题是，
- 我们可以在没有 Auto ML 和我们自己的 python jupyter ML 算法的情况下使用 H2O AI 吗？
- 如果是，我们能否将自己的手动脚本化 ML 与 Snowflake 集成？
- 如果我们可以将我们自己的脚本化 ml 算法与 snowflake 集成，那么这样做的优势是什么？而不是自己手动创建的 python 机器学习算法？
H2O.ai 提供了一系列 ML 解决方案：h2o-3、无人驾驶人工智能、氢火炬等主要解决方案。
Driverless AI 由 AutoML 驱动，但是，用户可以选择提供自定义配方（在 Python 中）来对其进行自定义。无人驾驶 AI 集成了 Snowflake。
H2O-3 是一个框架，它实现了一系列流行的 ML 算法。 H2O-3 还集成了一个利用 built-in 算法的 AutoML 解决方案。除了在 Java 中编码之外，没有其他选项可以将第三方解决方案集成到 H2O-3 AutoML 中并扩展 H2O-3 算法（可以通过提供例如自定义损失函数来进行小的 Python 自定义在 GBM 中）。
我有几个关于 H2O AI 的问题。据我了解，h2o AI 支持 Auto ML 功能。但需要整合我自己的 python jupyetr ML 模型。所以我的问题是，
- 我们可以在没有 Auto ML 和我们自己的 python jupyter ML 算法的情况下使用 H2O AI 吗？
- 如果是，我们能否将自己的手动脚本化 ML 与 Snowflake 集成？
- 如果我们可以将我们自己的脚本化 ml 算法与 snowflake 集成，那么这样做的优势是什么？而不是自己手动创建的 python 机器学习算法？
H2O.ai 提供了一系列 ML 解决方案：h2o-3、无人驾驶人工智能、氢火炬等主要解决方案。
Driverless AI 由 AutoML 驱动，但是，用户可以选择提供自定义配方（在 Python 中）来对其进行自定义。无人驾驶 AI 集成了 Snowflake。
H2O-3 是一个框架，它实现了一系列流行的 ML 算法。 H2O-3 还集成了一个利用 built-in 算法的 AutoML 解决方案。除了在 Java 中编码之外，没有其他选项可以将第三方解决方案集成到 H2O-3 AutoML 中并扩展 H2O-3 算法（可以通过提供例如自定义损失函数来进行小的 Python 自定义在 GBM 中）。