谁将成为北交所首个股票孵化器？
06-18
“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中应用的许多限制开始消失。
部署机器学习应用程序几乎是世界各地公司（从初创公司到大型企业）的普遍优先事项。
几乎每个行业和细分市场都开始将机器学习应用于其工作负载，以从数据中获得更多价值、获得洞察并改善业务。
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“目前全球有数以万计的各类企业选择AWS来运行机器学习工作负载。
据我们所知，使用AWS机器学习的客户数量至少是美国的两倍任何其他供应商。
” AWS首席云计算企业战略顾问张侠表示。
人工智能很可能成为确定性事件，越来越多的公司开始在内部运行深度学习、机器学习和其他工作负载。
亚马逊是最早的公司之一。
自电商时代开始以来，亚马逊的产品推荐、搜索、物流配送等业务都融入了机器学习，催生了配送机器人、Amazon Echo、Amazon GO等产品和业务。
相对而言，机器学习对于企业来说仍然是一个非常复杂的任务。
大多数企业不具备独立开发机器学习模型的能力。
AWS等厂商扮演着“梯子”的角色。
例如，开发人员和数据科学家必须首先对数据进行可视化、转换和预处理，然后才能将数据转换为算法可用于训练模型的格式；从选择和优化算法到调整影响模型准确性的数百万个因素。
参数，训练模型的所有阶段都需要大量的劳动和猜测；在应用程序中部署经过训练的模型时，客户需要另一套应用程序设计和分布式系统专业知识。
此外，随着数据集和变量数量的增加，模型变得过时，客户必须一次又一次地重新训练模型，让模型从新信息中学习和进化。
所有这些任务都需要大量的专业知识，消耗大量的计算能力、数据存储和时间成本。
而且，传统的机器学习模型开发方法复杂、复杂且昂贵，因为没有针对整个机器学习工作流程的集成工具。
AWS提供的机器学习解决方案是一个三层服务堆栈。
最底层是机器学习框架和基础设施。
AWS 支持 TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras 等机器学习框架。
在基础设施方面，AWS虚拟机提供了各种实例和现成的亚马逊机器映像AMI（Amazon Machine Image）。
张侠表示，“我们的策略是全面支持各种开源框架，因为不同的框架有不同的特点和不同的使用场景，所以我们不局限于某个框架，而是全方位支持。
“AWS机器学习解决方案的上层是经过训练的人工智能服务，主要解决与人类认知相关的典型问题。
例如，计算机视觉服务可以识别图像中的物体、人、文本、场景、活动以及不安全或不适当的内容个性化推荐服务可以从库存中向消费者推荐各种产品和服务，客户可以在他们的应用程序中直接调用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。
一项机器学习服务，其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容易，它依赖于Amazon SageMaker托管服务，这也是AWS此次落地的重点。
在中国，张侠介绍，存在三个因素制约着人工智能的广泛应用，导致缺乏低成本、易于使用、可扩展的人工智能产品和服务。
分别是：具有人工智能专业知识的人才不足；建设和拓展人工智能技术产品难度大；在生产和运营中部署人工智能应用程序既耗时又昂贵。
Amazon SageMaker 旨在消除机器学习每个步骤的繁重工作。
5月12日，AWS宣布Amazon SageMaker在西云数据运营的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。
Amazon SageMaker 通过预设笔记本、针对 PB 级数据集优化的常用算法以及自动模型调优，降低模型构建和训练的难度。
此外，Amazon SageMaker 通过自动提供和管理基础设施来训练模型和运行推理，从而简化并加快了模型训练过程。
与此同时，AWS 最近宣布了多项重要功能和高级特性，使客户能够更轻松地构建、训练、调整和部署机器学习模型。
这些功能包括： 用于机器学习的集成开发环境 (IDE)：Amazon SageMaker Studio 集中了用于机器学习的所有组件，开发人员可以在其中查看和组织源代码、依赖项、文档和其他应用程序。
资产，Amazon SageMaker Studio 让构建、训练、解释、检查、监控、调试和运行机器学习模型变得更加轻松快捷。
弹性笔记本：Amazon SageMaker Notebooks 提供一键激活 Jupyter Notebooks，具有秒级弹性计算改进能力，允许开发者轻松增加或减少笔记本所需的计算能力（包括 GPU 加速），并且这些调整会自动在后台发生不会中断开发人员的工作。
Amazon SageMaker Notebook 还可以自动复制特定环境和库依赖项，从而实现一键笔记本共享。
实验管理：Amazon SageMaker Experiments 可以帮助开发人员组织和跟踪机器学习模型的迭代。
Amazon SageMaker Experiments 自动捕获输入参数、配置和结果，并将它们存储为“实验”，以帮助开发人员管理这些迭代。
Amazon SageMaker Experiments 让开发人员能够更轻松地快速迭代和开发高质量模型。
调试和分析：Amazon SageMaker Debugger 用于调试和分析模型训练，提高准确性，减少训练时间，让开发人员更好地理解模型。
使用 Amazon SageMaker 调试器，在 Amazon SageMaker 中训练的模型将自动发出收集的关键指标。
Amazon SageMaker Debugger 还可以帮助开发人员解释模型的工作原理，向神经网络的可解释性迈出第一步。
自动构建模型：Amazon SageMaker Autopilot 是业界首个自动化机器学习功能，允许开发人员保持对其模型的控制和可见性。
Amazon SageMaker Autopilot 自动检查原始数据，应用特征处理器，选择最佳算法集，训练多个模型，调整它们，跟踪它们的性能，然后根据性能对模型进行排名，允许开发人员选择最佳模型和多个候选模型可以考虑结合不同的优化因素。
概念漂移检测：Amazon SageMaker Model Monitor 允许开发人员检测并纠正概念漂移。
开发人员可以使用 Amazon SageMaker Model Monitor 的开箱即用功能来检测偏差，也可以为 Amazon SageMaker Model Monitor 编写自己的规则来进行监控。
Amazon SageMaker Model Monitor 使开发人员可以更轻松地调整训练数据或算法以解决概念漂移问题。
IDC报告指出，中国人工智能市场已成为全球第二大单一人工智能市场，且市场规模仍在快速增长。
目前，40%的企业数字化转型项目将采用人工智能。
人工智能将成为各业务部门不可或缺的一部分，驱动大规模创新，实现巨大的商业价值。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-17
06-17
06-08
06-18
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态