AWS 宣布推出六項新的 Amazon SageMaker 功能-ESG跨境

拉斯維加斯--今天，在 AWS re:Invent 大會上，Amazon.com, Inc. (NASDAQ: AMZN) 旗下公司 Amazon Web Services, Inc. (AWS) 宣布為其行業(yè)領(lǐng)先的機器提供六項新功能學(xué)習(xí)服務(wù)，Amazon SageMaker，它使機器學(xué)習(xí)更易于訪問且更具成本效益。今天的公告匯集了強大的新功能，包括用于創(chuàng)建準(zhǔn)確機器學(xué)習(xí)預(yù)測的無代碼環(huán)境、使用高技能注釋器進行更準(zhǔn)確的數(shù)據(jù)標(biāo)記、用于加強跨域協(xié)作的通用 Amazon SageMaker Studio 筆記本體驗、用于機器學(xué)習(xí)訓(xùn)練的編譯器，使代碼更高效，自動計算實例選擇機器學(xué)習(xí)推理，以及用于機器學(xué)習(xí)推理的無服務(wù)器計算。要開始使用 Amazon SageMaker，請訪問 。

“所有行業(yè)和規(guī)模的客戶都對 Amazon SageMaker 如何幫助他們擴展對機器學(xué)習(xí)的使用感到興奮，使其成為他們運營的核心部分，并允許他們?yōu)槭澜绨l(fā)明新產(chǎn)品、服務(wù)和體驗?！?/p>

在幾乎無限計算能力的可用性、云中數(shù)據(jù)的大量擴散以及開發(fā)人員可用工具的快速發(fā)展的推動下，機器學(xué)習(xí)已成為許多行業(yè)的主流。多年來，AWS 一直致力于讓更廣泛的客戶更容易使用機器學(xué)習(xí)。如今，Amazon SageMaker 是 AWS 歷史上增長最快的服務(wù)之一，擁有數(shù)萬名客戶，包括 AstraZeneca、Aurora、Capitol One、Cerner、Discovery、Hyundai、Intuit、Thomson Reuters、Tyson、Vanguard 以及更多使用訓(xùn)練各種規(guī)模的機器學(xué)習(xí)模型的服務(wù)，其中一些模型現(xiàn)在包含數(shù)十億個參數(shù)，每月能夠進行數(shù)千億次預(yù)測。隨著客戶在 Amazon SageMaker 上進一步擴展他們的機器學(xué)習(xí)模型訓(xùn)練和推理，AWS 繼續(xù)投資于擴展該服務(wù)的功能，僅在過去一年就提供了 60 多項新的 Amazon SageMaker 特性和功能。今天的公告以這些進步為基礎(chǔ)，使準(zhǔn)備和收集機器學(xué)習(xí)數(shù)據(jù)變得更加容易，更快地訓(xùn)練模型，優(yōu)化推理所需的計算類型和數(shù)量，并將機器學(xué)習(xí)擴展到更廣泛的受眾。

• Amazon SageMaker Canvas 無代碼機器學(xué)習(xí)預(yù)測： Amazon SageMaker Canvas 通過為業(yè)務(wù)分析師（支持財務(wù)、營銷、運營和人力資源團隊的業(yè)務(wù)線員工）提供允許他們創(chuàng)建更準(zhǔn)確的機器學(xué)習(xí)預(yù)測，無需任何機器學(xué)習(xí)經(jīng)驗或編寫一行代碼。隨著越來越多的公司尋求通過機器學(xué)習(xí)重塑他們的業(yè)務(wù)和客戶體驗，他們組織中的更多人需要能夠在不同的業(yè)務(wù)領(lǐng)域使用先進的機器學(xué)習(xí)技術(shù)。然而，機器學(xué)習(xí)通常需要專業(yè)技能，這些技能可能需要多年的正規(guī)教育或具有挑戰(zhàn)性和不斷發(fā)展的課程的強化培訓(xùn)。 Amazon SageMaker Canvas 通過提供可視化的點擊式用戶界面解決了這一挑戰(zhàn)，使業(yè)務(wù)分析師可以輕松生成預(yù)測。客戶將 Amazon SageMaker Canvas 指向他們的數(shù)據(jù)存儲（例如 Amazon Redshift、Amazon S3、Snowflake、本地數(shù)據(jù)存儲、本地文件等），Amazon SageMaker Canvas 提供可視化工具來幫助用戶直觀地準(zhǔn)備和分析數(shù)據(jù)。然后，Amazon SageMaker Canvas 使用自動化機器學(xué)習(xí)來構(gòu)建和訓(xùn)練機器學(xué)習(xí)模型，而無需任何編碼。業(yè)務(wù)分析師可以在 Amazon SageMaker Canvas 控制臺中查看和評估模型，以確保其使用案例的準(zhǔn)確性和有效性。 Amazon SageMaker Canvas 還允許用戶將他們的模型導(dǎo)出到 Amazon SageMaker Studio，這樣他們就可以與數(shù)據(jù)科學(xué)家共享這些模型，以驗證和進一步完善他們的模型。
• Amazon SageMaker Ground Truth Plus 專家數(shù)據(jù)標(biāo)記： Amazon SageMaker Ground Truth Plus 是一項完全托管的數(shù)據(jù)標(biāo)記服務(wù)，它使用具有內(nèi)置注釋工作流的專家團隊來提供高質(zhì)量數(shù)據(jù)，以更快、更低成本地訓(xùn)練機器學(xué)習(xí)模型，并且無需需要編碼?？蛻粜枰絹碓酱蟮恼_標(biāo)記的數(shù)據(jù)集，以訓(xùn)練更準(zhǔn)確的模型并擴展他們的機器學(xué)習(xí)部署。但是，生成大型數(shù)據(jù)集可能需要數(shù)周到數(shù)年的時間，并且通常需要公司雇用員工并創(chuàng)建工作流來管理標(biāo)記數(shù)據(jù)的過程。 2018 年，AWS 推出了 Amazon SageMaker Ground Truth，讓客戶更容易通過 Amazon Mechanical Turk、第三方供應(yīng)商或他們自己的私人勞動力使用人工注釋器生成標(biāo)記數(shù)據(jù)。 Amazon SageMaker Ground Truth Plus 通過具有特定領(lǐng)域和行業(yè)專業(yè)知識的專業(yè)員工以及滿足客戶對高度準(zhǔn)確數(shù)據(jù)標(biāo)簽的數(shù)據(jù)安全性、隱私和合規(guī)性要求的資格來擴展此功能。 Amazon SageMaker Ground Truth Plus 具有多步驟標(biāo)記工作流程，包括由機器學(xué)習(xí)模型提供支持的預(yù)標(biāo)記、人工標(biāo)記的機器驗證以檢測錯誤和低質(zhì)量標(biāo)簽，以及輔助標(biāo)記功能（例如 3D 立方體捕捉、消除 2D 失真圖像、視頻標(biāo)簽中的 predict-next 和自動分割工具），以減少標(biāo)記數(shù)據(jù)集所需的時間，并有助于降低采購高質(zhì)量注釋數(shù)據(jù)的成本。要開始使用，客戶只需將 Amazon SageMaker Ground Truth Plus 指向他們在 Amazon Simple Storage Service (Amazon S3) 中的數(shù)據(jù)源，并提供他們特定的標(biāo)簽要求（例如，醫(yī)學(xué)專家應(yīng)如何在肺部放射圖像中標(biāo)記異常的說明）。然后，Amazon SageMaker Ground Truth Plus 創(chuàng)建一個數(shù)據(jù)標(biāo)記工作流并提供控制面板，讓客戶能夠跟蹤數(shù)據(jù)注釋進度、檢查已完成標(biāo)簽樣本的質(zhì)量，并提供反饋以生成高質(zhì)量數(shù)據(jù)，以便客戶可以高度構(gòu)建、訓(xùn)練和部署更快地建立準(zhǔn)確的機器學(xué)習(xí)模型。
• Amazon SageMaker Studio 通用筆記本：適用于 Amazon SageMaker Studio（第一個完整的機器學(xué)習(xí) IDE）的通用筆記本提供了一個單一的集成環(huán)境來執(zhí)行數(shù)據(jù)工程、分析和機器學(xué)習(xí)。如今，跨不同數(shù)據(jù)域的團隊希望使用一系列數(shù)據(jù)工程、分析和機器學(xué)習(xí)工作流進行協(xié)作。這些領(lǐng)域的從業(yè)者經(jīng)常跨越數(shù)據(jù)工程、數(shù)據(jù)分析和數(shù)據(jù)科學(xué)等知識領(lǐng)域，并希望能夠跨各種工作流工作，而無需切換數(shù)據(jù)探索工具。然而，當(dāng)客戶準(zhǔn)備好跨分析和機器學(xué)習(xí)環(huán)境集成數(shù)據(jù)時，他們通常不得不同時使用多種工具和筆記本，這可能很麻煩、耗時且容易出錯。 Amazon SageMaker Studio 現(xiàn)在允許用戶從一個通用筆記本中以交互方式訪問、轉(zhuǎn)換和分析各種數(shù)據(jù)以用于多種用途。通過與在 Amazon EMR 集群上運行的 Spark、Hive 和 Presto 以及在 Amazon S3 上運行的數(shù)據(jù)湖的內(nèi)置集成，客戶現(xiàn)在可以使用 Amazon SageMaker Studio 訪問和操作通用筆記本中的數(shù)據(jù)，而無需切換服務(wù)。除了使用他們首選的框架（例如 TensorFlow、PyTorch 或 MXNet）開發(fā)機器學(xué)習(xí)模型以在 Amazon SageMaker Studio 中構(gòu)建、訓(xùn)練和部署機器學(xué)習(xí)模型外，客戶還可以瀏覽和查詢數(shù)據(jù)源、探索元數(shù)據(jù)和模式，并開始為分析或機器學(xué)習(xí)工作流處理作業(yè) — 無需離開通用的 Amazon SageMaker Studio 筆記本。
• 用于機器學(xué)習(xí)模型的 Amazon SageMaker 訓(xùn)練編譯器： Amazon SageMaker 訓(xùn)練編譯器是一種新的機器學(xué)習(xí)模型編譯器，它可以自動優(yōu)化代碼以更有效地使用計算資源，并將訓(xùn)練模型所需的時間減少多達 50%。當(dāng)今最先進的深度學(xué)習(xí)模型非常龐大和復(fù)雜，以至于它們需要專門的計算實例來加速訓(xùn)練，并且可以消耗數(shù)千小時的圖形處理單元 (GPU) 計算時間來訓(xùn)練單個模型。為了進一步加快訓(xùn)練時間，數(shù)據(jù)科學(xué)家通常會嘗試增加訓(xùn)練數(shù)據(jù)或調(diào)整超參數(shù)（控制機器學(xué)習(xí)訓(xùn)練過程的變量），以找到性能最佳且資源最少的模型版本。這項工作在技術(shù)上很復(fù)雜，數(shù)據(jù)科學(xué)家通常沒有時間優(yōu)化訓(xùn)練模型以在 GPU 上運行所需的框架。 Amazon SageMaker Training Compiler 是一種新的機器學(xué)習(xí)模型編譯器，它與 Amazon SageMaker 中的 TensorFlow 和 PyTorch 版本集成，這些版本已經(jīng)過優(yōu)化，可以在云中更高效地運行，因此數(shù)據(jù)科學(xué)家可以使用他們喜歡的框架通過以下方式訓(xùn)練機器學(xué)習(xí)模型更有效地使用 GPU。只需單擊一下，Amazon SageMaker 訓(xùn)練編譯器就會自動優(yōu)化訓(xùn)練模型并對其進行編譯，從而將訓(xùn)練速度提高 50%。
• Amazon SageMaker Inference Recommender 自動實例選擇： Amazon SageMaker Inference Recommender 幫助客戶自動選擇最佳計算實例和配置（例如實例計數(shù)、容器參數(shù)和模型優(yōu)化）來支持特定的機器學(xué)習(xí)模型。對于通常用于自然語言處理或計算機視覺的大型機器學(xué)習(xí)模型，選擇具有最佳性價比的計算實例是一個復(fù)雜的迭代過程，可能需要數(shù)周的實驗。 Amazon SageMaker Inference Recommender 消除了確定在何處運行模型的猜測和復(fù)雜性，并且可以通過自動推薦理想的計算實例配置將部署時間從數(shù)周縮短到數(shù)小時。數(shù)據(jù)科學(xué)家可以使用 Amazon SageMaker Inference Recommender 將模型部署到推薦的計算實例之一，或者他們可以使用該服務(wù)在一系列選定的計算實例上運行性能基準(zhǔn)模擬?？蛻艨梢栽?Amazon SageMaker Studio 中查看基準(zhǔn)測試結(jié)果，并評估不同配置設(shè)置之間的權(quán)衡，包括延遲、吞吐量、成本、計算和內(nèi)存。
• 適用于機器學(xué)習(xí)模型的 Amazon SageMaker Serverless Inference： Amazon SageMaker Serverless Inference 為生產(chǎn)中部署的機器學(xué)習(xí)模型提供即用即付定價推理。客戶在使用機器學(xué)習(xí)時總是希望優(yōu)化成本，這對于具有間歇性流量模式和長時間空閑時間的應(yīng)用程序變得越來越重要。例如，基于消費者購買模式的個性化推薦、處理來電的聊天機器人以及基于實時交易的需求預(yù)測等應(yīng)用程序可能會根據(jù)天氣條件、促銷產(chǎn)品或假期等外部因素而出現(xiàn)活動高峰。為機器學(xué)習(xí)推理提供恰到好處的計算量是一項困難的平衡行為。在某些情況下，客戶會過度配置容量以適應(yīng)高峰活動，這可以實現(xiàn)一致的性能，但在沒有流量時會浪費金錢。在其他情況下，客戶通過提供足夠的計算能力來在條件發(fā)生變化時執(zhí)行推理，從而限制成本。一些客戶嘗試即時手動調(diào)整計算資源以適應(yīng)不斷變化的條件，但這是繁瑣的手動工作。用于機器學(xué)習(xí)的 Amazon SageMaker 無服務(wù)器推理會根據(jù)推理請求的數(shù)量自動預(yù)置、擴展和關(guān)閉計算容量。當(dāng)客戶將他們的機器學(xué)習(xí)模型部署到生產(chǎn)中時，他們只需在 Amazon SageMaker 中選擇無服務(wù)器部署選項，Amazon SageMaker Serverless Inference 就會管理計算資源以提供所需的精確計算量。借助 Amazon SageMaker Serverless Inference，客戶只需為每個請求使用的計算容量和處理的數(shù)據(jù)量付費，而無需管理底層基礎(chǔ)設(shè)施。

“所有行業(yè)和規(guī)模的客戶都對 Amazon SageMaker 如何幫助他們擴展對機器學(xué)習(xí)的使用感到興奮，使其成為他們運營的核心部分，并允許他們?yōu)槭澜绨l(fā)明新產(chǎn)品、服務(wù)和體驗，” AWS 亞馬遜機器學(xué)習(xí)副總裁 Bratin Saha 說。 “我們很高興將我們行業(yè)領(lǐng)先的機器學(xué)習(xí)服務(wù)擴展到更廣泛的客戶群體，這樣他們也可以推動業(yè)務(wù)創(chuàng)新并幫助解決具有挑戰(zhàn)性的問題。借助這些新的 Amazon SageMaker 工具，我們將向該服務(wù)引入一組全新的用戶，同時還為現(xiàn)有客戶提供額外的功能，以便更輕松地將數(shù)據(jù)轉(zhuǎn)化為有價值的見解、加快部署時間、提高性能并節(jié)省資金在整個機器學(xué)習(xí)之旅中?！?/p>

寶馬集團總部位于德國慕尼黑，是一家全球性的高檔汽車和摩托車制造商，旗下品牌包括 BMW、BMW Motorrad、MINI 和勞斯萊斯。它還提供優(yōu)質(zhì)的金融和移動服務(wù)。 “使用人工智能作為一項關(guān)鍵技術(shù)是寶馬集團數(shù)字化轉(zhuǎn)型過程中不可或缺的元素。該公司已經(jīng)在整個價值鏈中采用了人工智能，使其能夠為客戶、產(chǎn)品、員工和流程創(chuàng)造附加值。在過去的幾年里，我們已經(jīng)將許多寶馬集團的頂級用例工業(yè)化，以商業(yè)價值影響來衡量，”寶馬集團人工智能平臺產(chǎn)品負(fù)責(zé)人 Marc Neumann 說。 “我們相信 Amazon SageMaker Canvas 可以推動我們在整個 BMW 集團的 AI/ML 擴展。借助 SageMaker Canvas，我們的業(yè)務(wù)用戶可以輕松探索和構(gòu)建 ML 模型以做出準(zhǔn)確的預(yù)測，而無需編寫任何代碼。 SageMaker 還允許我們的中央數(shù)據(jù)科學(xué)團隊在將業(yè)務(wù)用戶創(chuàng)建的模型發(fā)布到生產(chǎn)之前進行協(xié)作和評估?！?/p>

西門子能源正在為社會注入活力。他們正在環(huán)境、社會和治理 (ESG) 等關(guān)鍵重點領(lǐng)域進行轉(zhuǎn)型，他們的創(chuàng)新正在為他們的合作伙伴和他們的員工帶來今天不同的未來。 “西門子能源數(shù)據(jù)科學(xué)戰(zhàn)略的核心是讓所有業(yè)務(wù)用戶無需數(shù)據(jù)科學(xué)專家就可以試驗不同的數(shù)據(jù)源和機器學(xué)習(xí)框架，從而將機器學(xué)習(xí)的力量帶給他們。這使我們能夠提高能源解決方案的創(chuàng)新和數(shù)字化速度，例如調(diào)度優(yōu)化器和診斷服務(wù)，”西門子能源工業(yè)應(yīng)用數(shù)據(jù)科學(xué)團隊負(fù)責(zé)人 Davood Naderi 說。 “我們發(fā)現(xiàn) Amazon SageMaker Canvas 是 Siemens Energy 機器學(xué)習(xí)工具包的重要補充，因為它允許業(yè)務(wù)用戶執(zhí)行實驗，同時還可以與數(shù)據(jù)科學(xué)團隊共享和協(xié)作。合作很重要，因為它幫助我們將更多的機器學(xué)習(xí)模型生產(chǎn)化，并確保所有模型都符合我們的質(zhì)量標(biāo)準(zhǔn)和政策?！?/p>

Airbnb 是世界上最大的提供獨特、真實的住宿和活動場所的市場之一，提供超過 700 萬個住宿和 40,000 項手工活動，所有這些都由當(dāng)?shù)胤繓|提供支持。 “在 Airbnb，我們越來越多地將 ML 整合到我們業(yè)務(wù)的各個方面。因此，我們的團隊始終需要生成和維護高質(zhì)量的數(shù)據(jù)，以訓(xùn)練和測試 ML 模型，”Airbnb 中國數(shù)據(jù)科學(xué)家 Wei Luo 說。 “我們正在尋找一種方法，在 10 萬段普通話客戶服務(wù)日志中生成高質(zhì)量的文本分類數(shù)據(jù)結(jié)果，以便我們能夠更好地為客戶服務(wù)并減少對客戶服務(wù)團隊的依賴。借助 Amazon SageMaker Ground Truth Plus，AWS 團隊構(gòu)建了一個自定義的數(shù)據(jù)標(biāo)記工作流程，其中包括一個能夠?qū)崿F(xiàn) 99% 分類準(zhǔn)確度的自定義 ML 模型。”

美國國家橄欖球聯(lián)盟是美國最受歡迎的體育聯(lián)盟，由 32 支球隊組成，他們每年都在爭奪超級碗這一世界上最大的年度體育賽事。 “在 NFL，我們繼續(xù)尋找使用機器學(xué)習(xí)的新方法，以幫助我們的球迷、廣播員、教練和球隊從更深入的見解中受益，”NFL 球員健康與創(chuàng)新高級副總裁 Jennifer Langton 說。 “足球是一項快速發(fā)展的運動，比賽可以在一瞬間發(fā)生。雖然教練和裁判會仔細(xì)觀看比賽，但為了安全起見，可能很難觀察場上的所有球員。計算機視覺使我們能夠準(zhǔn)確檢測玩家安全事件，但開發(fā)這些算法需要經(jīng)過專業(yè)標(biāo)記的數(shù)據(jù)?，F(xiàn)在，借助 Amazon SageMaker Ground Truth Plus，我們?yōu)閺?fù)雜的標(biāo)簽任務(wù)提供了自定義工作流程和用戶界面，這有助于我們提高玩家的安全性?！?/p>

VIZIO 成立并總部位于加利福尼亞州奧蘭治縣，其使命是提供身臨其境的娛樂和引人注目的生活方式增強，使其產(chǎn)品成為互聯(lián)家庭的中心。 VIZIO 正在通過其尖端智能電視的集成平臺和強大的 SmartCast 操作系統(tǒng)來推動電視的未來。 VIZIO 的平臺為內(nèi)容提供商提供了更多分發(fā)其內(nèi)容的方式，并為廣告商提供了更多工具來定位和動態(tài)地向越來越多的觀眾提供廣告，這些觀眾越來越多地從線性電視過渡。 “在 VIZIO，我們一直在尋找利用 ML 為我們的客戶創(chuàng)造個性化體驗的方法。我們一直在尋找一種方法來持續(xù)審查廣告視頻并生成商業(yè)元數(shù)據(jù)以進行有效的廣告分類，”VIZIO 首席創(chuàng)新官 Zeev Neumeier 說。 “通過使用 Amazon SageMaker Ground Truth Plus 的流式傳輸功能，我們現(xiàn)在可以使用一個自定義模板，該模板提供視頻分類、元數(shù)據(jù)收集和一個能夠在廣告播出時實時收集數(shù)據(jù)的自動化系統(tǒng)。借助 Amazon SageMaker Ground Truth Plus，我們能夠在不到一個工作日的時間內(nèi)查看結(jié)果。”

Litterati 是一家數(shù)據(jù)科學(xué)公司，幫助人們“眾包清潔”地球。 Litterati 的平臺通過開發(fā)行為洞察力、繪制問題區(qū)域和降低未來風(fēng)險，使人們能夠為我們世界面臨的垃圾和廢物問題創(chuàng)建更好的解決方案。從學(xué)校到科學(xué)家、環(huán)保組織、品牌和市政府，人們齊聚一堂，利用 Litterati 為更大的利益創(chuàng)造一個無垃圾的世界。 “對我們來說，機器學(xué)習(xí)為看不見的挑戰(zhàn)帶來光明。僅在美國，每年就有數(shù)十億美元用于清理垃圾，”Litterati 首席技術(shù)官 Sean Doherty 說。 “通過計算機視覺模型，我們將世界各地的垃圾圖像轉(zhuǎn)化為數(shù)據(jù)，以便城市更好地分配垃圾管理資源。但是，由于數(shù)據(jù)集遍布全球，構(gòu)建對象檢測模型需要訪問對象、材料和品牌信息以及本地化知識。 Amazon SageMaker Ground Truth Plus 允許我們創(chuàng)建一個分層注釋界面，在該本地化上下文中捕獲這些精確特征。此外，SageMaker Ground Truth Plus 專家團隊創(chuàng)建了本地化圖像注釋，它提供了一個標(biāo)準(zhǔn)化的解決方案，將我們的數(shù)據(jù)標(biāo)記效率提高了 20%，將我們將注釋結(jié)果提取到我們的數(shù)據(jù)庫中的能力提高了 200%，并減少了后處理90% 的時間?！?/p>

Provectus 幫助其客戶從原始數(shù)據(jù)集、企業(yè)數(shù)據(jù)湖和機器學(xué)習(xí)模型構(gòu)建端到端數(shù)據(jù)和機器學(xué)習(xí)工程體驗。 “我們一直在等待直接從 Amazon SageMaker Studio 創(chuàng)建和管理 Amazon EMR 集群的功能，以便我們的客戶可以直接從 Amazon SageMaker Studio 筆記本運行 Spark、Hive 和 Presto 工作流，”Provectus 首席執(zhí)行官 Stepan Pushkarev 說。 “我們很高興 Amazon SageMaker 現(xiàn)在已在本地構(gòu)建此功能以簡化 Spark 和機器學(xué)習(xí)作業(yè)的管理。這將幫助我們客戶的數(shù)據(jù)工程師和數(shù)據(jù)科學(xué)家更有效地協(xié)作，以執(zhí)行交互式數(shù)據(jù)分析并使用 EMR 開發(fā)機器學(xué)習(xí)管道-基于數(shù)據(jù)的轉(zhuǎn)換。”

Vanguard Group, Inc. 是一家美國注冊投資顧問，總部位于賓夕法尼亞州馬爾文，管理著約 7 萬億美元的全球資產(chǎn)。 Vanguard 正在通過為投資者做正確的事情并為全球數(shù)百萬客戶創(chuàng)造變化來重新定義行業(yè)。 “我們很高興我們的 Vanguard 數(shù)據(jù)科學(xué)家和數(shù)據(jù)工程師現(xiàn)在可以在一個筆記本上進行協(xié)作以進行分析和機器學(xué)習(xí)，”Vanguard 數(shù)據(jù)和分析高級總監(jiān) Doug Stewart 說。 “現(xiàn)在 Amazon SageMaker Studio 已與在 Amazon EMR 上運行的 Spark、Hive 和 Presto 進行了內(nèi)置集成，我們的開發(fā)團隊可以提高工作效率。這種單一的開發(fā)環(huán)境將使我們的團隊能夠?qū)Ｗ⒂跇?gòu)建、培訓(xùn)和部署機器學(xué)習(xí)模型?！?/p>

Quantum Health 的使命是讓每個人的醫(yī)療保健導(dǎo)航更智能、更簡單、更具成本效益。他們將 Amazon SageMaker 用于文本分類、文本摘要、預(yù)測模型、分類問題和問答等用例，以幫助 Quantum 團隊及其服務(wù)的成員。 “由于 NLP 模型的大小，迭代 NLP 模型可能是一個挑戰(zhàn)。長時間的訓(xùn)練會阻礙工作流程和高昂的成本，這可能會阻止我們的團隊嘗試可能提供更好性能的更大模型，”Quantum Health 的高級數(shù)據(jù)科學(xué)家 Jorge Lopez Grisman 說。 “Amazon SageMaker Training Compiler 令人興奮，因為它有可能緩解這些摩擦。使用 Amazon SageMaker Training Compiler 實現(xiàn)加速對我們的團隊來說是一個真正的勝利，這將使我們更加敏捷和創(chuàng)新地向前發(fā)展?！?/p>

Guidewire 是財產(chǎn)險和意外險保險公司信任的平臺，可以有效參與、創(chuàng)新和增長。該公司將數(shù)字、核心、分析和人工智能相結(jié)合，將其平臺作為云服務(wù)提供，并使其客戶能夠針對其行業(yè)特定的工作負(fù)載進行高級分析和機器學(xué)習(xí)。超過 450 家保險公司，從新成立的企業(yè)到世界上最大和最復(fù)雜的保險公司，都在 Guidewire 上運營。 “Guidewire 的一項服務(wù)是幫助客戶開發(fā)用于風(fēng)險評估和索賠操作等應(yīng)用的尖端 NLP 模型。 Amazon SageMaker 訓(xùn)練編譯器之所以引人注目，是因為它在開發(fā)這些 NLP 模型時為我們的客戶節(jié)省了時間和成本，”Guidewire Software 的分析和數(shù)據(jù)服務(wù)首席產(chǎn)品經(jīng)理 Matt Pearson 說。 “我們希望它通過更有效地使用 GPU 資源來幫助我們將訓(xùn)練時間減少 20% 以上。我們很高興在我們的 NLP 工作負(fù)載中實施 Amazon SageMaker 訓(xùn)練編譯器，幫助我們加快將數(shù)據(jù)轉(zhuǎn)化為客戶洞察的速度?！?/p>

Musixmatch 是一家領(lǐng)先的音樂數(shù)據(jù)公司，提供數(shù)據(jù)、工具和服務(wù)，豐富我們體驗音樂的方式，例如搜索歌曲和分享歌詞。 Musixmatch 是世界上最大的此類服務(wù)，擁有超過 8000 萬用戶和超過 800 萬首不同的歌詞。 “Musixmatch 使用 Amazon SageMaker 構(gòu)建自然語言處理和音頻處理模型，并正在嘗試將 Hugging Face 與 Amazon SageMaker 結(jié)合使用。我們選擇 Amazon SageMaker 是因為它允許數(shù)據(jù)科學(xué)家快速迭代地構(gòu)建、訓(xùn)練和調(diào)整模型，而無需擔(dān)心管理底層基礎(chǔ)設(shè)施，這意味著數(shù)據(jù)科學(xué)家可以更快、更獨立地工作，”Musixmatch 的 AI 工程總監(jiān) Loreto Parisi 說. “隨著公司的發(fā)展，我們對訓(xùn)練和調(diào)整更大、更復(fù)雜的 NLP 模型的要求也越來越高。我們一直在尋找加快培訓(xùn)時間同時降低培訓(xùn)成本的方法，這就是我們對 Amazon SageMaker Training Compiler 感到興奮的原因。 SageMaker Training Compiler 提供了在訓(xùn)練過程中更有效地使用 GPU 的方法，并且通過 SageMaker Training Compiler、PyTorch 和 Hugging Face 等高級庫之間的無縫集成，我們已經(jīng)看到基于 Transformer 的訓(xùn)練時間顯著改善模型從幾周到幾天，以及更低的培訓(xùn)成本?！?/p>

Loka 是一家機器學(xué)習(xí)咨詢公司，它幫助其客戶在各種用例中利用機器學(xué)習(xí)并將其構(gòu)建到他們的產(chǎn)品中，以提供更好的客戶體驗。 Loka 首席執(zhí)行官 Bobby Mukherjee 表示：“我們花費了大量時間和精力來優(yōu)化模型、調(diào)整服務(wù)器和測試實例類型，以便為其客戶提供高性能、可擴展且具有成本效益的機器學(xué)習(xí)環(huán)境?！?“現(xiàn)在使用 Amazon SageMaker Inference Recommender，我們的工程師能夠在幾分鐘內(nèi)從任何位置將 ML 模型部署到生產(chǎn)中?！?/p>

數(shù)字健康公司 Holmusk 推出了 FoodDX 應(yīng)用程序，以幫助人們改善飲食和健康狀況。 “我們的食物圖像識別算法需要低延遲，以確保我們的用戶在正確的時間獲得正確的飲食建議。為了實現(xiàn)低延遲，我們過度配置 GPU，這很昂貴，”Holmusk 首席技術(shù)官 Sai Subramanian 說。 “使用 Amazon SageMaker Inference Recommender，我們現(xiàn)在可以輕松地跨不同實例進行負(fù)載測試，并在數(shù)小時內(nèi)確定實例配置，從而顯著降低我們的計算成本，同時保持延遲要求。這對我們的團隊來說是一個巨大的勝利，讓我們的 ML 科學(xué)家專注于創(chuàng)建算法來幫助人們過上更健康的生活，而不是管理基礎(chǔ)設(shè)施?！?/p>

Qualtrics 是一家體驗管理公司，使用自然語言處理 (NLP) 模型幫助從客戶調(diào)查中提取信息。 “Amazon SageMaker Inference Recommender 使用大規(guī)模測試和部署機器學(xué)習(xí)模型所需的工具提高了我們 MLOps 團隊的效率，”說 Samir Joshi，Qualtrics 的 ML 工程師。 “借助 Amazon SageMaker Inference Recommender，我們的團隊可以定義延遲和吞吐量要求，并更快地部署這些模型，同時滿足我們的預(yù)算和生產(chǎn)標(biāo)準(zhǔn)?！?/p>

iFood 是拉丁美洲在線食品配送領(lǐng)域的領(lǐng)先企業(yè)，每月完成超過 6000 萬份訂單，它使用機器學(xué)習(xí)向在線訂購的客戶推薦餐廳。 iFood 機器學(xué)習(xí)和數(shù)據(jù)工程總監(jiān) Ivan Lima 說：“我們一直在將 Amazon SageMaker 用于我們的機器學(xué)習(xí)模型，以便在我們的整個業(yè)務(wù)中構(gòu)建高質(zhì)量的應(yīng)用程序。借助 Amazon SageMaker 無服務(wù)器推理，我們希望能夠更快地部署和擴展模型，而無需擔(dān)心在沒有流量時選擇實例或保持端點處于活動狀態(tài)。有了這個，我們還希望看到運行這些服務(wù)的成本降低?！?/p>

關(guān)于亞馬遜網(wǎng)絡(luò)服務(wù)

15 年來，Amazon Web Services 一直是世界上最全面、被廣泛采用的云產(chǎn)品。 AWS 一直在不斷擴展其服務(wù)以支持幾乎任何云工作負(fù)載，現(xiàn)在它擁有 200 多項功能齊全的服務(wù)，用于計算、存儲、數(shù)據(jù)庫、網(wǎng)絡(luò)、分析、機器學(xué)習(xí)和人工智能 (AI)、物聯(lián)網(wǎng) (IoT) 、移動、安全、混合、虛擬和增強現(xiàn)實（VR 和 AR）、媒體和應(yīng)用程序開發(fā)、部署和管理，來自 25 個地理區(qū)域內(nèi)的 81 個可用區(qū)，并宣布計劃在 27 個可用區(qū)和另外 9 個 AWS 區(qū)域澳大利亞、加拿大、印度、印度尼西亞、以色列、新西蘭、西班牙、瑞士和阿拉伯聯(lián)合酋長國。數(shù)以百萬計的客戶（包括發(fā)展最快的初創(chuàng)公司、最大的企業(yè)和領(lǐng)先的政府機構(gòu)）信任 AWS 來支持他們的基礎(chǔ)設(shè)施、變得更加敏捷并降低成本。

關(guān)于亞馬遜

亞馬遜遵循四項原則：以客戶為中心而非以競爭對手為中心、對發(fā)明的熱情、對卓越運營的承諾以及長期思考。亞馬遜努力成為地球上最以客戶為中心的公司、地球上最好的雇主和地球上最安全的工作場所。客戶評論、一鍵購物、個性化推薦、Prime、亞馬遜物流、AWS、Kindle Direct Publishing、Kindle、Career Choice、Fire 平板電腦、Fire TV、亞馬遜 Echo、Alexa、Just Walk Out 技術(shù)、亞馬遜工作室和 The Climate承諾是亞馬遜開創(chuàng)的一些東西。

點擊咨詢現(xiàn)在有哪些新興平臺值得關(guān)注 >>>

特別聲明：以上文章內(nèi)容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關(guān)于作品內(nèi)容、版權(quán)或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。