随着数字化和人工智能的加速，企业人工智能(AI)和机器学习(ML)开发人员严重短缺，而亚马逊(AWS)正在寻求快速启动AI和ML方式帮助填补专业开发人员的空白。它还在激励学生和业内其他非专业人士加入这个利润丰厚且需求旺盛的领域。为了实现这些目标，AWS宣布了其SageMaker机器学习训练平台家族的两个新成员——AmazonSageMakerCanvas，它将允许非专业开发人员在没有代码的情况下创建ML项目；以及对新的AmazonSageMakerStudioLab预览版的免费公开访问。这将使任何有兴趣进一步了解ML的人都可以试验该技术。亚马逊负责人工智能和人工智能的副总裁BratinSaha表示，这两款产品于本周在拉斯维加斯举行的AWSre:Invent2021上宣布，可以立即帮助企业解决一些积压的ML项目。AWS已经使用SageMaker等工具帮助ML专业人员更轻松地完成工作，因此使用相关工具将无代码ML带给非开发人员或所谓的“公民开发人员”是该任务的一个分支。无代码应用程序和服务已经可用于广泛的IT领域，但在机器学习领域，直到现在才出现此类服务。“通过我们的创新，我们认为机器学习将遵循类似的道路，客户不断告诉我们，为他们提供无代码工具将使他们的分析师和其他人开始使用机器学习，”Saha说。SageMakerCanvas工具不仅只是供非开发人员进入他们的项目，它还会为非专家用户进行外推，从现有数据中外推信息后填补缺失值并纠正错误。这些后端工具中添加了更多ML智能来帮助用户。例如，如果您有某个地区的邮政编码，您知道如果数字是8位数字，则它们不是有效的美国邮政编码，然后他们可以介入并标记这些错误。如果需要对在SageMakerCanvas中创建的ML项目进行更多工作，开发人员可以在SageMakerStudio版本中查看和更改Canvas项目，因为Canvas是基于SageMakerStudio的。SageMakerCanvas允许您以低代码方式将您所做的一切输出到SageMakerStudio。可以使用这些代码以及所有数据准备和模型构建代码。使用过早期版本的Canvas的客户告诉AWS，这种简单的数据导入功能是一项很有价值的功能。还有一项创新是，您可以从无代码环境无缝过渡到代码优先环境，然后让数据科学家参与进来并进行他们认为合适的修改。该公司表示，SageMakerCanvas允许非数据科学家使用来自云端或本地不同来源的数据创建和运行他们自己的ML模型，同时通过单击按钮组合数据集。这些员工可以使用Canvas训练准确的模型，然后通过直观的界面生成新的预测。该服务目前已在美国东部（俄亥俄）、美国东部（弗吉尼亚）、美国西部（俄勒冈）、欧洲（法兰克福）和欧洲（爱尔兰）AWS区域全面推出。据AWS称，它可以与本地数据集或已存储在AmazonS3、AmazonRedshift或Snowflake上的数据一起使用。全球对机器学习从业者的需求继续增长，远远超过可以担任这些角色的训练有素和熟练的数据科学家。为了缩小这一差距，AWS推出了SageMakerCanvas，但更进一步，它还推出了SageMakerStudioLab，目标是将ML教育带给更多的人，让他们能够获得这项重要且有利可图的工作所需的专业技能。这是一项完全免费的服务，可供学生、实验人员、研究人员和其他人开始使用机器学习、学习机器学习、快速进行机器学习实验等。您甚至不需要AWS账户即可开始使用。您可以使用电子邮件地址登录……它不仅为您提供免费计算能力，还提供免费存储空间。StudioLab为您完成这一切，它集成了GitHub和所有流行的软件包。还包括有价值的教育材料，包括开源机器学习指南，从深度学习到深度学习，它提供了关于机器学习、人工智能、神经网络等的广泛而深入的信息和课程。来自AWS、Udacity和Intel的约1000万美元人工智能奖学金也将通过StudioLab发放，以帮助贫困和贫困学生获得人工智能教育。教育内容还包括AWS机器学习大学，以及用于自然语言处理的预训练、深度学习(DL)模型的大型开源社区。AWS让ML更容易为非开发人员用户所用，并有可能让更多的工作人员进入该领域，这对AWS和其他ML供应商的未来很重要。任何新技术都有一个学习曲线，像AWS这样的服务需要大量用户才能使相关的努力变得经济实惠。最初，ML太难且相对限制性太强，无法实用。但是随着这种能力的广泛应用，理解的增加，创建更容易学习的工具的能力变得可行。这位分析师表示，AWS正在“采取额外的步骤，免费提供培训，展示了牺牲短期战术收入以获得更大的长期优势和利润的战略意图。”
