PAI-Studio拖拽式建模平台，机器学习的真正门槛来自于对底层算法原理的理解，以及复杂的计算机实现。为了解决这种问题，PAI平台将200余种经典算法进行封装，让用户可以通过拖拽的方式搭建机器学习实验。

PAI-Studio中的所有算法都经历过阿里巴巴集团许多业务、EP级数据的锤炼。根据算法的不同特点选用MapReduce、MPI、ParameterSever、Flink等不同框架进行实现，真正做到成熟、稳定、简单、易用。

同时，在调参方面，如何探寻算法最优的超参数组合是一直以来困扰算法工程师的难题，调参工作不仅考验算法工程师对于算法推导认知的功底，还会带来大量手动尝试的工作量，工作效率很低。PAI-Studio内置的AutoML技术通过智能化的方式降低机器学习实验搭建的复杂度，通过自研的进化式调参等方式彻底解放用户的调参工作，实现模型参数自动探索、效果自动评估、模型自动向下传导，实现模型优化全链路零干预，大大降低机器学习门槛，节约计算成本。

PAI-AutoML自动调参引擎自上线以来，已经收到国内外客户不错的反响。AutoML不仅包含基于Parallel Search思想的Grid search、Random search两种传统调参模式，还包含PAI团队基于Population Based Training理论原创的Evolutionary Optimizer调参模式，这种调参方式可以渐进式的帮助用户以最小代价探寻最优参数组合。

与此同时，Evolutionary Optimizer在调参过程中保留所有参数的表现以备追溯，并且调参模式与训练流程打通，做到自动选参、自动训练、自动评估、自动部署的整个链路自动化。