Hogyan akarja az Amazon áthidalni az adattudományi rést azáltal, hogy a gépi tanulást felhőbe hozza

A vállalkozások egyre inkább arra törekednek, hogy fokozzák az eredményt az összegyűjtött adatok bányászásával.

A cégek számára azonban nehéz az értelmezhető információk kinyerése, ha az adattudósok hiányban vannak.

Erre a készséghiányra reagálva a nagy felhő-szolgáltatók igény szerinti szolgáltatásokat hoztak létre, hogy a vállalkozások számára lehetőséget biztosítsanak a gépi tanulás megkezdésére.

A gépi tanulás olyan technika, amely lehetővé teszi a számítógépek számára, hogy adatmintákat keressenek, és felhatalmazza az online ajánlásmotorokat, amelyek olyan könyveket vagy filmeket javasolnak, amelyek élvezhetik. A cégek gépi tanulási modelleket használhatnak hasznos előrejelzések készítéséhez: például: "Ez az e-mail spam?" vagy "Hány elem várhatóan fog eladni ebben a régióban?"

Matt AWS az AWS adattudományi igazgatója Kép: Amazon

Az Amazon, a Microsoft és a Google igény szerinti gépi tanulási szolgáltatásokat nyújtanak a megfelelő felhőplatformjaikon keresztül, mindegyik eltérő hozzáférhetőségi szinttel a fejlesztők számára, statisztikai háttér nélkül.

Az Amazon már a kezdetektől kezdve gépi tanulást alkalmaz online könyvkereskedőként, amikor szüksége volt egy módra, amely segít az emberi szerkesztőknek az egymillió erős könyvtárból származó ajánlások kiválasztásában.

"Nagyon korán úgy döntöttünk, mint szervezet, hogy a gépi tanulás fontos lesz, ahogy növekszik üzleti tevékenységünk" - mondta Matt Wood, az Amazon Web Services (AWS) adattudományi igazgatója.

"Döntöttünk egy döntést. Vajon el akarunk-e venni és rengeteg gépi tanulási szakértőt és szakembert bérelni, ha ezek a srácok és lányok nagyon ritkák? Ez a statisztikák, a keresztértékelés, a algoritmus kialakítása. "

Ehelyett az Amazon úgy döntött, hogy egy viszonylag kis gépi tanulási szakértőt vesz fel olyan belső szolgáltatás felépítésére, amelyet az összes fejlesztője felhasználhatott.

"Láttuk az innováció ezen érzékét, mert a fejlesztőknek nem kellett egy csomó időt arra törekedniük, hogy a gépi tanulásra neveljék, hogy képesek legyenek felhasználni az előnyeit" - mondta, és a szolgáltatás szerepére utalt olyan területeken, mint a teljesítés, a kapacitás. tervezés, az ellátási lánc kezelése és a hamisított termékek azonosítása.

Az AWS által jelenleg kínált nyilvános gépi tanulási szolgáltatás ugyanazon algoritmusokon alapszik, amelyeket a cég a munkatársai számára elérhetővé tesz belsőleg. Az ügyfelek gépi tanulási modelleket építhetnek fel az Amazon Relációs Adatszolgáltatásában tárolt adatok felhasználásával, a MySQL háttérrendszerrel, az S3 objektumtárral vagy a Redshift adattárolási szolgáltatással, hogy ezeket kiképezzék.

Ezek a modellek különféle típusú előrejelzésekhez használhatók. A bináris besorolást a két lehetséges eredmény egyikének előrejelzésére használják - „Ez e-mail spam vagy sem?”. Többosztályú osztályozás a három vagy több lehetséges eredmény egyikének és mindegyikének valószínűségének előrejelzésére - „Ez egy termék könyv, film vagy ruházati cikk?”. A regresszió segítségével megjósolható egy szám - „Milyen valószínűleg holnap lesz a hőmérséklet?”.

A szolgáltatás megkísérel továbbá automatikusan validálni az adatokat, és ahol lehetséges, hasznosabb formává alakítani azokat, például kibontani egy irányítószámot vagy irányítószámot egy címből.

A modell felépítése után a fejlesztők az AWS konzolon vagy az API hívásokon keresztül férhetnek hozzá, lehetővé téve az előrejelzések továbbítását egy alkalmazáshoz vagy online szolgáltatáshoz. A modellek finomhangolhatók a konzolban lévő csúszkák segítségével.

"A fejlesztőnek nagyon, nagyon keveset kell tudnia a gépi tanulásról. A gépi tanulást biztosító chopokat a szolgáltatás kezeli" - mondta Wood.

Az ilyen felhőalapú szolgáltatások csökkentik a gépi tanulás kísérletezésének nehézségét, csökkentve az induláshoz szükséges készségek elsajátításához szükséges időt és pénzt - mondta.

Az Amazon kipróbálta, hogy a szolgáltatás mennyire könnyebbé tette a fejlesztők számára a gépi tanulás megkezdését, és két fejlesztőre bízta meg gépi tanulási háttér nélkül, hogy készítsen egy modellt az ember nevének előrejelzésére.

A fejlesztőknek egy hónapba telt, hogy összeállítsák modellüket, amelyet népszámlálási adatok felhasználásával képztek, és a nemet 92 százalékos pontossággal megjósolták. Ezzel szemben egy fejlesztőnek, aki nem rendelkezik gépi tanulással, 20 percet vett igénybe, hogy ugyanazt a modellt ugyanolyan előrejelzési pontossággal készítse el az Amazon szolgáltatásával.

Ez nem azt jelenti, hogy ezek a felhőalapú szolgáltatások mindenki számára alkalmasak a gépi tanulási igények kielégítésére.

Egyrészt, bár csökkenthetik az indulás költségeit, hosszú távon költségesek lehetnek. Az Amazon szolgáltatás költsége körülbelül 100 dollár / millió előrejelzés a régióban.

Mint egy vállalkozó mondta: "Ezt nagyon jó lenne használni az indításkor, de még nagyon nagy költségvetésnél is költséges."

A szolgáltatás kritikát merített a felhasználók bezárása miatt is, mivel a szolgáltatás nem engedi a felhasználók számára, hogy modelleket exportáljanak és importáljanak.

"Nem látom, hogy egy értelmi nyalékossággal rendelkező vállalkozás becsukja-e előrejelzési modelljét az AWS-be" - mondta a Hacker News fejlesztői fórum egyik felhasználója.

A még mindig új szolgáltatás kritikája ellenére Wood úgy véli, hogy ez további kísérleteket eredményez a gépi tanulással olyan cégeknél, amelyek korábban nem tudták volna, hová kezdik.

"Számomra a kulcs a termelékenység és annak biztosítása, hogy a fejlesztők hozzáférjenek ehhez a cucchoz."

© Copyright 2020 | mobilegn.com