亚马逊云科技怎样构建机器学习团队?顾凡解密

5月18日消息,近日,在完全托管的机器学习服务AmazonSageMaker正式落地中国区域一周年之际,亚马逊云科技宣布在其北京和宁夏区域上线7大新功能,丰富了其针对不同企业需求而打造的人工智能与机器学习工具集。

为了让数据科学家、算法工程师、业务开发者都能轻松驾驭机器学习,亚马逊云科技于2017年11月推出了AmazonSageMaker机器学习平台服务。可以帮助开发者和数据科学家快速地规模化构建、训练和部署机器学习(ML)模型。AmazonSageMaker是业界首个面向机器学习开发者的集成开发环境,也是亚马逊云科技机器学习服务层面的核心产品。

仅仅去年一年AmazonSageMaker就新增了250多项机器学习的功能。目前,全球已有数以十万计的客户利用AmazonSageMaker加快机器学习部署。

在谈及AmazonSageMaker在中国市场的发展策略时,亚马逊云科技大中华区云服务产品管理总经理顾凡表示,我们希望通过将更多服务落地到中国区域,并坚持‘授人以鱼不如授人以渔’,甚至更进一步‘扶上马,送一程’的方式,帮助客户更快应用机器学习技术,把机器学习的能力交到每一位构建者手中,加速人工智能和机器学习的普惠。

Gartner数据显示,75%的企业在2024年底会把机器学习从试点转向生产系统。事实上,企业所属业务行业千差万别,每一家企业需要的AI能力和服务可能都不尽相同。AmazonSageMaker究竟是如何做到快速让成千上万的企业信赖它的?顾凡谈到的几点或许至关重要。

追求AI/ML普惠打造工具箱

顾凡介绍,亚马逊云科技把AI/ML普惠作为核心使命。要想完成这个使命最重要的一条就是帮助不同客户提供趁手的工具,授人以鱼不如授人以渔。这需要亚马逊云科技打造一个特别全的工具箱,不一样的客户可以在里面选择最顺手的工具。同时,授人以渔最核心的是帮助客户拥有工具、拥有人才,这是亚马逊云科技做机器学习工具集的核心目的。

据悉,AmazonSageMaker拥有的工具横跨整个机器学习开发生命周期,能够帮助数据科学家的效率提升10倍,降低机器学习总体应用成本高达54%。

“对于那些没有数据科学家、甚至连熟悉算法的开发工程师也没有的企业,AmazonSageMaker能提供开箱即用的、已经训练好的模型。”顾凡强调,对于那些有一定开发工程师或数据科学家的企业,他们最需要的是规模化产出。借助AmazonSageMaker的工具,一位大学毕业的开发工程师经过培训,就可以在四周以内开发一个模型,大大降低AI模型开发门槛。

让数据科学家解决企业实际问题

但是,问题来了,如何保障AmazonSageMaker打造的工具,就是企业需要的呢?

”亚马逊作为号称机器学习无处不在的公司,曾经也走过一段弯路,之前考虑过把如此稀缺的数据科学家资源放在一组,后来发现根本不行。“顾凡介绍,“亚马逊的做法是不许把数据科学家放到一个团队,全部放到业务团队当中,跟业务团队的产品经理、开发人员、运营人员在一块。往往懂业务的人都积累了很多年,但不一定懂机器学习,懂机器学习算法的人不一定懂业务,想找两个完美结合的人太难了,但必须要让这两组人有一个交集,否则他们只会按照自己的想法去工作。“

顾凡强调,亚马逊云科技对招募的数学科学家的原则就是来解决客户体验问题,把客户体验问题解决了,顺便发点论文是可以的,但如果你是来做研究的,抱歉不欢迎,我们解决的是实际客户的体验问题。真正要对一个传统行业做改造,行业知识超级重要。

在帮助企业进行智能化转型过程中,顾凡称,亚马逊云科技会持续不断地坚持几点:授人以渔,扶上马送一程,真正把机器学习的能力交到每一位开发者和构建者的手中。

(免责声明:本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。 )