首页 新闻动态 产品中心

产品中心

你的位置:许昌县龙行天下物流货运部 > 产品中心 > 不是开发人员也能使用机器学习

不是开发人员也能使用机器学习

发布日期:2022-08-07 15:33    点击次数:201

 随着数字化进程和人工智能的加速普及,企业人工智能(AI)和机器学习(ML)开发人员严重短缺,亚马逊(AWS)正在寻求快速启动AI和ML的方式,以帮助填补专业开发人员空白。同时也在激励学生和其他行业的非专业人员加入这个利润丰厚、需求巨大的领域。

为了实现这些目标,AWS发布了其SageMaker机器学习培训平台家族的两个新成员——Amazon SageMaker Canvas,它将允许非专业开发者创建无代码的ML项目;以及全新的Amazon SageMaker Studio Lab的免费公开预览版。这将允许任何有兴趣学习更多关于ML的人,可以尝试使用这项技术。

 

亚马逊人工智能和人工智能副总裁Bratin Saha(萨哈)称,这两款产品本周在拉斯维加斯的AWS re:Invent2021大会上发布,可以立即帮助企业解决一些积压的ML项目。

AWS已经帮助ML专业人员使用SageMaker等工具更便捷地完成工作,所以使用相关工具将无代码的ML带给非开发人员或所谓的“平民开发人员”是这一使命的一个分支。无代码的应用程序和服务已经可以用于广泛的IT细分领域,但在ML的世界里,直到现在还没有这样的服务。

萨哈说:“通过我们的创新,我们认为机器学习将遵循类似的道路,客户一直告诉我们,给他们提供无代码工具将让他们的分析师和其他人开始使用机器学习。”

 

SageMaker Canvas工具不仅仅是让非开发人员输入他们的项目,还将为非专业用户进行推断,从现有数据中推断出信息后,填充缺失的值并纠正错误。在这些后端工具中添加了更多的ML智能来帮助用户。例如,如果你有一个区域的邮政编码,你知道,如果数字是8位数,他们不是有效的美国邮政编码, 圣罗兰包然后他们就可以介入并标记这些错误。

如果需要在SageMaker Canvas中创建的ML项目上做更多的工作,开发者可以在SageMaker Studio版本中查看和更改Canvas项目,因为Canvas是基于SageMaker Studio的。SageMaker Canvas允许你以低代码的方式将所有正在做的事情输出到SageMaker Studio。这些代码以及所有的数据准备和模型构建代码都可以使用。

 

不是开发人员也能使用机器学习

 

使用过Canvas早期版本的客户告诉AWS,这种简单的数据导入功能是一个有价值的特性。也是创新之一,你可以无缝地从无代码环境过渡到代码优先的环境,然后让数据科学家参与进来,做出他们认为合适的修改。

该公司表示,SageMaker Canvas允许非数据科学家使用来自云中或本地不同数据源的数据创建和运行自己的ML模型,同时通过点击一个按钮将数据集结合起来。这些员工可以使用Canvas训练精确的模型,然后通过一个直观的界面生成新的预测。

该服务目前在美国东部(俄亥俄州)、美国东部(弗吉尼亚州)、美国西部(俄勒冈州)、欧洲(法兰克福)和欧洲(爱尔兰)的AWS地区普遍可用。根据AWS的说法,它可以用于本地数据集,也可以用于已经存储在Amazon S3、Amazon Redshift或Snowflake上的数据。

全球对机器学习从业者的需求持续增长,远远快于能够胜任这些角色的受过培训和有技能的数据科学家。为了缩小这一差距,AWS引入了SageMaker Canvas,但更进一步,它还引入了SageMaker Studio Lab,其目的是将ML教育带给更多的人,他们可以获得从事这一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,让学生、实验人员、研究人员和其他人开始学习机器学习,学习机器学习,用机器学习做快速实验等等。甚至不需要一个AWS账户就可以开始。你可以用一个电子邮件地址登录……它不仅给你免费的计算能力,而且还给你免费的存储空间。Studio Lab为你做了所有这些,它集成了GitHub和所有流行的软件包。同时还包括有价值的教育材料,包括开源的ML指南,从深入深度学习,提供了关于机器学习广泛而深入信息和课程,人工智能,神经网络以及更多。AWS、Udacity和英特尔公司提供的约1000万美元的人工智能奖学金也将通过Studio Lab发放,以帮助弱势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,以及一个大型开源社区,来进行针对自然语言处理预训练、深度学习(DL)模型。

AWS的举措让非开发者用户更容易地使用ML,并有可能将更多的工人带入该领域,这对AWS和其他ML供应商的未来非常重要。任何新技术都有一个学习曲线,像AWS这样的服务需要大量的用户,才能使相关的努力成为经济上的实质性成果。最初,ML太困难,而且限制相对较多,不太实用。但随着这种功能的广泛应用,理解能力增加了,创建更容易学习的工具的能力变得可行了。

分析师表示AWS正在“采取额外的步骤使培训免费,展示了牺牲短期战术收入以换取更大的长期优势和利润的战略意图。“