该文综述自动化机器学习（AutoML）研究进展，涵盖管道优化、数据漂移适应、工具基准测试及企业应用。研究表明，AutoML在分类任务中可超越手工模型，但概念漂移时需采用检测与适应技术；H2O等工具快速易用，能缩短开发周期并弥合人才缺口。