前不久，全球市場(chǎng)份額占比的公有云廠商亞馬遜云服務(wù)（AWS）宣布，旗下機(jī)器學(xué)習(xí)服務(wù)Amazon SageMaker在中國(guó)寧夏和北京區(qū)域正式上線，對(duì)于想通過機(jī)器學(xué)習(xí)加速數(shù)字化轉(zhuǎn)型的企業(yè)來說，這無疑是一個(gè)重大的福利?；贏mazon SageMaker發(fā)布的一系列工具，企業(yè)不但擁有了機(jī)器學(xué)習(xí)所需要的強(qiáng)大的模型、算法等方面的能力，還省去了準(zhǔn)備、建立、部署、訓(xùn)練等環(huán)節(jié)，系統(tǒng)自帶的各種功能，可以極大地提升開發(fā)效率，降低總體成本。

創(chuàng)新互聯(lián)建站堅(jiān)持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：網(wǎng)站設(shè)計(jì)、網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時(shí)代的彝良網(wǎng)站設(shè)計(jì)、移動(dòng)媒體設(shè)計(jì)的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

那么，問題來了，Amazon SageMaker到底是什么？

SageMaker是什么？

“按照英文字義理解，Sage是魔法的意思，SageMaker是一個(gè)魔法生成器，是一項(xiàng)完全托管的機(jī)器學(xué)習(xí)服務(wù)，可以幫助開發(fā)者和數(shù)據(jù)科學(xué)家快速地規(guī)?；瘶?gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí) (ML) 模型。” AWS首席云計(jì)算企業(yè)戰(zhàn)略顧問 張俠博士，從SageMaker的概念開始，進(jìn)行了詳細(xì)解讀。

傳統(tǒng)的機(jī)器學(xué)習(xí)要經(jīng)歷一個(gè)艱難、復(fù)雜的過程，需要配備一些專業(yè)的技術(shù)人員，包括計(jì)算機(jī)、物理、統(tǒng)計(jì)、應(yīng)用數(shù)學(xué)等好幾個(gè)專業(yè)的博士，用張量計(jì)算、卷積計(jì)算等方法，去構(gòu)建整個(gè)流程。不僅耗費(fèi)人力、物力、財(cái)力，花費(fèi)時(shí)間也長(zhǎng)，一般至少需要八、九個(gè)月時(shí)間才能完成。而通過SageMaker，技術(shù)人員只需要具備基礎(chǔ)知識(shí)，就可以在幾周內(nèi)完成機(jī)器學(xué)習(xí)部署。

SageMaker擁有業(yè)界最全的內(nèi)置算法，關(guān)于計(jì)算機(jī)視覺的有圖像分類、對(duì)象監(jiān)測(cè)、語義分割的算法；關(guān)于推薦的有分解機(jī)算法；關(guān)于主題模型的有LDA、NTM；關(guān)于預(yù)測(cè)的有DeepAR;關(guān)于聚類的有KMeans算法；關(guān)于回歸的有Linear、XGBoost、Learner、KNN等等。

AWS在去年re:Invent大會(huì)上還推出了Amazon SageMaker Studio，提供的是一個(gè)全面整合的機(jī)器學(xué)習(xí)的集成開發(fā)環(huán)境，它可以讓開發(fā)者無需關(guān)心代碼層面的問題，一鍵即可進(jìn)行大規(guī)模協(xié)作，同時(shí)可快速創(chuàng)建易用的實(shí)驗(yàn)環(huán)境，對(duì)上千個(gè)實(shí)驗(yàn)進(jìn)行比較、跟蹤，在全可見、可控的環(huán)境下自動(dòng)生成高精度、高質(zhì)量的模型，并且可以自動(dòng)調(diào)試、監(jiān)控和運(yùn)維。

另外，Amazon SageMaker還有一個(gè)特有的彈性筆記本功能，通過Amazon SageMaker Notebooks，用戶可在幾秒鐘內(nèi)訪問筆記本，并且在不顯示增加計(jì)算資源的情況下啟動(dòng)，靈活調(diào)整計(jì)算資源類型。

同時(shí)，還有多個(gè)符合特定業(yè)務(wù)場(chǎng)景的工具應(yīng)用。比如：Amazon SageMaker Experiments，可跨實(shí)驗(yàn)和用戶大規(guī)模跟蹤、度量和實(shí)驗(yàn)數(shù)據(jù)，對(duì)組織和目標(biāo)進(jìn)行自定義管理，讓訓(xùn)練快進(jìn)快出、保證質(zhì)量；Amazon SageMaker Debugger，可自動(dòng)收集數(shù)據(jù)并用于可視化分析、調(diào)試，能自動(dòng)化錯(cuò)誤監(jiān)測(cè)，通過警報(bào)提升生產(chǎn)力；Amazon SageMaker Model Monitor，可對(duì)模型進(jìn)行監(jiān)測(cè)，并通過內(nèi)置規(guī)則檢測(cè)數(shù)據(jù)漂移或編寫自定義規(guī)則，用于定制化分析。再比如：完全可見、可控的自動(dòng)化模型構(gòu)建工具Amazon SageMaker Autopilot；用于數(shù)據(jù)處理和模型評(píng)估的分析作業(yè)工具Amazon SageMaker Processing；還有訓(xùn)練一次便可多處運(yùn)行的Amazon SageMaker Neo等等。

如果用一句話概括，SageMaker其實(shí)是一個(gè)能提供端到端服務(wù)的機(jī)器學(xué)習(xí)平臺(tái)，具有零安裝、模型訓(xùn)練靈活、按秒付費(fèi)等特點(diǎn)，因此可以幫助用戶將基于機(jī)器學(xué)習(xí)的模型快速構(gòu)建到擁有智能應(yīng)用程序的生產(chǎn)環(huán)境中去。從準(zhǔn)備開始，到最后的機(jī)器學(xué)習(xí)部署，SageMaker能提供全流程的工具集。

至于，Amazon SageMaker具體應(yīng)該怎么來用？AWS為何要花大力氣部署與機(jī)器學(xué)習(xí)相關(guān)的技術(shù)？這要從機(jī)器學(xué)習(xí)發(fā)展現(xiàn)狀以及AWS在人工智能領(lǐng)域的戰(zhàn)略說起。

AWS為何如此看重機(jī)器學(xué)習(xí)？

眾所周知，人工智能其實(shí)是一個(gè)比較大的概念，包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等,主要是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)和應(yīng)用系統(tǒng)的一門技術(shù)科學(xué)。

作為人工智能的重要分支，機(jī)器學(xué)習(xí)強(qiáng)調(diào)的是學(xué)習(xí)，而不是計(jì)算機(jī)程序，主要通過一臺(tái)機(jī)器使用復(fù)雜的算法來分析大量的數(shù)據(jù)，識(shí)別數(shù)據(jù)中的模式，并做出一個(gè)預(yù)測(cè)，不需要像過去那樣，通過人手動(dòng)在機(jī)器的軟件中編寫特定的指令，機(jī)器可以模仿人獲取一些學(xué)習(xí)的能力。

與機(jī)器學(xué)習(xí)密切相關(guān)的還有深度學(xué)習(xí)，是一個(gè)基于神經(jīng)網(wǎng)絡(luò)的模式分析方法的統(tǒng)稱。因?yàn)闄C(jī)器學(xué)習(xí)從上個(gè)世紀(jì)80年代開始被廣泛關(guān)注，所以之后的十幾年，深度學(xué)習(xí)也得到了快速發(fā)展，取得了突破性的成果，返過來推動(dòng)了人工智能和機(jī)器學(xué)習(xí)的發(fā)展。

大體來看，機(jī)器學(xué)習(xí)有幾個(gè)重要元素：一個(gè)是數(shù)據(jù)；另一個(gè)是計(jì)算能力；第三個(gè)是算法。從某種程度上來說，機(jī)器學(xué)習(xí)是大數(shù)據(jù)平臺(tái)、云計(jì)算和一些深度學(xué)習(xí)框架凝聚在一起的產(chǎn)物。其中，云計(jì)算起到了決定性作用，它既能提供大數(shù)據(jù)的存儲(chǔ)，提供了很多計(jì)算能力，又使得用戶可以非常方便地交流、分享各種各樣的算法。

如今，人工智能和機(jī)器學(xué)習(xí)已經(jīng)成為新一代信息技術(shù)的典型代表，很多傳統(tǒng)企業(yè)以及創(chuàng)新型企業(yè)都把機(jī)器學(xué)習(xí)看成是企業(yè)最重要的變革手段，用于提高產(chǎn)品自動(dòng)化能力，或者進(jìn)一步優(yōu)化業(yè)務(wù)流程。但同時(shí)我們也發(fā)現(xiàn)，機(jī)器學(xué)習(xí)正面臨兩大難以逾越的挑戰(zhàn)。第一，人才短缺。人工智能以及機(jī)器學(xué)習(xí)都需要很多專業(yè)知識(shí)，而了解這方面知識(shí)的人才又比較欠缺，有些人才需要百萬年薪才能找到。第二，技術(shù)落地難。如何快速構(gòu)建、擴(kuò)展與人工智能相關(guān)的產(chǎn)品和應(yīng)用，并把一些創(chuàng)新型技術(shù)落地到生產(chǎn)環(huán)境中去，還有一段很長(zhǎng)的路要走。

作為互聯(lián)網(wǎng)巨頭企業(yè)，亞馬遜公司之所以要致力于機(jī)器學(xué)習(xí)領(lǐng)域，并不是簡(jiǎn)單的追趕技術(shù)熱潮，而是企業(yè)互聯(lián)網(wǎng)內(nèi)在基因使然。從二十多年前有電商開始，亞馬遜就在關(guān)注與機(jī)器學(xué)習(xí)相關(guān)的工作，產(chǎn)品推薦、產(chǎn)品搜索，物流配送等等很多創(chuàng)新業(yè)務(wù)和服務(wù)都有機(jī)器學(xué)習(xí)的身影。比如：在倉儲(chǔ)業(yè)務(wù)環(huán)境中，除了送貨的無人機(jī)，亞馬遜還推出了智能助理Amazon Echo、無人值守商店Amazon GO等等，背后其實(shí)都有機(jī)器學(xué)習(xí)和人工智能的身影。

到目前為止，AWS有數(shù)千名工程師以及數(shù)據(jù)科技人員，在從事與人工智能相關(guān)的工作，除了滿足企業(yè)內(nèi)部的應(yīng)用需求，還要進(jìn)行業(yè)務(wù)創(chuàng)新，把更多服務(wù)打包成產(chǎn)品，推向市場(chǎng)。就像AWS云計(jì)算的發(fā)展脈絡(luò)一樣，最初也是基于自己企業(yè)內(nèi)部應(yīng)用，最后形成產(chǎn)品以及解決方案，為更多外部企業(yè)提供服務(wù)。對(duì)于機(jī)器學(xué)習(xí)，AWS有著自己的定義，那就是把機(jī)器學(xué)習(xí)能力轉(zhuǎn)移到每一位創(chuàng)建者手中，使它成為被廣泛應(yīng)用的工具。

如何為行業(yè)賦能？

了解了AWS機(jī)器學(xué)習(xí)發(fā)展歷史，對(duì)于用戶為什么更愿意選擇AWS這個(gè)問題，也就不難理解！

首先，是工具的豐富性。AWS提供了最廣泛、深入的機(jī)器學(xué)習(xí)服務(wù)，其中核心服務(wù)就是Amazon SageMaker，它能加速整個(gè)機(jī)器學(xué)習(xí)過程，包括建模、訓(xùn)練調(diào)優(yōu)、部署管理等。外加AWS云平臺(tái)的助力，用戶可以把數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)倉庫，包括物聯(lián)網(wǎng)的技術(shù)和機(jī)器學(xué)習(xí)結(jié)合到一起，形成所謂的AIoT智能物聯(lián)網(wǎng)。

其次，應(yīng)用的快速落地。在選擇機(jī)器學(xué)習(xí)工具或者解決方案時(shí)，用戶看重的不只是功能的豐富性，還有應(yīng)用的可實(shí)施性。目前，全球有數(shù)萬家企業(yè)選擇了AWS來運(yùn)行機(jī)器學(xué)習(xí)工作負(fù)載。AWS擁有的機(jī)器學(xué)習(xí)用戶數(shù)量要高于其他任何運(yùn)營(yíng)商的至少兩倍?？梢哉f，我們?cè)诟餍懈鳂I(yè)都能看到AWS機(jī)器學(xué)習(xí)的身影，比如健康、醫(yī)療、在線教育等一些行業(yè)。

AWS的機(jī)器學(xué)習(xí)可以落地到各種特定應(yīng)用場(chǎng)景。比如：在短視頻行業(yè)，通過大量機(jī)器學(xué)習(xí)以及推薦算法的使用，可以自動(dòng)生成視頻內(nèi)容，并對(duì)內(nèi)容進(jìn)行分類，用戶只要有瀏覽記錄，就能判斷他會(huì)喜歡其他哪些視頻。在金融行業(yè)，從風(fēng)險(xiǎn)欺詐偵測(cè)到智能投顧等很多方面，機(jī)器學(xué)習(xí)都有施展拳腳的空間。再比如：健康醫(yī)療行業(yè)，從藥物的發(fā)現(xiàn)，到基因的使用、到各種個(gè)性化的醫(yī)療診斷，包括精準(zhǔn)醫(yī)療、在線醫(yī)療等等，機(jī)器學(xué)習(xí)都能發(fā)揮關(guān)鍵作用。

而從應(yīng)用效果來看，很多用戶對(duì)AWS的機(jī)器學(xué)習(xí)給與了高度評(píng)價(jià)。以大型方程式賽車Formula One 為例，F(xiàn)ormula One公司在21個(gè)國(guó)家/地區(qū)舉辦過一系列賽車活動(dòng)，在全球擁有超過5億粉絲，2017年創(chuàng)下18億美元的總收入。為了推動(dòng)業(yè)務(wù)增長(zhǎng)，F(xiàn)ormula One使用AWS服務(wù)來推動(dòng)賽事模式的變革，通過數(shù)據(jù)跟蹤系統(tǒng)和數(shù)字廣播等新技術(shù)的使用，公司增強(qiáng)了粉絲和車隊(duì)的賽車體驗(yàn)方式。

“AWS在速度、可擴(kuò)展性、可靠性、全球覆蓋范圍、合作伙伴社區(qū)以及可用云服務(wù)的廣度和深度方面，均優(yōu)于其他所有云提供商。” Formula One創(chuàng)新和數(shù)字技術(shù)總監(jiān)Pete Samara說道。

具體而言，F(xiàn)ormula One的數(shù)據(jù)專家使用 Amazon SageMaker 培訓(xùn)深度學(xué)習(xí)模型，用65年的歷史競(jìng)賽數(shù)據(jù)來提取關(guān)鍵競(jìng)賽成績(jī)統(tǒng)計(jì)數(shù)據(jù)，進(jìn)行競(jìng)賽預(yù)測(cè)，并讓粉絲深入了解車隊(duì)和車手采用的瞬間決策和戰(zhàn)略。另外，F(xiàn)ormula One的賽車運(yùn)動(dòng)部門在 AWS 上運(yùn)行高性能計(jì)算工作負(fù)載，在制定新的賽車設(shè)計(jì)規(guī)則時(shí)，大幅度提高了空氣動(dòng)力學(xué)團(tuán)隊(duì)可以運(yùn)行的模擬數(shù)量和質(zhì)量。

總之，機(jī)器學(xué)習(xí)帶來的諸多好處，顯而易見?？梢灶A(yù)測(cè)，未來隨著疫情的退去，機(jī)器學(xué)習(xí)會(huì)加快落地進(jìn)程，尤其在企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵階段，如何從客戶體驗(yàn)、運(yùn)營(yíng)、決策、創(chuàng)新等方面多管齊下，提高整體競(jìng)爭(zhēng)力，是企業(yè)下一步提振經(jīng)濟(jì)的關(guān)鍵點(diǎn)。

新聞名稱：機(jī)器學(xué)習(xí)快速落地，AmazonSageMaker終于來了！
標(biāo)題來源：http://www.rwnh.cn/article34/cgippe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供定制開發(fā)、網(wǎng)站維護(hù)、ChatGPT、微信小程序、品牌網(wǎng)站制作、App開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)