<mark id="oztn4"></mark>
0
在Amazon成立的這25年中，曾無數次地使用各種各樣的機器學習方法做網上推薦、產品關聯和欺詐偵查，即使遭遇了彌漫全球的網絡泡沫，其也能逆風成長為獨樹一幟的電商神話。
可見，人工智能、機器學習技術在這家培養了無數數據科學家的企業中，充當著至關重要的角色。為此，Amazon旗下的亞馬遜云服務（AWS）還提出一個口號，叫“把機器學習的能力交到每一個構建者手中”。
為了“兌現”這句口號，在4月23日的2020 AWS INNOVATE在線技術大會上，AWS宣布一項重磅消息：Amazon SageMaker和Amazon SageMaker Studio這兩個人工智能、機器學習最中間平臺非常關鍵的服務，將很快在中國區域正式推出。目前這個服務在中國可進行有限預覽。
這是繼一個月前AWS宣布數據湖解決方案的關鍵服務AWS Glue 和 Amazon Athena在中國區域上線消息后的又一動作。
目前，全球已經有上萬用戶在使用亞馬遜的SageMaker服務，在國內也有不少企業都在使用SageMaker（如虎牙直播）。資料顯示，SageMaker是AWS CEO Andy Jassy在2017年的AWS re:Invent大會上發布的，一經推出，就得到了熱烈響應，成為應用開發領域的一支新力量。
據介紹，Amazon SageMaker 是一項完全托管的服務，可以幫助開發者和數據科學家快速構建、訓練和部署機器學習模型。SageMaker 消除了機器學習過程中的繁重工作，讓開發高質量模型變得更加輕松。
Amazon SageMaker為開發者提供了彈性筆記本、實驗管理、自動模型創建、模型調試分析，以及模型概念漂移檢測等強大功能，并將這些功能封裝在首個面向機器學習的集成開發環境(IDE) Amazon SageMaker Studio中。
雷鋒網注意到，截至目前，Amazon SageMaker 支持領先的深度學習框架和接口標準包括：TensorFlow、PyTorch、Apache MXNet、Chainer、Keras、Gluon、Horovod、Scikit-learn 和 Deep Graph Library。
AWS首席云計算企業戰略顧問張俠博士表示，在全球范圍內，有上萬個客戶都在AWS上運行各種各樣的機器學習負載，大概有86%的Tensorflow負載都是跑在AWS上。據統計，在AWS上運行機器學習負載的客戶量至少高于其它云運營商的2倍。
說到SageMaker Studio，AWS CEO Andy Jassy在2019年的re:Invent大會上曾重點拋出這一粒“金豆子”，吸引無數開發者叫好。也正是那次大會上，SageMaker“全家桶”正式亮相。
? Amazon SageMaker Studio，這是第一個用于機器學習的全集成開發環境，可為機器學習模型的開發部署提供更高的自動化、集成、調試和監控；
? SageMaker Notebooks允許開發人員在幾秒鐘內啟動彈性機器學習筆記本，并可以一鍵自動執行筆記本的共享；
? Amazon SageMaker Model Monitor可通過模型概念漂移檢測，發現生產中運行的模型性能何時開始偏離原始訓練的模型·······
具體來說，Amazon SageMaker Studio能干什么？
實際上，Amazon SageMaker Studio 提供了一個基于 Web 的可視化界面，開發者可以通過該界面執行所有機器學習開發步驟。借助 SageMaker Studio，開發者可以全面掌控構建、訓練和部署模型的每個步驟。
也就是說，開發者可以快速上傳數據、創建新筆記本、訓練和調優模型，調整實驗、對比結果，以及將模型部署到生產環境，而且上述所有工作都在一個地方完成，大大提升了工作效率。開發者可以在統一的 SageMaker Studio 可視化界面中執行所有機器學習開發活動，包括筆記本、實驗管理、自動創建模型、調試以及概念漂移檢測。
相比一些云廠商在試探機器學習的服務，張俠博士提到過：“每一個Sagemaker都是為了開發者設計的，AWS完全把能力都工具化了。”
總體來看，SageMaker和SageMaker Studio這兩項服務一旦在中國市場全面推出，將成為AWS在這片市場上兩支新的利箭，其人工智能和機器學習的版圖也將更加豐富。 （雷鋒網雷鋒網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
