资讯 业界
此为临时链接,仅用于文章预览,将在时失效

AWS云上输出机器学习的黄金工具:Amazon SageMaker正式落地中国

作者:张帅
2020/05/14 18:00

“我们正在开启机器学习的黄金时代。”

AWS首席云计算企业战略顾问张侠博士表示,以前阻碍机器学习在现实世界应用的许多限制开始消失。全球各地的公司,从初创公司到大型企业,部署机器学习应用程序几乎是普遍的重中之重。

几乎每一个行业和细分市场,都开始将机器学习应用于其工作负载,从数据中获得更多价值,获得洞察,提升业务。机器学习的黄金时代也是AWS的黄金时代。

机器学习黄金时代的AWS

“目前有数万家全球各种各样的企业选择AWS来运行机器学习的负载,据我们所知,采用AWS机器学习的客户数量高于任何其他厂商至少两倍。”AWS首席云计算企业战略顾问张侠表示。

人工智能大概率成为确定性事件,越来越多的企业内部开始运行深度学习、机器学习等负载,亚马逊是最早的一批企业,自电商时代起始,亚马逊的商品推荐、搜索、物流配送等业务都融入了机器学习,诞生出送货机器人、Amazon Echo、Amazon GO等产品和业务。

相对来说,机器学习对企业仍然是一项非常复杂的工作,大多数企业并不具备独立开发机器学习模型的能力,AWS等厂商则扮演“云梯”的角色。

比如开发者和数据科学家首先必须对数据进行可视化、转换和预处理,这些数据才能变成算法可以使用的格式,用以训练模型;从选择和优化算法,到调节影响模型准确性的数百万个参数,训练模型的所有阶段都需要大量的人力和猜测;在应用程序中部署训练好的模型时,客户又需要另一套应用设计和分布式系统方面的专业技能。

此外,随着数据集和变量数的增加,模型会过时,客户又必须一次又一次地重新训练模型,让模型从新的信息中学习和进化。所有这些工作都需要大量的专业知识,并耗费庞大的算力、数据存储和时间成本。而且,由于没有集成化的工具用于整个机器学习的工作流,机器学习模型的传统开发方式是复杂、繁复和昂贵的。

AWS提供的机器学习解决方案是一个包括三层的服务堆栈。

AWS云上输出机器学习的黄金工具:Amazon SageMaker正式落地中国

底层是机器学习框架和基础架构,AWS支持TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras等机器学习框架。在基础架构方面,AWS虚机提供各种各样的实例,同时提供现成的亚马逊机器镜像AMI(Amazon Machine Image)。

张侠表示,“我们的策略是全方位的支持各种各样的开源框架,因为不同的框架有不同的特点、不同的使用场景,所以我们并不局限于某一个框架,而是全方位支持。”

AWS机器学习解决方案上层是训练好的人工智能服务,这些服务主要解决与人类认知相关的典型问题。例如,计算机视觉方面的服务,可以识别图像或视频中的对象、人员、文本、场景、活动和不安全或不适宜的内容。个性化推荐服务可以从库存中向消费者推荐多种产品和服务。客户可以直接在其应用中调用AWS提供的这些人工智能服务,而无需关注服务背后的机器学习模型。

中间层是机器学习服务,主要目标是消除机器学习过程中的繁重工作,让开发高质量模型变得更加轻松。依靠的是Amazon SageMaker托管服务,也是本次AWS强调的重点。

Amazon SageMaker落地中国

张侠介绍,制约人工智能广泛应用的因素有三个方面,导致缺乏低成本、易使用、可扩展的人工智能产品和服务,分别是:

Amazon SageMaker就是为了消除机器学习各步骤的繁重工作而来。5月12日,AWS宣布Amazon SageMaker在由西云数据运营的AWS中国 (宁夏) 区域和光环新网运营的AWS中国(北京)区域正式上线。

通过预置的Notebook、针对PB级数据集优化的常用算法,以及自动模型调优,Amazon SageMaker降低了模型构建和训练的难度。并且,Amazon SageMaker简化和加快了模型训练过程,可以通过自动提供和管理基础设施来训练模型和运行推理。

同时,AWS 最近宣布了多项重要功能和高级特性,让客户能够更轻松地构建、训练、调优和部署机器学习模型。这些功能包括:

IDC报告指出,中国人工智能市场已成为全球第二大人工智能单一市场,并且市场规模还在保持高速增长。当前40%的企业数字化转型项目都会运用人工智能,人工智能将成为各业务部门不可或缺的一部分,推动大规模创新并实现巨大的商业价值。(雷锋网雷锋网雷锋网)

长按图片保存图片,分享给好友或朋友圈

AWS云上输出机器学习的黄金工具:Amazon SageMaker正式落地中国

扫码查看文章

正在生成分享图...

取消
相关文章