AWS DeepLens（照片來源：Business Wire）

Amazon SageMaker和AWS DeepLens使機器學習惠及所有開發(fā)人員

目前，機器學習的部署是一項復雜任務，需要反復試驗和專業(yè)技能。開發(fā)人員和數(shù)據(jù)科學家必須先對數(shù)據(jù)進行預處理、轉(zhuǎn)換并完成數(shù)據(jù)可視化，將數(shù)據(jù)轉(zhuǎn)換成算法可用的格式，才能用其訓練模型。即使較簡單的模型，也可能需要很強的計算能力和大量培訓時間，一家公司也許需要聘用專門的團隊來管理包含多臺GPU服務器的訓練環(huán)境。從算法的選擇和優(yōu)化到調(diào)整數(shù)百萬個影響模型準確度的參數(shù)，模型訓練的所有階段都涉及大量手工操作，需要進行大量的猜測。之后，在應用中部署一個訓練好的模型，還需要擁有應用設計和分布式系統(tǒng)領域的各種專業(yè)技能。隨著數(shù)據(jù)集和變量增多，客戶必須一再重復上述過程，因為模型過時了，需要不斷重新訓練，以伴隨新信息的出現(xiàn)不斷學習和發(fā)展，所有這一切都需要大量專業(yè)知識和技能、超強的計算和存儲能力以及大量時間。迄今為止，機器學習對大多數(shù)開發(fā)人員而言，都是可望而不可即的。

Amazon SageMaker是一種全托管式服務，可消除機器學習每個步驟中的艱難工作，也無需進行猜測。Amazon SageMaker提供預置的開發(fā)筆記本環(huán)境、為PB級數(shù)據(jù)集而優(yōu)化的流行的機器學習算法和模型自動調(diào)整功能，使模型開發(fā)和訓練變得更容易了。Amazon SageMaker還顯著簡化和加快了訓練過程，該服務可針對模型訓練和推理功能運行，自動配置和管理基礎設施，為利用模型做出預測提供了方便。AWS DeepLens是從零開始設計的，通過為物理設備找到相匹配的指導手冊、實例、源代碼以及與熟悉的AWS服務的集成方式，幫助開發(fā)人員獲得模型開發(fā)、訓練及部署方面的上機操作體驗，為學習和實驗提供支持。

AWS機器學習副總裁Swami Sivasubramanian表示：“我們當年為AWS設定的愿景是，任何人都能夠在宿舍或車庫里使用世界上最大型公司使用的技術(shù)和工具，且規(guī)模和成本結(jié)構(gòu)與這些公司相同。我們?yōu)闄C器學習設定的愿景與當年的AWS毫無二致。我們想讓所有開發(fā)人員，無論他們的機器學習技能高低，都能夠更加廣泛和成功地使用機器學習技術(shù)。Amazon SageMaker消除了機器學習中大量麻煩、復雜的工作，可幫助開發(fā)人員輕松上陣，并成為模型開發(fā)、訓練和部署的高手?！?/p>

憑借Amazon SageMaker，開發(fā)人員可以：

• 用性能優(yōu)化的算法輕松開發(fā)機器學習模型：Amazon SageMaker是一種全托管式機器學習筆記本環(huán)境，在這種環(huán)境中，開發(fā)人員可以方便地探索存儲在Amazon Simple Storage Service（Amazon S3）中的數(shù)據(jù)并實現(xiàn)數(shù)據(jù)可視化，還能夠借助所有流行的庫、框架和接口來轉(zhuǎn)換數(shù)據(jù)。Amazon SageMaker包括10種最常見的深度學習算法（例如k-means聚類、因子分解機、線性回歸和主成分分析），AWS已經(jīng)優(yōu)化了這些算法，其運行速度是標準算法的10倍。開發(fā)人員只需選擇算法，規(guī)定數(shù)據(jù)源，Amazon SageMaker就可安裝和配置底層驅(qū)動器和框架。Amazon SageMaker已與TensorFlow及Apache MXNet實現(xiàn)了原生集成，不久就將提供更多框架支持。開發(fā)人員還可以規(guī)定自己選擇的任何框架和算法，只需將這些框架和算法上載到Amazon EC2 Container Registry即可。

• 快速、完全托管的訓練：Amazon SageMaker使訓練變得更加容易了。開發(fā)人員只需選擇Amazon EC2實例的類型和數(shù)量以及規(guī)定數(shù)據(jù)的位置即可。Amazon SageMaker建立分布式計算集群、執(zhí)行訓練、向Amazon S3輸出結(jié)果并在任務完成后拆掉集群。該服務可利用超參數(shù)優(yōu)化自動調(diào)整模型，調(diào)整數(shù)千種算法參數(shù)的組合，以做出最準確的預測。

• 一次點擊即可完成模型在生產(chǎn)環(huán)境中的部署：Amazon SageMaker負責實例發(fā)布、模型部署和安全HTTPS端點的建立，使應用能夠以大吞吐量和低延遲提供預測，Amazon SageMaker還橫跨多個可用區(qū)（AZ）自動調(diào)整Amazon EC2實例規(guī)模。該服務為A/B測試提供原生支持。一旦進入生產(chǎn)環(huán)境，Amazon SageMaker就可消除機器學習基礎設施管理、健康檢查、安全修補以及其他日常維護中的各種艱難工作。

憑借AWS DeepLens，開發(fā)人員可以：

• 獲得機器學習上機操作體驗：AWS DeepLens是一種支持深度學習、完全可編程的攝像機，旨在讓開發(fā)人員真正用上深度學習技術(shù)。AWS DeepLens包括攝像機硬件和內(nèi)置的計算功能，能夠?qū)崟r運行尖端的深度學習計算機視覺模型。定制設計的硬件每秒鐘能夠進行超過1000億次深度學習運算，該攝像機配備了項目示例、代碼示例和預先訓練過的模型，因此，即使從未有過機器學習體驗的開發(fā)人員，也可以在10分鐘之內(nèi)，開始運行其第一個深度學習模型。開發(fā)人員還可以擴大指導手冊的使用范圍，通過AWS Lambda功能，建立自己的定制深度學習項目。例如，AWS DeepLens能夠設定為，識別車牌上的數(shù)字，并觸發(fā)家用自動化系統(tǒng)，打開車庫大門，或者，DeepLens在發(fā)現(xiàn)小狗上了沙發(fā)后，可以向主人發(fā)出提醒信息。

• 在云中訓練模型并將模型部署到AWS DeepLens中：AWS DeepLens已與Amazon SageMaker集成，因此開發(fā)人員可以在云中用Amazon SageMaker訓練其模型，然后，僅需在AWS Management Console中點擊幾下，就可將這些模型部署到AWS DeepLens中。該攝像機可在設備上實時運行這些模型。

美國國家橄欖球聯(lián)盟（NFL）高級副總裁、首席信息官Michelle McKenna-Doyle表示：“我們加深了與AWS的關系，將AWS加到了NFL官方技術(shù)提供商目錄中，能夠?qū)mazon SageMaker用于我們的下一代統(tǒng)計計劃，令我們倍感振奮。有了Amazon SageMaker，我們的開發(fā)人員就不用擔心機器學習中那些無法分解的艱難工作了，還可以增加球迷喜愛的新的可視化功能、統(tǒng)計信息和體驗。

DigitalGlobe是享譽全球的高分辨率地球影像、數(shù)據(jù)及分析技術(shù)提供商，每天要用到海量數(shù)據(jù)。MaxarTechnologies公司首席技術(shù)官、DigitalGlobe創(chuàng)始人Walter Scott博士表示：“DigitalGlobe規(guī)模達到100PB的圖像庫存儲在AWS云中，公司致力于幫助人們更方便地在這個庫中尋找和使用所需內(nèi)容，并進行相關計算，以將深度學習技術(shù)應用于衛(wèi)星影像。我們計劃在托管式Jypyter筆記本環(huán)境中，通過Amazon SageMaker，針對數(shù)PB地球觀測影像數(shù)據(jù)集來訓練模型，這樣，DigitalGlobe的‘地理空間大數(shù)據(jù)平臺（GBDX）’用戶只需按一下按鈕，就能夠建立模型，并在一個可擴展的分布式環(huán)境中大規(guī)模部署模型?！?/p>

Hotels.com是全球著名的住宿服務品牌，以41種語言運行90個本地化網(wǎng)站。Hotels.com和Expedia Affiliate Network公司副總裁、首席數(shù)據(jù)科學官Matt Fryer表示：“對于提高行動速度、利用最新技術(shù)和保持創(chuàng)新能力，我們始終抱有濃厚興趣。憑借Amazon SageMaker的分布式訓練方式、優(yōu)化算法和內(nèi)置超參數(shù)功能，我們能夠以最我們的大型的數(shù)據(jù)集為基礎，快速建立更準確的模型，大量節(jié)省將模型部署到生產(chǎn)環(huán)境中所需的時間。這其實就是在調(diào)用API。Amazon SageMaker將顯著降低機器學習的復雜性，幫助我們快速為客戶提供更好的體驗?！?/p>

Intuit認識到，在幫助客戶做出更好的決策、簡化日常工作方面，機器學習有巨大的價值和潛力。該公司首席數(shù)據(jù)官Ashok Srivastava表示：“我們就可以在Amazon SageMaker這個平臺上開發(fā)和部署各種算法，加速大規(guī)模人工智能計劃的實施。我們將開發(fā)新的大規(guī)模機器學習和AI算法，并將這些算法部署到該平臺上，以解決各種復雜問題，助力客戶興旺發(fā)展?！?/p>

湯森路透是全球著名的的專業(yè)市場新聞及信息提供商。湯森路透AI與認知計算中心負責人Khalid Al-Kofahi表示：“25年來，我們一直在開發(fā)先進的機器學習功能，以挖掘、了解、提升、組織并向客戶提供信息，我們已成功幫助客戶簡化了工作，并從工作中取得了更大價值。采用Amazon SageMaker后，我們在問答應用背景下，設計出了一種自然語言處理功能。憑借Amazon SageMaker的豐富功能，我們的解決方案僅需針對大規(guī)模深度學習配置進行為數(shù)不多的幾次迭代即可?！?/p>

卡耐基梅隆大學計算機科學學院院長Andrew Moore表示：“我們的學生發(fā)現(xiàn)，深度學習是真正鼓舞人心的技術(shù)。現(xiàn)在，深度學習似乎每周都在機器人、語言和生物學領域帶來新的突破。AWS DeepLens令我喜歡的地方是，它有可能實現(xiàn)機器學習實驗參與的民主化。能夠?qū)WS DeepLens引入教室和實驗室，讓學生更快地進入真實的深度學習環(huán)境，將使我們這類大學倍感振奮?！?/p>

新的語音、語言和視覺服務將幫助應用開發(fā)人員方便地開發(fā)智能應用

有些開發(fā)人員，自己不是機器學習專家，但是有興趣用機器學習技術(shù)開發(fā)展現(xiàn)人類智能水平的應用，Amazon Transcribe、Amazon Translate、Amazon Comprehend和Amazon Rekognition視頻為這類開發(fā)人員提供了高質(zhì)量、高準確度、可擴展和經(jīng)濟實惠的機器學習服務。

AWS機器學習副總裁Swami Sivasubramania表示：“如今，客戶以Amazon Simple Storage Service（Amazon S3）為可擴展、可靠和安全的數(shù)據(jù)湖，存儲了越來越多的數(shù)據(jù)。客戶希望這些數(shù)據(jù)為自己及其客戶所用，為了實現(xiàn)這個目標，需要易于使用的工具和技術(shù)，以釋放這些數(shù)據(jù)中蘊含的信息。能夠提供4項新的機器學習應用服務，幫助開發(fā)人員即刻開始開發(fā)能夠觀看、傾聽周圍世界并與周圍世界交流互動的新一代智能應用，令我們倍感振奮。”

• Amazon Transcribe（已開始提供預覽）將語音轉(zhuǎn)換成文本，幫助開發(fā)人員將存儲在Amazon S3中的語音文件轉(zhuǎn)換成準確的、用標點符號斷句的文本。Amazon Transcribe經(jīng)過訓練，能夠以非常高的準確度，處理聯(lián)絡中心錄音等低保真度音頻。Amazon Transcribe可針對每個字生成時間戳，以便開發(fā)人員能夠準確地保持該文本與源文件的一致性。目前，Amazon Transcribe支持英語和西班牙語，隨后將支持更多種語言。再過幾個月，Amazon Transcribe就能夠識別一份音頻文件中有幾個人在說話，還能夠幫助開發(fā)人員上載定制的詞匯表，以更準確地轉(zhuǎn)換其中的詞匯。
• Amazon Translate（已提供預覽）采用最新的神經(jīng)網(wǎng)絡機器翻譯方法，在不同語言文本之間提供高度準確的翻譯。Amazon Translate可翻譯各種長度的文本，支持英語與6種其他語言（阿拉伯語、法語、德語、葡萄牙語、簡體中文和西班牙語）之間的翻譯，2018年將提供對更多語言的支持。
• Amazon Comprehend（已于今日上市）可理解來自文檔、社交網(wǎng)絡帖子、文章或存儲在AWS中的其他任何文本數(shù)據(jù)的自然語言文本。Amazon Comprehend利用深度學習方法識別文本實體（例如人、地方、日期、機構(gòu)等）、書寫該文本所用的語言、文本中表達的情緒以及表達觀念和含有形容詞的關鍵短語，例如“美麗的”、“溫暖的”、“晴朗的”等。Amazon Comprehend在廣泛的數(shù)據(jù)集上進行過訓練，其中包括來自com的產(chǎn)品介紹和客戶評論，以開發(fā)能夠從文本中提取重要信息的最佳語言模型。該服務還提供主題建模功能，可幫助應用從一個文檔集中提取常見主題。Amazon Comprehend已與AWS Glue集成，以針對存儲在Amazon S3、Amazon Redshift、Amazon關系數(shù)據(jù)庫服務（Amazon RDS）、Amazon DynamoDB或其他流行的Amazon數(shù)據(jù)源中的文本數(shù)據(jù)，進行端到端的分析。
• Amazon Rekognition Video（已于今日上市）可針對存儲在Amazon S3中的數(shù)百萬份視頻，跟蹤人員、檢測活動以及識別物體、面孔、名人和不當內(nèi)容。該服務還針對實時傳送視頻中的數(shù)百萬個面孔，提供實時面部識別。易于使用的Amazon Rekognition VideoAPI由計算機視覺模型驅(qū)動，這些模型經(jīng)過訓練，可準確檢測成千上萬的物體和活動，并從實時傳送的視頻和存儲在Amazon S3中的視頻中，提取關于動作來龍去脈的信息。Amazon Rekognition Video可用標簽和地點（例如沙灘、太陽、兒童）自動標記視頻的特定部分、檢測活動（例如跑、跳、游泳）以及檢測、識別和分析面孔并跟蹤多人，即使這些人部分隱藏在視頻攝制范圍以外。

Isentia公司首席信息官Andrea Walsh表示：“我們開發(fā)了單一語言的媒體智能軟件。為了增加功能，滿足客戶的語言多樣化需求，我們需要翻譯支持，以從非英語媒體內(nèi)容中挖掘?qū)氋F的信息。嘗試過多種機器翻譯服務以后，我們發(fā)現(xiàn)，將Amazon Translate集成到我們的流程中非常容易，而且Amazon Translate能夠擴展，以處理我們加給它的任何翻譯量。翻譯結(jié)果也更加準確細致，滿足了我們客戶的高標準要求?！?/p>

RingDNA公司首席執(zhí)行官、創(chuàng)始人Howard Brown表示：“RingDNA是一個面向銷售團隊的端到端通信平臺。成百上千的企業(yè)通過RingDNA顯著提高了生產(chǎn)率、開展了更明智的銷售會談、獲得了銷售洞察和預測能力、提高了銷售團隊的贏率并指導銷售代表更快地取得成功。RingDNA Conversation AI的一個關鍵組件需要最佳的語音至文本轉(zhuǎn)換，以提供每次電話的文字記錄。Amazon Transcribe令我們倍感振奮，因為該服務提供了大規(guī)模、高質(zhì)量語音識別，幫助我們更好地將每一次電話轉(zhuǎn)換成了文本。”

《華盛頓郵報》數(shù)據(jù)科學總監(jiān)Sam Han博士表示：“我們努力為將近1億名讀者提供最佳體驗，推薦有意義的內(nèi)容是我們的主要使命之一。有了Amazon Comprehend，我們就可以利用Keyphrase、Topic API等連續(xù)訓練NLP功能，這使我們有可能實現(xiàn)更好的內(nèi)容個性化、搜索引擎優(yōu)化（SEO）和廣告定位功能。”

Infor公司軟件開發(fā)副總裁Manjunath Ganimasty表示：“我們的關注點只有一個：開發(fā)智能應用，幫助客戶促進業(yè)務增長。Amazon Comprehend使我們能夠分析搜索過程、聊天內(nèi)容和文檔中的非結(jié)構(gòu)化文本數(shù)據(jù)，了解其中反映出的意向和情緒。因此我們能夠訓練我們的Coleman AI的技能，并為客戶提供真正有針對性的、定制的搜索體驗?！?/p>

Elementum公司工程負責人Minh Chau表示：“自然語言處理很難。為了分析和理解數(shù)據(jù)，我們考察了從封閉源代碼到開放源代碼的所有解決方案，但是沒能找到一個使我們保持敏捷性和可擴展性、經(jīng)濟實惠且切實可行的解決方案。Amazon Comprehend提供了一種連續(xù)訓練模型，使我們能夠?qū)Ｗ⒂跇I(yè)務，實現(xiàn)供應鏈管理（SCM）創(chuàng)新?！?/p>

美國奧蘭多市警察局長John Mina表示：“能夠與Amazon建立獨特的開創(chuàng)性公私合作關系，試用最新的公共安全軟件，我們倍感振奮。在這次試用中，奧蘭多市將利用Amazon的Rekognition Video和Acuity技術(shù)以及城市現(xiàn)有資源，提供實時檢測并向相關人員發(fā)出通知，這為在奧蘭多市以及美國其他城市進一步加強公共安全、提高運行效率創(chuàng)造了機會。”

摩托羅拉系統(tǒng)公司首席數(shù)據(jù)科學家Dab Law表示：“Amazon Rekognition Video的分析功能令人印象深刻。舉例來說，這些功能有助于在過往和實時視頻中搜索相關人員，通過使這種通常由人工完成的任務自動完成，可以提高效率、加強相關意識?！?/p>

zhupb