落地中國一周年，AWS SageMaker如何領馭機器學習變革

隨著Amazon SageMaker落地中國區(qū)域一周年之際，亞馬遜云科技宣布通過與光環(huán)新網和西云數據的緊密合作在中國區(qū)域進一步落地多項人工智能與機器學習的新服務和功能，豐富了其針對不同企業(yè)需求而打造的人工智能與機器學習 （AI/ML）工具集。
如今人工智能早已不是什么新鮮的詞匯，近些年來算力的快速成長造就了IT新興技術的落地實踐。作為云計算領域的領頭羊，亞馬遜云科技（AWS）早在20年前便展開了對于機器學習的研究，并且在這一領域到目前，在全球已經超過10萬家用戶在使用AWS機器學習服務。
隨著Amazon SageMaker落地中國區(qū)域一周年之際，亞馬遜云科技宣布通過與光環(huán)新網和西云數據的緊密合作在中國區(qū)域進一步落地多項人工智能與機器學習的新服務和功能，豐富了其針對不同企業(yè)需求而打造的人工智能與機器學習 （AI/ML）工具集。
加速推進機器學習技術發(fā)展
亞馬遜云科技針對不同需求的客戶在機器學習技術堆棧三個層面提供廣泛而深入的機器學習服務，包括頂層-人工智能服務、中間層-機器學習服務以及底層-框架和基礎架構。在人工智能（AI）服務層面，亞馬遜云科技在北京區(qū)域推出了Amazon Personalize，客戶無需具備機器學習專業(yè)知識，即可方便、快速地構建個性化推薦系統；在中間層，將Amazon SageMaker在re:Invent 2020上亮相的包括Data Wranger、Feature Store、Pipelines等七項新功能在北京區(qū)域和寧夏區(qū)域上線，讓客戶可以更輕松地構建端到端的機器學習管道；在算力層面，亞馬遜云科技在北京區(qū)域和寧夏區(qū)域推出了Amazon EC2 Inf1實例，該實例基于亞馬遜云科技自研機器學習推理芯片Amazon Inferentia，與當前成本最低的基于GPU的實例相比，可以提高多達30%的吞吐量，并使每次推斷的成本最高降低45%。
亞馬遜云科技大中華區(qū)云服務產品管理總經理顧凡表示，“Amazon SageMaker落地中國區(qū)域一年以來，我們見證了中國各個行業(yè)各種類型客戶積極應用亞馬遜云科技服務進行機器學習創(chuàng)新，我們希望通過將更多服務落地到中國區(qū)域，并堅持‘授人以魚不如授人以漁’，甚至更進一步‘扶上馬，送一程’的方式，幫助客戶更快應用機器學習技術，把機器學習的能力交到每一位構建者手中，加速人工智能和機器學習的普惠?！?br/>七項新功能讓Amazon SageMaker更強大
作為亞馬遜云科技機器學習服務層面的核心產品，Amazon SageMaker是業(yè)界首個面向機器學習開發(fā)者的集成開發(fā)環(huán)境，它消除機器學習過程中的繁重工作，使客戶能專注于自身的業(yè)務和應用創(chuàng)新，在提高客戶工作效率的同時還大幅降低機器學習的總體擁有成本。去年12月在亞馬遜云科技全球大會re:Invent 2020上剛剛亮相的七項 Amazon SageMaker新功能，近期已經在北京區(qū)域和寧夏區(qū)域落地。
1．Amazon SageMaker Data Wranger，簡化機器學習的數據準備工作。通過該功能，客戶可以將各種數據存儲中的數據一鍵導入。Amazon SageMaker Data Wrangler內置了300多個數據轉換器，讓客戶無需編寫任何代碼，就可以對機器學習用到的特征進行規(guī)范化、轉換和組合。
2．Amazon SageMaker Feature Store，一個完全托管且專門構建的特征存儲庫，用于存儲、更新、檢索和共享機器學習特征?？蛻艨梢栽谄渲写鎯驮L問特征，以便更輕松地在各個團隊中對其進行命名、共享和重復使用。
3．Amazon SageMaker Pipelines是業(yè)界首個針對機器學習專門構建、易于使用的持續(xù)集成和持續(xù)交付服務，通過編排和自動化提高機器學習工作的效率。借助該服務，用戶可以大規(guī)模地創(chuàng)建、自動化和管理端到端機器學習工作流。
4．Amazon SageMaker Clarify讓機器學習開發(fā)人員可以更好地掌控其訓練數據和模型，從而識別和限制偏差并解釋做出相關預測的原因。
5．Amazon SageMaker Distributed training libraries為訓練大型深度學習模型和數據集提供了易用的方法，與現有分布式訓練實現相比，以最高快 40% 的速度完成分布式訓練，并且?guī)椭脩魷p少手動實施數據并行和模型并行策略所需時間。
6. Amazon SageMaker Model Monitor幫助客戶時刻保持機器學習模型的準確性，它能夠自動檢測生產環(huán)境中部署的模型，并在檢測到不準確的預測時發(fā)出警報，從而幫助客戶維護高質量的機器學習模型。
7．Amazon SageMaker Debugger，可以通過實時捕獲訓練指標，自動識別機器學習訓練任務中正在出現的復雜問題，例如梯度值變得過大或過小等。它可以實時監(jiān)控系資源（例如GPU、CPU、網絡和內存等）的利用率，幫助用戶提高資源利用率，對訓練過程中的資源瓶頸進行告警，讓開發(fā)者及時調度資源，快速采取糾正措施，減少時間和成本浪費。
為用戶帶來價值躍遷
目前，全球數以十萬計的客戶選擇亞馬遜云科技運行機器學習工作負載。在中國，亞馬遜云科技機器學習服務得到醫(yī)療健康、教育、出行、工業(yè)智能、游戲、新媒體等各個行業(yè)客戶的青睞，益體康、晶泰科技、新世紀醫(yī)療、LEMONBOX、有道樂讀、嘰里呱啦、全美在線、首汽約車、德比軟件、Momenta、圖森未來、行者AI、天和榮、中科創(chuàng)達、華來科技、大宇無限、陜西科技大學、易點天下、淄博熱力等一批企業(yè)和機構的廣泛采用，在各行各業(yè)實現了豐富多樣的人工智能應用創(chuàng)新。
山東淄博市熱力集團有限責任公司利用亞馬遜云科技豐富的AL/ML技術和服務，快速構建、訓練和部署機器學習模型，實現了精準供熱，可以根據氣象、工控數據、建筑物維護結構等信息計算出最佳的供熱模式，并給出具體的操作指令，既讓用戶室溫始終保持人體最佳舒適溫度，又做到盡可能節(jié)約成本。淄博市熱力集團有限責任公司董事長、黨委書記汪德剛表示，“多年來，淄博熱力利用信息化手段改造傳統供熱，致力于成為行業(yè)標準的制定者和行業(yè)發(fā)展的引領者。通過與亞馬遜云科技合作，借助機器學習能力創(chuàng)新，建成了基于機器學習和大數據分析的智能供熱平臺，幫助我們從傳統供熱向產業(yè)智能化方向轉型，在滿足用戶需求的同時實現節(jié)能減排，建立綠色能源生態(tài)系統。未來，希望我們能借助先進的云技術持續(xù)創(chuàng)新，推動國內熱力行業(yè)的數字化、智能化轉型?！?/p>