内容正文

引领云端机器学习时代,AWS正改变我们的未来

日期:2020-12-17 21:38 作者:admin 点击数:

提到人工智能(下文简称为AI),如今大家显然都不会感到陌生。小到智能手机里的拍照算法,大到医疗诊断的工具软件、工业生产线上的机器人、城市中的交通调度和安防监控系统,AI正在以前所未有的速度和效率改变着我们的日常生活,更在不断促进着诸多行业的改变与进步。

但你知道AI是如何诞生的吗,该怎样“造”出一个AI吗,如果你是一名并未接触过AI的程序员,接到上级想要在业务中部署AI的指令,又该如何是好呢?

别担心,这些答案在2020年12月9日都迎来了解答。因为就在这一天,全球云计算行业领导者AWS召开了他们以机器学习(Machine learning, 下文简称为ML)为主题的活动。而机器学习,正是如今最主流的AI实现方式之一。

全系列SageMaker新功能,让机器学习性能起飞

机器学习是什么?简单来说,它是一种通过使用大量的特定数据,经过相应算法进行训练,最终诞生出一个可以实际使用(AI)模型的机制。打个比方,就好像让一个人在一段时间里阅读大量同一类型的书籍,并最终形成某一个固定的思维模式一样。

正因如此,对于传统的机器学习过程来说,开发者需要经历收集和准备训练用数据、选择和优化学习算法、配置和管理机器学习过程、对训练出的模型进行微调和查错、在生产环境中部署AI模型,以及扩大和管理生产环境等多个繁琐且相当“烧钱”的过程,才能将一项项数据最终转换为生产线或最终产品里起作用的“AI算法(模型)”。

很显然,对于任何一个常规企业或个人开发者来说,想要靠自己去完成整个过程实际上都是极不划算的。而这也正是为什么自从AWS推出云端机器学习Amazon SageMaker以来,它就一路成长为AWS旗下增长速度最快的业务,并得到全球成千上万家客户信赖的原因。

那么,Amazon SageMaker到底有哪些特色呢?首先,它提供了能大幅简化数据准备过程的Amazon Sagemaker Data Wrangler服务,它允许开发者从多个数据源导入数据,并通过内置的300余个免费的预置数据转换选项,让开发者甚至连一行代码也不用写,就能在直观的图形界面下就能直接搞定数据的预处理和一键导出。

其次在通常的机器学习过程中,为了优化模型训练的效果,我们通常必须把原始的、关联性小的数据提炼为一些明显的、具有代表性的特征(Feature)。对于AWS来说,Amazon Sagemaker Data Wrangler可以轻松做到近乎自动化的特征提取,而在这之后,就可以使用Amazon SageMaker Feature Store对特征数据进行简便易得的图形化管理和存储。

友情链接

Powered by Mg4355娱乐电子游戏网站 @2018 html地图

Copyright 站群系统 © 2013-2021 版权所有