某金控銀行計劃利用內部累積的自建交易歷史資料，快速建立專屬的「洗錢防制異常交易偵測模型」。由於內部目前缺乏編寫機器學習演算法與進行特徵工程的專業人才，銀行希望導入一項能自動執行資料特徵轉換、自動篩選與比較多種機器學習演算法，並能自動完成超參數調校的解決方案。請問該銀行優先引進下列哪一種工具？
答案 （A）
核心概念
沒人會寫演算法、做特徵工程、調超參數，就用 AutoML 讓工具自動做這些。
題幹列的三件事（特徵轉換、演算法篩選比較、超參數調校）正好是自動化機器學習工具（AutoML）的三大功能。銀行有自己的交易資料、有明確的任務（異常偵測），缺的是建模型的人，AutoML 就是為這個情境設計的。
答題技巧
快速判斷技巧：「缺專業人才」加「自動選演算法、自動調超參數」，答案是 AutoML。 ・自動特徵、自動選模、自動調參 → 自動化機器學習工具（AutoML） ・要自己寫演算法 → 開源框架 ・用別人的通用模型 → 預訓練服務 ・人寫規則 → 專家系統
易錯陷阱：(C) 預訓練服務也「不用自己建模」，看起來也省人力。 關鍵差異：題幹強調「自建交易資料」「專屬模型」，通用服務給不了專屬模型。