AWS发布SageMaker：省略数据清洗等步骤
极客时间编辑部
讲述：杜力大小：3.51M时长：02:34
近日，AWS 发布了一套用于开发并部署机器学习算法的平台 SageMaker，这是一项全托管端到端的机器学习服务，可以帮助数据科学家、开发人员以及机器学习专家快速构建、训练并托管规模化机器学习模型。
通俗地说，SageMaker 可以免去开发者进行数据清洗、建模的麻烦事儿，甚至还可以把开发者最头疼的调参优化交给机器处理。这一平台的出现将显著加速一切机器学习工作，同时帮助大家快速将机器学习元素添加至生产应用程序当中。
SageMaker 支持当前机器学习行业中最为流行的各类框架，包括谷歌 TensorFlow、Facebook Caffe2、Pytorch 以及 MXNet 等，并且允许开发者从查找必要数据起步对其 AI 模型进行训练，而后将成果发送给客户，这一整个流程都可以在此程序内实现。
据介绍，SageMaker 主要由以下三大部分组成:
创作（Authoring）：无需进行任何设置，使用 Jupyter Notebook IDE 就能进行数据探索、清洁与预处理。
模型训练：这是一项分布式模型构建、训练与验证服务。开发者可以利用其中的内置常规监督与无监督学习算法及框架，或者利用 Docker 容器创建属于自己的训练机制，并能够轻松地将训练出的模型部署至其它平台（例如 IoT 设备）。
模型托管：该服务可以配合 HTTP 端点以调用模型进行实时推理。这些端点可以进行规模扩展，从而支持实际流量。此外，开发者也可以使用内置 SDK 构建这些端点，或者选择 Docker 镜像提供自己的配置选项。
上述三大组成部分都可以独立使用，这意味着 SageMaker 将能够轻松填补现有流程中的空白环节。
其实，不少普通开发者也想用机器学习来把玩自己的数据，但是数据清洗、建模和各种试错太难太花时间，往往在第一步就难住了不少人。而根据 SageMaker 的介绍， 它的目标是开发者只需要关心自己输入什么数据、想用什么框架和什么算法，其他的各种参数调优等脏活儿都可以丢给机器去用机器学习来做，可以说是一键直达式的机器学习服务。
若 SageMaker 的体验真如其描述的那样好，那么它很可能成为各类开源机器学习框架流行以来 AI 领域出现的最大杀器。
另外，作为 AWS 免费项目的一部分，SageMaker 无需任何投入就可以开始使用，感兴趣的开发者们不妨先试用一下吧。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论