【.com原创稿件】机器学习从诞生之日起就应用于多个领域，但目前从业者还存在一些障碍。首先，机器学习方向的学习门槛高。人工智能和机器学习的知识比较苦涩难懂，对学习者的综合素质要求高；如果你想真正成为一名机器学习工程师。不仅要处理代码中的各种问题，还需要不断学习，多和其他部门的人交流，了解和学习使用各种新的代码库或模型。最近登陆中国的AmazonSageMaker的目标是帮助开发人员和数据科学家快速构建、训练和部署机器学习(ML)模型。SageMaker省去了机器学习过程中的大量繁重琐碎的工作，使得开发高质量模型变得更加容易，大大降低了开发人员和数据科学家的工作难度。不断加码AI赛道的AWS，“亚马逊从电商时代开始就非常注重机器学习。商品推荐、商品搜索、物流配送、配送机器人、智能助手AmazonEcho、无人值守商店AmazonGo都被机器学习覆盖了。图。”张霞说道。不仅是C端产品的历史渊源，亚马逊在B端产品布局上也早有计划。自亚马逊Alexa系列智能家居设备大获成功后，亚马逊不断加速布局B端AI产品。从2016年开始，先后收购了影像公司Orbeus、聊天机器人平台Angel.a、AI云服务安全公司Harvest.ai等一系列AI相关公司，亚马逊在ToB领域的努力已经初见成效，其旗下产品线包括面向销售的Tact.ai、面向零售的Blutag、面向餐饮的SeverRooms等日常生活中常见的场景。随后在2016年的re:Invent大会上，亚马逊云服务AWS也正式推出了自己的AI产品线：AmazonLex、AmazonPolly和AmazonRekognition，分别定位于编写自然人机交互、语音转换服务和图像认出。其中，机器学习是提升数据处理效率的有力武器，亚马逊的云服务AWS早已深入。据统计，大约80%的TensorFlowAI系统部署在AWS云服务上。2019年正式发布的自动化机器学习AmazonSageMaker，凭借强大的实力迅速获得市场认可，SageMaker也可以依托AmazonEC2客户的积累快速部署。AmazonSageMaker更侧重于中间层服务，其主要目标是消除机器学习过程中的繁重工作，更容易开发高质量的模型。客户可以在自己的应用程序中直接调用AWS提供的这些人工智能和机器学习服务，而无需关注服务背后的机器学习模型。AWS在AI能力上领先全球的人工智能和机器学习技术，难点在于如何将这些技术真正应用到实际的生产实践中。AWS一直致力于帮助企业解决这些问题。根据权威研究机构Gartner发布的研究报告《Magic Quadrant for Cloud AI Developer Services》，AWS、微软、谷歌、IBM处于领导者象限，其中亚马逊云服务AWS位列第一，领跑全球。报告指出，AWS拥有非常强大的产品组合，在市场上享有很高的声誉。AWS向开发人员提供的服务可以满足那些没有机器学习(ML)技能的人和那些正在寻找高级功能的人的需求。Gartner《云AI开发者服务魔力象限》https://xw.qq.com/cmsid/20200307A0LK0W00为了帮助开发者学习应用机器学习（ML）、人工智能和深度学习，AWS还提供了30多个数字培训课程以及AWSDeepLens和AWSDeepRacer，开发人员可以使用它来学习深度学习和强化学习的基础知识。AmazonSageMake——提高开发效率的好平台机器学习对于企业和从业者来说，仍然是一项非常繁琐的工作。在企业中，大部分企业不具备自主开发机器学习模型的能力；对于开发人员和数据科学家来说，机器学习首先要进行数据可视化、转换、预处理等一系列处理，才能完成一个成品模型。AmazonSageMaker通过预设笔记本、针对PB级数据集优化的常用算法和自动模型调整，大大降低了模型构建和训练的难度。此外，AmazonSageMaker通过自动预置和管理基础设施来训练模型和运行推理，显着简化并加快了模型训练过程。此外，AmazonSageMaker还降低了机器学习的门槛，帮助使用AmazonSageMaker的企业大幅降低成本。一站式开发工具AmazonSageMakerStudioSageMaker提升工作效率最重要的动力来源之一就是AmazonSageMakerStudio。SageMakerStudio为开发人员和数据科学家提供一站式基于Web的可视化界面。它是一个基于Web的机器学习集成开发环境(IDE)。用户可以执行构建、训练、调试、部署和监控所有ML开发步骤，包括机器学习模型。在统一的可视化界面中，用户可以实现以下功能：l在Jupyternotebooks中编写和执行代码l构建和训练机器学习模型l部署模型并监控其预测性能l跟踪和调试机器学习实验TCO成本大大降低AWS进行对使用AmazonSageMaker的团队进行了TCO分析，结果表明，使用它的企业在三年内的TCO比通过AmazonEC2或AmazonEKS等其他方法构建的TCO低54%。该研究的分析范围从5名数据科学家组成的小型团队到250名数据科学家组成的超大型团队，得出的结论是AmazonSageMaker为各种规模的团队提供了更好的TCO。大宇无限机器学习技术总监苏迎斌在接受采访时表示：“AmazonSageMaker的出现帮助我们实现了从0到1的突破。搭建机器学习平台不仅需要非常专业的人，更需要一个大量的人力、资金和时间。对于大宇英菲尼迪来说，这是不现实的。”在SageMaker的帮助下，他们用了三个月的时间完成了整个系统的搭建，SageMaker不仅帮助大宇Infinity完成了搭建，而且在使用过程中发现其培训成本远低于自己搭建一个系统。据苏迎斌估计，平均可以节省70%的培训成本。Ecorod是AWS核心咨询合作伙伴（APNPremierConsultingPartner），其基于AWS的解决方案大大减少了用户的开发时间和运营成本。桂子杰，Ecorod中国区副总裁表示：“我们使用AmazonSageMaker平台加速为企业引入行业AI解决方案，例如标签、文本分析、语义理解、预测分类、推荐系统和欺诈检测。客户实际遇到业务问题，量身定制真正解决问题的端到端AI应用。随着AmazonSageMaker在中国的上线，我们将以SageMaker平台作为企业MLOps（机器学习操作）的核心，协助企业构建MLOps流程，尤其是在金融行业，帮助内部数据科学家和AI工程师建立，训练和部署机器学习模型。“AWS希望更多的客户能够认可AmazonSageMaker。对于拥有AI技术团队的企业，更多的是协助这些企业构建自己的内部MLOps流程，让SageMaker和SageMakerStudio成为客户内部开发的重要组成部分。”链接.对于没有AI技术的客户，可以使用SageMaker平台的技术模块，让没有AI技术团队的企业也能享受到SageMaker平台的优势，未来人工智能和云将无处不在但对于巨头他表示，未来的市场竞争力将集中在人工智能技术服务上，为各行业智能化转型提供解决方案，从而推动各大行业智能化转型。同时，中国作为最全球重要且充满活力的市场，是对人工智能等新技术应用的需求ence和云计算也与日俱增。人工智能也将成为所有业务部门不可或缺的一部分。如何更好地推动大规模创新，实现巨大的商业价值，是每一个巨头都应该做的事情。要思考的问题。【原创稿件，合作网站转载请注明原作者和出处为.com】
