No More Cumbersomeness--Automatic Predictive Modeling on Apache Spark

Masato Asahara和Ryohei Fujimaki在Spark Summit 2017上的演讲《No More Cumbersomeness--Automatic Predictive Modeling on Apache Spark》聚焦于如何在Apache Spark上实现预测模型的自动化构建，这对于简化数据科学家和工程师的工作流程、加速机器学习项目有着重要意义。虽然我无法直接访问外部链接或下载文件，但我可以基于阿里云的产品和服务，为您提供一些相关的应用指导和建议。

1. 阿里云MaxCompute与Apache Spark集成：阿里云MaxCompute（原名ODPS）是一个大规模数据处理平台，它支持使用Apache Spark进行大数据分析和处理。如果您希望在阿里云上实践类似Asahara和Fujimaki讨论的自动预测建模，可以通过MaxCompute与Spark的集成来实现高效的数据处理和模型训练。

2. PAI (Platform of Artificial Intelligence) Studio：阿里云的PAI Studio是一个可视化的一站式机器学习开发平台，它提供了丰富的机器学习组件和工作流，支持用户无需编写大量代码就能快速构建、训练和部署机器学习模型。这与演讲中提到的“不再繁琐”理念相契合，通过PAI Studio，您可以实现从数据预处理、特征工程到模型训练、评估及部署的全链条自动化。

3. AutoML功能：阿里云PAI还提供了AutoML功能，能够自动选择合适的算法、优化超参数等，进一步降低了机器学习模型构建的技术门槛，使得非专业数据科学家也能轻松构建高性能模型，这与演讲主题中的“自动化预测建模”紧密相关。

4. E-MapReduce：对于更倾向于自定义开发和需要灵活使用Apache Spark生态的用户，阿里云的E-MapReduce服务提供了一个基于Hadoop和Spark的大数据处理解决方案。用户可以在该平台上部署和管理自己的Spark集群，进行复杂的数据处理和模型训练任务。

综上所述，阿里云提供了多种工具和服务，可以帮助用户实现类似Spark Summit演讲中讨论的自动预测建模目标，无论是通过高度集成的PAI Studio，还是通过更加灵活的MaxCompute与E-MapReduce服务，都能有效提升数据处理和机器学习项目的效率。