【51CTO.com原創(chuàng)稿件】
機器學(xué)習(xí)自誕生至今，已經(jīng)被應(yīng)用在很多領(lǐng)域，但目前來看對于從業(yè)人員來說仍然存在著一些阻力。

首先是機器學(xué)習(xí)方向的學(xué)習(xí)門檻高，人工智能、機器學(xué)習(xí)這些知識，相對來說比較苦澀難懂，對學(xué)習(xí)人員的綜合素養(yǎng)要求高；想要真正成為一名機器學(xué)習(xí)工程師。不僅要處理代碼中的各種問題，還需要不斷學(xué)習(xí)、與其他部門的人員溝通、了解和學(xué)會使用各種新型代碼庫或模型。

而近期登陸中國區(qū)的Amazon SageMaker的目標(biāo)就是幫助開發(fā)者和數(shù)據(jù)科學(xué)家快速構(gòu)建、訓(xùn)練和部署機器學(xué)習(xí) (ML) 模型。SageMaker 消除了機器學(xué)習(xí)過程中大量的繁重瑣碎工作，讓開發(fā)高質(zhì)量模型變得更加輕松，大幅度降低了開發(fā)者和數(shù)據(jù)科學(xué)家的工作難度。

不斷加碼AI賽道的AWS

“亞馬遜從電商時代就非常關(guān)注機器學(xué)習(xí)，產(chǎn)品推薦、產(chǎn)品搜索、物流配送、送貨機器人、智能助理Amazon Echo、無人值守商店Amazon Go等業(yè)務(wù)都遍布機器學(xué)習(xí)的身影。”張俠講到。

不光是C端產(chǎn)品的歷史淵源，亞馬遜在面向B端的產(chǎn)品布局也早有規(guī)劃。

自從主打智能家居的Amazon Alexa系列設(shè)備取得大獲成功后，亞馬遜不斷加快在B端AI產(chǎn)品的布局，2016前起陸續(xù)收購圖像公司Orbeus、聊天機器人平臺Angel.a、AI云服務(wù)安全公司Harvest.ai等一些列的AI相關(guān)公司，亞馬遜在ToB領(lǐng)域的努力早有成果，產(chǎn)品線包括銷售的Tact.ai、零售的Blutag、餐飲的SeverRooms等日常生活常見場景。

隨后在2016年re:Invent 大會上，亞馬遜云服務(wù)AWS也正式推出自己的AI產(chǎn)品線：Amazon Lex、Amazon Polly 以及 Amazon Rekognition，分別定位于可編寫自然人機交互、語音轉(zhuǎn)換服務(wù)以及圖像識別。

而其中機器學(xué)習(xí)作為提升數(shù)據(jù)處理效率的有利武器，亞馬遜云服務(wù)AWS也早已滲透。據(jù)統(tǒng)計，約80%的TensorFlow AI系統(tǒng)部署在AWS的云服務(wù)上。而在2019年正式發(fā)布的自動化機器學(xué)習(xí)Amazon SageMaker，也已經(jīng)憑借過硬的實力快速獲得了市場認可，再依托Amazon EC2的客戶積累SageMaker也得以快速部署。

Amazon SageMaker更多的是專注中間層的服務(wù)，主要目標(biāo)是消除機器學(xué)習(xí)過程中的繁重工作，讓開發(fā)高質(zhì)量模型變得更加輕松?？蛻艨梢灾苯釉谄鋺?yīng)用中調(diào)用AWS提供的這些人工智能和機器學(xué)習(xí)的服務(wù)，而無需關(guān)注服務(wù)背后的機器學(xué)習(xí)模型。

 AI能力領(lǐng)跑全球的AWS

人工智能和機器學(xué)習(xí)技術(shù)的難點在于如何把這些技術(shù)真正應(yīng)用到現(xiàn)實生產(chǎn)實踐中，AWS一直在致力于幫助企業(yè)解決這些問題。

根據(jù)來自權(quán)威研究機構(gòu)Gartner發(fā)布《Magic Quadrant for Cloud AI Developer Services》研究報告顯示AWS、微軟、谷歌、IBM位列領(lǐng)導(dǎo)者象限的廠商，亞馬遜云服務(wù)AWS排名第一，領(lǐng)跑全球。報告指出，AWS擁有非常強大產(chǎn)品組合，在市場有很高的知名度，AWS為開發(fā)人員提供的服務(wù)可以滿足那些沒有機器學(xué)習(xí)（ML）技能和尋求高級功能的人的需求。

Gartner《云AI開發(fā)者服務(wù)魔力象限》

https://xw.qq.com/cmsid/20200307A0LK0W00

為了幫助開發(fā)人員學(xué)習(xí)應(yīng)用機器學(xué)習(xí)（ML）、AI和深度學(xué)習(xí)，AWS還提供了30多種數(shù)字培訓(xùn)課程以及AWS DeepLens和AWS DeepRacer，開發(fā)人員可以使用它們學(xué)習(xí)深度學(xué)習(xí)和強化學(xué)習(xí)的基礎(chǔ)知識。

Amazon SageMake-提升開發(fā)效率的好平臺

機器學(xué)習(xí)目前對企業(yè)和從業(yè)者來說仍然一個非常繁瑣的工作。在企業(yè)中，大多數(shù)企業(yè)并不具備獨立開發(fā)機器學(xué)習(xí)模型的能力；對開發(fā)者和數(shù)據(jù)科學(xué)家來說，進行機器學(xué)習(xí)首先必須對數(shù)據(jù)進行可視化、轉(zhuǎn)換和預(yù)處理等一些列的處理才可以完成一個完成的模型。

通過預(yù)置的Notebook、針對PB級數(shù)據(jù)集優(yōu)化的常用算法，以及自動模型調(diào)優(yōu)，Amazon SageMaker大大降低了模型構(gòu)建和訓(xùn)練的難度。并且，Amazon SageMaker顯著簡化和加快了模型訓(xùn)練過程，可以通過自動提供和管理基礎(chǔ)設(shè)施來訓(xùn)練模型和運行推理。再者Amazon SageMaker也降低機器學(xué)習(xí)門檻，幫助使用Amazon SageMaker的企業(yè)大幅度削減成本。

一站式開發(fā)工具Amazon SageMaker Studio

SageMaker提高工作效率最重要的動力來源之一是Amazon SageMaker Studio。SageMaker Studio 為開發(fā)者和數(shù)據(jù)科學(xué)家提供了一站式的基于 Web 的可視化界面，它是一個用于機器學(xué)習(xí)的基于 Web 的集成開發(fā)環(huán)境 (IDE)，用戶可以在界面上執(zhí)行構(gòu)建、訓(xùn)練、調(diào)試、部署和監(jiān)控機器學(xué)習(xí)模型等所有的 ML 開發(fā)步驟。在一個統(tǒng)一的可視化界面中，用戶就可實現(xiàn)下面功能：

l 在 Jupyter 筆記本中編寫和執(zhí)行代碼

l 構(gòu)建和訓(xùn)練機器學(xué)習(xí)模型

l 部署模型并監(jiān)控其預(yù)測性能

l 跟蹤和調(diào)試機器學(xué)習(xí)實驗

TCO成本大幅減少

AWS對使用Amazon SageMaker 的團隊進行了TCO分析，結(jié)果表明，使用它的企業(yè) TCO 在三年時間里比其他方式如自己通過 Amazon EC2 或 Amazon EKS來建設(shè)要低 54%。研究的分析范圍涵蓋了從只有五位數(shù)據(jù)科學(xué)家的小團隊到由 250 位數(shù)據(jù)科學(xué)家組成的超大型團隊，結(jié)論是 Amazon SageMaker 能為各種規(guī)模大小不同的團隊都提供更出色的 TCO。

在采訪時,大宇無限機器學(xué)習(xí)技術(shù)總監(jiān)蘇映濱表示：“Amazon SageMaker的出現(xiàn)，幫我們實現(xiàn)從0到1的突破。構(gòu)建一個機器學(xué)習(xí)平臺不僅需要非常專業(yè)的人，而且投入的人力、資金和時間都非常大，對于大宇無限來說，這不太現(xiàn)實。”在SageMaker的幫助下，他們用三個月時間就完成了整個系統(tǒng)的搭建。SageMaker不僅幫助大宇無限完成了搭建，而且，在使用過程中還發(fā)現(xiàn)它的訓(xùn)練成本遠低于自己搭建一套系統(tǒng)，據(jù)蘇映濱估計，平均下來能節(jié)省70%的訓(xùn)練成本。

伊克羅德是AWS的核心級咨詢合作伙伴 (APN Premier Consulting Partner)，其基于AWS的解決方案極大地減少了用戶的開發(fā)時間與運營費用。伊克羅德中國區(qū)副總裁桂梓捷表示：“我們運用Amazon SageMaker平臺加速企業(yè)導(dǎo)入行業(yè)AI解決方案，如標(biāo)簽標(biāo)注、文本分析、語意理解、預(yù)測分類、推薦系統(tǒng)與詐欺偵測等，針對客戶實際遇到的商業(yè)問題，量身打造真正解決問題的端到端AI應(yīng)用。隨著Amazon SageMaker在中國區(qū)域落地，我們將會以SageMaker平臺作為企業(yè)MLOps（機器學(xué)習(xí)運營）核心，協(xié)助企業(yè)構(gòu)建MLOps流程，尤其在金融行業(yè)領(lǐng)域，幫助企業(yè)內(nèi)部數(shù)據(jù)科學(xué)家與AI工程師建立、訓(xùn)練與部署機器學(xué)習(xí)模型。”

AWS希望更多的客戶可以認識到Amazon SageMaker，針對有AI技術(shù)團隊的企業(yè)，更多的是協(xié)助這些企業(yè)去打造自己內(nèi)部的MLOps的流程，讓SageMaker跟SageMaker的Studio成為客戶內(nèi)部開發(fā)的一個重要環(huán)節(jié)。針對沒有AI技術(shù)的客戶，就可以借助SageMaker平臺的技術(shù)模塊，讓沒有AI技術(shù)團隊的企業(yè)也可以享受到SageMaker平臺的優(yōu)勢。 

未來的世界人工智能和云將無處不在。但對于巨頭來說，未來市場競爭力將會聚焦于人工智能技術(shù)服務(wù)，為各行業(yè)智能化轉(zhuǎn)型提供解決方案，以此推動各大產(chǎn)業(yè)智能變革。與此同時，中國作為全球最重要且最具活力市場，對人工智能和云計算等新技術(shù)應(yīng)用需求也在日益劇增，人工智能也必將成為各業(yè)務(wù)部門不可或缺的一部分，如何更好的推動大規(guī)模創(chuàng)新并實現(xiàn)巨大的商業(yè)價值是每個巨頭應(yīng)該思考的問題。

 【51CTO原創(chuàng)稿件，合作站點轉(zhuǎn)載請注明原文作者和出處為51CTO.com】