o  Amazon SageMaker Canvas進(jìn)一步降低機(jī)器學(xué)習(xí)使用門(mén)檻,業(yè)務(wù)分析師無(wú)需編碼即可使用點(diǎn)擊式界面進(jìn)行更準(zhǔn)確的機(jī)器學(xué)習(xí)預(yù)測(cè)

o  Amazon SageMaker Ground Truth Plus提供全托管數(shù)據(jù)標(biāo)記服務(wù),為客戶(hù)提供內(nèi)置工作流程以及技能嫻熟的團(tuán)隊(duì),以更低成本快速交付高質(zhì)量的機(jī)器學(xué)習(xí)模型訓(xùn)練數(shù)據(jù)集

o  Amazon SageMaker Studio 提供一個(gè)可以集中執(zhí)行數(shù)據(jù)工程、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)工作流程的通用notebook環(huán)境

o  Amazon SageMaker Training Compiler 通過(guò)自動(dòng)代碼編譯提高效率,幫助客戶(hù)將深度學(xué)習(xí)模型訓(xùn)練速度提高50%

o  Amazon SageMaker Inference Recommender為運(yùn)行機(jī)器學(xué)習(xí)推理自動(dòng)推薦適合的亞馬遜云科技計(jì)算實(shí)例,獲得最佳性?xún)r(jià)比

o  Amazon SageMaker Serverless Inference 為大規(guī)模機(jī)器學(xué)習(xí)推理提供無(wú)服務(wù)器計(jì)算

北京2021年12月8日 /美通社/ -- 2021年12月8日,亞馬遜云科技在2021 re:Invent全球大會(huì)上,宣布為行業(yè)領(lǐng)先的機(jī)器學(xué)習(xí)服務(wù)Amazon SageMaker推出六項(xiàng)新功能,讓機(jī)器學(xué)習(xí)更易于上手且更具成本效益。此次發(fā)布的強(qiáng)大新功能包括:無(wú)需編碼即可進(jìn)行準(zhǔn)確的機(jī)器學(xué)習(xí)預(yù)測(cè),更精準(zhǔn)的數(shù)據(jù)標(biāo)記服務(wù),可用于跨域協(xié)作的通用 Amazon SageMaker Studio notebook體驗(yàn)、讓代碼更高效的機(jī)器學(xué)習(xí)模型訓(xùn)練編譯器,為機(jī)器學(xué)習(xí)推理自動(dòng)推薦計(jì)算實(shí)例,以及用于機(jī)器學(xué)習(xí)推理的無(wú)服務(wù)器計(jì)算。

在多重因素的推動(dòng)下,如云上幾乎無(wú)限的算力、數(shù)據(jù)量的爆炸性增長(zhǎng)以及開(kāi)發(fā)人員工具的快速進(jìn)步及迭代,機(jī)器學(xué)習(xí)已成為各行業(yè)的主流。多年來(lái),亞馬遜云科技一直致力于降低機(jī)器學(xué)習(xí)的使用門(mén)檻,讓更多的客戶(hù)利用機(jī)器學(xué)習(xí)技術(shù)。Amazon SageMaker是亞馬遜云科技增長(zhǎng)速度最快的服務(wù)之一,全球數(shù)萬(wàn)客戶(hù)包括阿斯利康、Aurora、Capital One、塞納、路虎、現(xiàn)代集團(tuán)、Intuit、湯森路透、Tyson、Vanguard,正使用Amazon SageMaker訓(xùn)練各種規(guī)模的機(jī)器學(xué)習(xí)模型,有些模型甚至包含數(shù)十億參數(shù),每月進(jìn)行數(shù)千億次預(yù)測(cè)。隨著客戶(hù)在 Amazon SageMaker 上不斷擴(kuò)展其機(jī)器學(xué)習(xí)模型訓(xùn)練和推理,亞馬遜云科技也持續(xù)投入,僅在過(guò)去一年就推出 60 多項(xiàng)Amazon SageMaker新的特性和功能。此次發(fā)布的諸多新功能讓Amazon SageMaker更強(qiáng)大 -- 更輕松地準(zhǔn)備和收集機(jī)器學(xué)習(xí)數(shù)據(jù),更快地訓(xùn)練模型,優(yōu)化推理所需的計(jì)算類(lèi)型和數(shù)量,并將機(jī)器學(xué)習(xí)擴(kuò)展到更廣泛的受眾。

Amazon SageMaker Canvas 無(wú)代碼機(jī)器學(xué)習(xí)預(yù)測(cè):Amazon SageMaker Canvas 為業(yè)務(wù)分析師(支持財(cái)務(wù)、市場(chǎng)、運(yùn)營(yíng)和人力資源團(tuán)隊(duì)的業(yè)務(wù)員工)提供可視化界面,他們無(wú)需任何機(jī)器學(xué)習(xí)經(jīng)驗(yàn),也不必編寫(xiě)代碼,即可自行創(chuàng)建更準(zhǔn)確的機(jī)器學(xué)習(xí)模型進(jìn)行預(yù)測(cè)。越來(lái)越多的公司希望通過(guò)機(jī)器學(xué)習(xí)重塑其業(yè)務(wù)和客戶(hù)體驗(yàn),這就需要更多來(lái)自不同業(yè)務(wù)領(lǐng)域的員工使用先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)。然而,機(jī)器學(xué)習(xí)通常需要專(zhuān)業(yè)技能,獲得這些技能通常需要多年的正規(guī)教育或強(qiáng)化培訓(xùn),同時(shí)對(duì)應(yīng)的課程難度大且不斷變化。Amazon SageMaker Canvas解決了這一挑戰(zhàn),它通過(guò)提供一個(gè)可視化的、 點(diǎn)擊式的用戶(hù)界面,讓業(yè)務(wù)分析師可以輕松地生成預(yù)測(cè)。客戶(hù)將Amazon SageMaker Canvas連接到他們的數(shù)據(jù)存儲(chǔ)(例如 Amazon Redshift、Amazon S3、Snowflake、本地?cái)?shù)據(jù)存儲(chǔ)、本地文件等),Amazon SageMaker Canvas提供可視化工具,幫助客戶(hù)直觀地準(zhǔn)備和分析數(shù)據(jù)。然后,客戶(hù)無(wú)需任何編碼,Amazon SageMaker Canvas使用自動(dòng)機(jī)器學(xué)習(xí)來(lái)構(gòu)建和訓(xùn)練機(jī)器學(xué)習(xí)模型。為確保模型的準(zhǔn)確性和有效性,業(yè)務(wù)分析師還可以在Amazon SageMaker Canvas的控制臺(tái)中查看和評(píng)估模型。Amazon SageMaker Canvas還支持客戶(hù)將模型導(dǎo)出到 Amazon SageMaker Studio,與數(shù)據(jù)科學(xué)家共享,進(jìn)一步驗(yàn)證和完善模型。

Amazon SageMaker Ground Truth Plus 專(zhuān)業(yè)數(shù)據(jù)標(biāo)記:Amazon SageMaker Ground Truth Plus 是一項(xiàng)完全托管的數(shù)據(jù)標(biāo)記服務(wù),為客戶(hù)提供內(nèi)置的工作流程、技能嫻熟的團(tuán)隊(duì),以更低成本快速交付高質(zhì)量的訓(xùn)練數(shù)據(jù)集,用于訓(xùn)練機(jī)器學(xué)習(xí)模型,客戶(hù)無(wú)需編碼。為了訓(xùn)練更準(zhǔn)確的模型并規(guī)�；瘷C(jī)器學(xué)習(xí)部署,客戶(hù)需要被正確標(biāo)記的數(shù)據(jù)集越來(lái)越大。但是,要生成大型數(shù)據(jù)集可能需要數(shù)周甚至數(shù)年的時(shí)間,并且通常需要公司雇傭員工并創(chuàng)建工作流來(lái)管理標(biāo)記數(shù)據(jù)的過(guò)程。

2018 年,亞馬遜云科技推出了 Amazon SageMaker Ground Truth,通過(guò)使用來(lái)自Amazon Mechanical Turk、第三方供應(yīng)商或自有團(tuán)隊(duì)的人工數(shù)據(jù)標(biāo)注員的方式,幫助客戶(hù)更輕松的生成標(biāo)記數(shù)據(jù)。Amazon SageMaker Ground Truth Plus 進(jìn)一步擴(kuò)展了這項(xiàng)功能,通過(guò)提供專(zhuān)業(yè)團(tuán)隊(duì)為客戶(hù)提供高度準(zhǔn)確的數(shù)據(jù)標(biāo)簽。這些專(zhuān)業(yè)團(tuán)隊(duì)不但擁有特定領(lǐng)域和行業(yè)專(zhuān)業(yè)知識(shí),同時(shí)具有職業(yè)技能可滿(mǎn)足客戶(hù)對(duì)數(shù)據(jù)安全、隱私與合規(guī)等要求。 Amazon SageMaker Ground Truth Plus具有多步驟標(biāo)記工作流程功能,可縮短標(biāo)記數(shù)據(jù)集所需的時(shí)間并降低采購(gòu)高質(zhì)量注釋數(shù)據(jù)的成本,該功能包括機(jī)器學(xué)習(xí)模型預(yù)標(biāo)記、檢測(cè)人工標(biāo)記錯(cuò)誤和低質(zhì)量標(biāo)簽的機(jī)器驗(yàn)證,以及輔助標(biāo)記功能(例如 3D 長(zhǎng)方體捕捉、去除2D中的失真圖像、視頻標(biāo)記中的預(yù)測(cè)和自動(dòng)分割工具)�？蛻�(hù)只需先將 Amazon SageMaker Ground Truth Plus 指向他們?cè)?Amazon Simple Storage Service (Amazon S3) 中的數(shù)據(jù)源,并提供特定的標(biāo)記要求(例如,醫(yī)學(xué)專(zhuān)家應(yīng)如何標(biāo)記肺部放射影像中的異常情況的說(shuō)明)。 Amazon SageMaker Ground Truth Plus 隨后創(chuàng)建數(shù)據(jù)標(biāo)記工作流程并提供控制面板,客戶(hù)可通過(guò)控制面板跟蹤數(shù)據(jù)注釋進(jìn)度、檢查已完成標(biāo)簽的樣本質(zhì)量,并提供為生成高質(zhì)量數(shù)據(jù)的反饋;該功能讓客戶(hù)可以更快地構(gòu)建、訓(xùn)練和部署高度準(zhǔn)確的機(jī)器學(xué)習(xí)模型。

Amazon SageMaker Studio 通用notebook:Amazon SageMaker Studio 的通用notebook(業(yè)界首個(gè)完整的機(jī)器學(xué)習(xí)集成開(kāi)發(fā)環(huán)境)提供了一個(gè)統(tǒng)一的集成環(huán)境來(lái)執(zhí)行數(shù)據(jù)工程、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)。如今,來(lái)自不同數(shù)據(jù)領(lǐng)域的團(tuán)隊(duì)希望使用一系列涵蓋數(shù)據(jù)工程、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的工作流開(kāi)展協(xié)作。這些領(lǐng)域的從業(yè)者通常來(lái)自數(shù)據(jù)工程、數(shù)據(jù)分析和數(shù)據(jù)科學(xué)等不同的知識(shí)領(lǐng)域,他們希望實(shí)現(xiàn)跨各種工作流工作,并無(wú)需切換數(shù)據(jù)相關(guān)工具。而當(dāng)客戶(hù)準(zhǔn)備集成數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的數(shù)據(jù)時(shí),通常需要處理多種工具和notebook,這一過(guò)程繁瑣、耗時(shí)且容易出錯(cuò)。

Amazon SageMaker Studio 現(xiàn)支持客戶(hù)在一個(gè)通用notebook中,為實(shí)現(xiàn)多種目的而進(jìn)行的交互方式訪(fǎng)問(wèn)、轉(zhuǎn)換和分析各種數(shù)據(jù)。Amazon SageMaker Studio與在 Amazon EMR 集群上運(yùn)行的 Spark、Hive 和 Presto,以及在 Amazon S3 上運(yùn)行的數(shù)據(jù)湖均內(nèi)置集成,客戶(hù)無(wú)需切換服務(wù)即可使用Amazon SageMaker Studio 訪(fǎng)問(wèn)和操作通用notebook中的數(shù)據(jù)。客戶(hù)除了可以使用喜歡的框架(例如 TensorFlow、PyTorch 或 MXNet)開(kāi)發(fā)機(jī)器學(xué)習(xí)模型,并在 Amazon SageMaker Studio 中構(gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型外;客戶(hù)無(wú)需離開(kāi)通用Amazon SageMaker Studio notebook,可以一站式瀏覽和查詢(xún)數(shù)據(jù)源、探索元數(shù)據(jù)和模式,并處理數(shù)據(jù)分析或機(jī)器學(xué)習(xí)工作流相關(guān)的工作負(fù)載。

適用于機(jī)器學(xué)習(xí)模型的 Amazon SageMaker Training Compiler:Amazon SageMaker Training Compiler 是一種新的機(jī)器學(xué)習(xí)模型編譯器,可自動(dòng)優(yōu)化代碼提高計(jì)算資源的使用效率,并縮短訓(xùn)練模型時(shí)間多達(dá) 50%。先進(jìn)的深度學(xué)習(xí)模型通常是龐大而復(fù)雜的,訓(xùn)練單個(gè)模型可能消耗數(shù)千小時(shí)的GPU計(jì)算時(shí)間,為此它們需要專(zhuān)門(mén)的計(jì)算實(shí)例來(lái)加速訓(xùn)練。為了進(jìn)一步縮短訓(xùn)練時(shí)間,數(shù)據(jù)科學(xué)家會(huì)嘗試增加訓(xùn)練數(shù)據(jù)或調(diào)整超參數(shù)(控制機(jī)器學(xué)習(xí)訓(xùn)練過(guò)程的變量),找到性能最佳且資源消耗最少的模型版本。這項(xiàng)工作的技術(shù)復(fù)雜性致使數(shù)據(jù)科學(xué)家沒(méi)有時(shí)間優(yōu)化在 GPU 上運(yùn)行訓(xùn)練模型所需的框架。

Amazon SageMaker Training Compiler與 Amazon SageMaker 中的 TensorFlow 和 PyTorch 版本集成,這些版本經(jīng)過(guò)優(yōu)化可在云中更高效地運(yùn)行,因此數(shù)據(jù)科學(xué)家可以使用他們喜歡的框架,更高效得使用GPU訓(xùn)練機(jī)器學(xué)習(xí)模型。只需單擊一下,Amazon SageMaker Training Compiler 就會(huì)自動(dòng)優(yōu)化并編譯訓(xùn)練好的模型,提高訓(xùn)練執(zhí)行速度多達(dá)50%。

Amazon SageMaker Inference Recommender 自動(dòng)實(shí)例選擇:Amazon SageMaker Inference Recommender 幫助客戶(hù)自動(dòng)選擇最佳計(jì)算實(shí)例和配置(例如實(shí)例數(shù)量、容器參數(shù)和模型優(yōu)化),運(yùn)行其特定的機(jī)器學(xué)習(xí)模型推理。大型機(jī)器學(xué)習(xí)模型,通常用于自然語(yǔ)言處理或計(jì)算機(jī)視覺(jué),選擇具有最佳性?xún)r(jià)比的計(jì)算實(shí)例是一個(gè)復(fù)雜的迭代過(guò)程,可能需要數(shù)周的實(shí)驗(yàn)時(shí)間。

Amazon SageMaker Inference Recommender消除了運(yùn)行一個(gè)模型應(yīng)選擇哪種實(shí)例的不確定性和復(fù)雜性,通過(guò)自動(dòng)推薦適合的計(jì)算實(shí)例配置,可將部署時(shí)間從數(shù)周縮短至幾小時(shí)。數(shù)據(jù)科學(xué)家使用 Amazon SageMaker Inference Recommender 可將模型部署到推薦的一個(gè)計(jì)算實(shí)例上, 或者使用該服務(wù)在一系列選定的計(jì)算實(shí)例上運(yùn)行性能基準(zhǔn)測(cè)試�？蛻�(hù)可以在 Amazon SageMaker Studio 中查看基準(zhǔn)測(cè)試結(jié)果,并評(píng)估不同配置在延遲、吞吐量、成本、計(jì)算和內(nèi)存等方面的利弊。

適用于機(jī)器學(xué)習(xí)模型的 Amazon SageMaker Serverless Inference:使用Amazon SageMaker Serverless Inference,客戶(hù)僅需為生產(chǎn)中部署的機(jī)器學(xué)習(xí)模型推理按使用量付費(fèi)�？蛻�(hù)使用機(jī)器學(xué)習(xí)時(shí),希望能優(yōu)化成本,對(duì)于具有間歇性流量模式和長(zhǎng)時(shí)間空閑的應(yīng)用程序而言尤為重要。有些應(yīng)用程序,如基于消費(fèi)者購(gòu)買(mǎi)的個(gè)性化推薦、接聽(tīng)來(lái)電的聊天機(jī)器人以及基于實(shí)時(shí)交易的需求預(yù)測(cè)等,可能會(huì)受外部因素如天氣狀況、促銷(xiāo)的產(chǎn)品或節(jié)假日等影響出現(xiàn)波峰波谷。為機(jī)器學(xué)習(xí)推理提供合適的計(jì)算容量是一項(xiàng)艱難的、需要權(quán)衡多方面因素的工作。有時(shí),為滿(mǎn)足峰值需求,客戶(hù)會(huì)過(guò)度配置容量,雖然實(shí)現(xiàn)了一致的性能,但在沒(méi)有流量時(shí)會(huì)浪費(fèi)成本。有時(shí), 客戶(hù)為控制成本而部署了不足夠的計(jì)算容量,在條件變化時(shí)卻無(wú)法提供足夠的算力來(lái)執(zhí)行推理。為了適應(yīng)不斷變化的條件,一些客戶(hù)嘗試動(dòng)態(tài)地手動(dòng)調(diào)整計(jì)算資源,這是繁瑣且耗費(fèi)精力的工作。用于機(jī)器學(xué)習(xí)的 Amazon SageMaker Serverless Inference 會(huì)根據(jù)推理請(qǐng)求的數(shù)量自動(dòng)預(yù)置、擴(kuò)展和關(guān)閉計(jì)算容量。當(dāng)客戶(hù)將機(jī)器學(xué)習(xí)模型部署到生產(chǎn)中,只需在 Amazon SageMaker 中選擇無(wú)服務(wù)器部署選項(xiàng),Amazon SageMaker Serverless Inference 就會(huì)管理計(jì)算資源并提供所需的精確計(jì)算量。通過(guò)Amazon SageMaker Serverless Inference,客戶(hù)無(wú)需管理底層基礎(chǔ)設(shè)施,且只需為每個(gè)請(qǐng)求使用的算力和處理的數(shù)據(jù)量付費(fèi)。

亞馬遜云科技機(jī)器學(xué)習(xí)副總裁Bratin Saha 表示:“各個(gè)行業(yè)和各種規(guī)模的客戶(hù)都在積極借助Amazon SageMaker 擴(kuò)大機(jī)器學(xué)習(xí)的使用范圍,機(jī)器學(xué)習(xí)已經(jīng)成為很多企業(yè)運(yùn)營(yíng)的核心組成,并賦能客戶(hù)發(fā)明新的產(chǎn)品,創(chuàng)新的服務(wù)和體驗(yàn)。我們很高興將行業(yè)領(lǐng)先的機(jī)器學(xué)習(xí)服務(wù)拓展至更多客戶(hù),幫助更多企業(yè)推動(dòng)業(yè)務(wù)創(chuàng)新,解決富有挑戰(zhàn)性的問(wèn)題。這些 Amazon SageMaker的新功能將觸達(dá)更廣泛的客戶(hù),同時(shí)為現(xiàn)有客戶(hù)提供額外的功能,幫助他們?cè)跈C(jī)器學(xué)習(xí)之旅中更輕松地將數(shù)據(jù)轉(zhuǎn)化為有價(jià)值的洞察,加快部署速度,提升性能并節(jié)省成本�！�

寶馬集團(tuán)總部位于德國(guó)慕尼黑,是一家全球豪華汽車(chē)和摩托車(chē)制造商,品牌涵蓋寶馬、寶馬摩托車(chē)、MINI 和勞斯萊斯等;它還提供優(yōu)質(zhì)的金融和移動(dòng)服務(wù)。

寶馬集團(tuán)人工智能平臺(tái)產(chǎn)品負(fù)責(zé)人 Marc Neumann 表示:“將人工智能作為關(guān)鍵技術(shù)使用是寶馬集團(tuán)數(shù)字化轉(zhuǎn)型過(guò)程中的重要一環(huán)。我們?cè)谡麄�(gè)價(jià)值鏈中已經(jīng)采用人工智能,為客戶(hù)、產(chǎn)品、員工和流程創(chuàng)造附加價(jià)值。過(guò)去幾年里,我們已經(jīng)將寶馬集團(tuán)許多具有商業(yè)價(jià)值影響的頂級(jí)用例產(chǎn)業(yè)化。我們認(rèn)為Amazon SageMaker Canvas將幫助我們把人工智能/機(jī)器學(xué)習(xí)擴(kuò)展至整個(gè)寶馬集團(tuán)。通過(guò)SageMaker Canvas,業(yè)務(wù)用戶(hù)可以輕松地探索和構(gòu)建機(jī)器學(xué)習(xí)模型,無(wú)需編寫(xiě)代碼即可做出準(zhǔn)確預(yù)測(cè)。SageMaker 還支持我們的核心數(shù)據(jù)科學(xué)團(tuán)隊(duì)協(xié)作,并對(duì)由業(yè)務(wù)用戶(hù)創(chuàng)建的模型在投入生產(chǎn)環(huán)境之前對(duì)其進(jìn)行評(píng)估�！�

西門(mén)子能源正在為社會(huì)注入活力,環(huán)境、社會(huì)和公司治理(ESG)是其戰(zhàn)略重點(diǎn),他們的創(chuàng)新正在為合作伙伴和員工創(chuàng)造不一樣的明天。西門(mén)子能源工業(yè)應(yīng)用數(shù)據(jù)科學(xué)團(tuán)隊(duì)負(fù)責(zé)人 Davood Naderi表示:“西門(mén)子能源數(shù)據(jù)科學(xué)戰(zhàn)略的核心是將機(jī)器學(xué)習(xí)的力量帶給所有業(yè)務(wù)用戶(hù),讓他們能夠在不需要數(shù)據(jù)科學(xué)專(zhuān)家的情況下試驗(yàn)不同的數(shù)據(jù)源和機(jī)器學(xué)習(xí)框架。這將加快我們能源解決方案(例如調(diào)度優(yōu)化器和診斷服務(wù))的創(chuàng)新和數(shù)字化速度

Amazon SageMaker Canvas支持業(yè)務(wù)用戶(hù)開(kāi)展實(shí)驗(yàn),是西門(mén)子能源機(jī)器學(xué)習(xí)工具套件的很好的補(bǔ)充。同時(shí)還可以與數(shù)據(jù)科學(xué)團(tuán)隊(duì)共享和協(xié)作,這種協(xié)作非常重要,不但幫助我們將更多機(jī)器學(xué)習(xí)模型投入生產(chǎn),同時(shí)還確保所有模型都符合我們的質(zhì)量標(biāo)準(zhǔn)和政策�！�

愛(ài)彼迎是全球最大的特色民宿預(yù)定平臺(tái)之一,提供超過(guò) 700 萬(wàn)個(gè)住宿選擇和 40,000 項(xiàng)由當(dāng)?shù)胤繓|組織的手工活動(dòng)�！霸趷�(ài)彼迎,我們?cè)絹?lái)越多地將機(jī)器學(xué)習(xí)整合到業(yè)務(wù)的各個(gè)方面。為了訓(xùn)練和測(cè)試機(jī)器學(xué)習(xí)模型,我們的團(tuán)隊(duì)始終需要生成和維護(hù)高質(zhì)量的數(shù)據(jù)�！睈�(ài)彼迎中國(guó)數(shù)據(jù)科學(xué)家羅偉表示:“為了更好地為客戶(hù)提供服務(wù),并減少對(duì)客服團(tuán)隊(duì)的依賴(lài),我們一直在尋找一種方法,可以基于十萬(wàn)段普通話(huà)客戶(hù)服務(wù)日志生成高質(zhì)量的文本分類(lèi)數(shù)據(jù)結(jié)果。通過(guò)Amazon SageMaker Ground Truth Plus,亞馬遜云科技團(tuán)隊(duì)為我們構(gòu)建了定制數(shù)據(jù)標(biāo)記工作流程,其中包括能夠?qū)崿F(xiàn) 99% 分類(lèi)準(zhǔn)確率的自定義機(jī)器學(xué)習(xí)模型�！�

美國(guó)國(guó)家橄欖球聯(lián)盟(NFL)是美國(guó)最受歡迎的體育聯(lián)盟,由 32 支職業(yè)運(yùn)動(dòng)隊(duì)組成,他們每年都在爭(zhēng)奪超級(jí)碗冠軍,這是世界上最大的年度體育賽事。NFL 球員健康與創(chuàng)新高級(jí)副總裁 Jennifer Langton表示:“在 NFL,為了幫助我們的球迷、廣播公司、教練和球隊(duì)獲得洞察,我們一直尋找使用機(jī)器學(xué)習(xí)的新方法。橄欖球是一項(xiàng)追求速度的運(yùn)動(dòng),比賽可以在一瞬間發(fā)生。雖然有教練員和裁判員,但很難在場(chǎng)上照看到所有球員的安全。計(jì)算機(jī)視覺(jué)讓我們能夠準(zhǔn)確監(jiān)測(cè)球員安全事件,但開(kāi)發(fā)這些算法需要專(zhuān)業(yè)標(biāo)記的數(shù)據(jù)�，F(xiàn)在,Amazon SageMaker Ground Truth Plus為復(fù)雜的標(biāo)記任務(wù)提供了定制工作流程和用戶(hù)界面,這將幫助我們提高球員的安全性。”

Vanguard Group, Inc． 是一家美國(guó)注冊(cè)的投資顧問(wèn)機(jī)構(gòu),總部位于賓夕法尼亞州馬爾文,管理著約 7 萬(wàn)億美元的全球資產(chǎn)。

Vanguard 重新定義行業(yè)價(jià)值,幫助投資者做正確的選擇,并為全球數(shù)百萬(wàn)客戶(hù)創(chuàng)造變革。Vanguard數(shù)據(jù)和分析高級(jí)總監(jiān)Doug Stewart表示:“我們非常高興的看到數(shù)據(jù)科學(xué)家和數(shù)據(jù)工程師可以在一個(gè)通用notebook環(huán)境中協(xié)作,進(jìn)行數(shù)據(jù)分析和機(jī)器學(xué)習(xí)。Amazon SageMaker Studio已與在 Amazon EMR 上運(yùn)行的 Spark、Hive 和 Presto 內(nèi)置集成,這提高了我們開(kāi)發(fā)團(tuán)隊(duì)的工作效率。這種統(tǒng)一的開(kāi)發(fā)環(huán)境讓我們的團(tuán)隊(duì)能夠?qū)Ｗ⒂跇?gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型�！�

iFood 是拉丁美洲在線(xiàn)食品配送的領(lǐng)先企業(yè),每月完成6,000 多萬(wàn)份訂單。iFood使用機(jī)器學(xué)習(xí)向在線(xiàn)訂購(gòu)的客戶(hù)推薦餐廳。

iFood 機(jī)器學(xué)習(xí)和數(shù)據(jù)工程總監(jiān) Ivan Lima 表示:“我們的機(jī)器學(xué)習(xí)模型一直采用 Amazon SageMaker構(gòu)建高質(zhì)量的應(yīng)用程序,這貫穿于整個(gè)業(yè)務(wù)線(xiàn)。Amazon SageMaker Serverless Inference讓我們能夠更快地實(shí)現(xiàn)模型部署和擴(kuò)展,無(wú)需擔(dān)心實(shí)例選擇,也不必?fù)?dān)心工作負(fù)載的波峰波谷。同時(shí),我們預(yù)計(jì)該服務(wù)將進(jìn)一步降低我們的成本�！�