一年增加250项服务,AWS机器学习进化方法论 000471

股票资讯

原标题:一年增加250+服务,AWS机器学习进化方法论

“亚马逊机器学习的愿景是创建一个工具来帮助用户完成任务。我们希望将这个工具交付给每个人,而不仅仅是一家大型技术公司拥有的工具箱。”AWS大中华区云服务产品管理总经理顾凡表示。

机器学习可能是21世纪最受欢迎的新技术。作为该领域的领导者,亚马逊云服务(AWS)深刻理解在追逐新技术的热潮中,拥有高效、可用的工具是多么重要。所以你也可以看到AWS机器学习服务能力在这种方法论指导下的演变。

2016年,AWS开始在机器学习领域发力。那一年,AWS发布了三个服务,都是AI服务,即插即用。2017年,AWS开始大幅提速,几乎每年都会发布200多项新的服务和功能。仅去年一年,AWS就发布了250多种新产品和服务。

如上图所示,AWS的创新当然不仅仅体现在AI服务上,也是从最顶层的AI服务,中间层机器学习亚马逊SageMaker,演变到最底层的机器学习框架和基础设施。

先看看底层的机器学习框架和基础设施,这也是机器学习的坚实基础。AWS观察到客户一般不会只使用一个框架,而是经常使用三个框架,比如Tensorflow、PyTorch等。AWS的想法是给客户提供选择,在内部为不同的框架建立调优团队,以保证在各种框架下的最佳性能。

除了框架,计算能力同样重要。不同的机器学习负载对计算能力有不同的需求。目前AWS是唯一能同时支持Intel、AMD、ARM处理器的厂商,AWS和NVIDIA合作紧密。值得一提的是,AWS有着非常强大的芯片设计能力,其自主研发的基于ARM的芯片AWS Expresstia专注于推理场景中的最佳性价比,可以带来约45%的性价比提升。

二是创建一个成功的机器学习捷径。AWS是通过亚马逊SageMaker实现的,这是一个完全托管的机器学习服务。借助SageMaker,数据科学家和开发人员可以快速轻松地构建和培训机器学习模型,然后将模型直接部署到生产就绪的托管环境中。

同时,SageMaker也在不断迭代。AWS专注于机器学习过程的每一步,从数据准备和处理到训练模型、快速实验、参数调整、在生产环境中运行以及持续监控和管理。一方面,AWS细化了工具能力,让客户更容易使用;另一方面,AWS注重如何将这些工具串联起来,放在一个环境下,一个UI,一个工作流下,才能真正提高效率。

再次,扩展了机器学习开发者的范围。机器学习的开发工程师群体正在扩大,扩展到数据库、数据分析甚至一些业务人员,但这带来了新的矛盾。没有专业知识的新开发者如何把好的想法带到地面?

AWS是通过亚马逊极光ML、亚马逊雅典娜ML、亚马逊Neptune等一系列产品实现的,使得机器学习与现有数据库和分析工具之间能够进行集成和交互。

“我们希望更多的人参与机器学习。这些人不需要理解机器学习。他只需要有想法,明白怎么用机器学习给业务带来价值,不管是数据库人还是数据分析人。即使是业务线人员也可以使用我们提供的工具,在机器学习领域获得更大的易用性。”顾凡说。

最后,客户的实际业务问题得到了端到端的解决。企业客户对机器学习的投资是不一样的。有些企业会完成机器学习的整个技术栈,但有些客户会专注于某一层。AWS总结了行业中的一些常见问题,并为实际的业务问题提供端到端的解决方案。

“正确的工作应该使用正确的工具,同时,我们必须找到定制的工具。机器学习服务在行业场景中也更加个性化。”这是机器学习领域的行业趋势,也是AWS一贯的方法论。回搜狐多看

负责编辑:


以上就是一年增加250项服务,AWS机器学习进化方法论000471的全部内容了,喜欢我们网站的可以继续关注强丹股票网其他的资讯!