Amazon, makine öğrenimini buluta getirerek veri bilimi boşluğunu nasıl kapatmak istiyor?

İşletmeler, topladıkları verileri inceleyerek, kârlılığını artırma yollarını giderek daha fazla arıyor.

Ancak veri bilimcileri yetersiz olduğunda firmaların anlamlı bilgiler elde etmeleri zordur.

Bu beceri eksikliğine yanıt olarak, büyük bulut sağlayıcıları işletmelere makine öğrenimine başlama şansı vermek için isteğe bağlı hizmetler kurmuşlardır.

Makine öğrenimi, bilgisayarların verilerdeki kalıpları aramasına izin veren ve hoşunuza gidebilecek kitapları veya filmleri öneren çevrimiçi öneri motorlarına güç veren bir tekniktir. Firmalar yararlı tahminler yapmak için makine öğrenimi modellerini kullanabilir: 'Bu e-posta spam mı?' veya 'Bu bölgede kaç ürün satması bekleniyor?'

AWS veri bilimi genel müdürü Matt Wood Image: Amazon

Amazon, Microsoft ve Google, her biri istatistik altyapısı olmayan geliştiricilere farklı erişilebilirlik düzeylerine sahip kendi bulut platformları aracılığıyla isteğe bağlı makine öğrenme hizmetleri sunar.

Amazon, insan editörlerinin bir milyon güçlü kütüphanesinden öneriler seçmesine yardımcı olacak bir yol gerektiğinde, makine öğrenimini ilk günlerinden beri çevrimiçi bir kitap satıcısı olarak kullanıyor.

Amazon Web Services (AWS) veri bilimi genel müdürü Matt Wood, "İşin büyüdükçe makine öğrenmesinin önemli olacağı bir organizasyon olarak çok erken karar verdik." Dedi.

"Yapmaya karar verdik. Bu erkekler ve kızlar çok nadir olduğunda, bir sürü makine öğrenimi uzmanı ve uzmanı işe almak istiyor muyuz? Bu, istatistiklerin, çapraz onaylamanın, algoritma tasarımı. "

Bunun yerine Amazon, tüm geliştiricilerinin kullanabileceği bir iç hizmet oluşturmak için nispeten küçük bir grup makine öğrenimi uzmanı tutmaya karar verdi.

"Bu yenilik yeteneğini gördük, çünkü geliştiricilerin faydalarını kullanabilmek için makine öğrenimi için bir sürü zaman harcamak zorunda kalmadık, " dedi. planlama, tedarik zinciri yönetimi ve taklit ürünlerin belirlenmesi.

Bugün AWS tarafından sunulan halka açık makine öğrenimi hizmeti, firmanın dahili olarak çalışanlarına sunduğu algoritmalara dayanmaktadır. Müşteriler, Amazon'un İlişkisel Veri Hizmetinde bir MySQL arka ucu, S3 nesne deposu veya Redshift veri ambarı hizmeti ile bunları eğitmek için depolanan verileri kullanarak makine öğrenme modelleri oluşturabilir.

Bu modeller, çeşitli tahminlerde bulunmak için kullanılabilir. İkili sınıflandırma, iki olası sonuçtan birini tahmin etmek için kullanılır - 'Bu e-posta spam mi, değil mi?'. Üç veya daha fazla olası sonuçtan birini ve her birinin olasılığını tahmin etmek için çok sınıflı sınıflandırma - 'Bu ürün bir kitap mı, bir film mi, yoksa bir giyim eşyası mıdır?'. Regresyon bir sayıyı tahmin etmek için kullanılır - 'Yarın sıcaklık olması muhtemeldir?'.

Servis ayrıca verileri otomatik olarak doğrulamaya ve mümkünse daha yararlı bir forma dönüştürmeye çalışacaktır; örneğin, bir adresten posta kodunu veya posta kodunu ayıklamak.

Model oluşturulduktan sonra geliştiriciler, AWS konsolu veya API çağrıları aracılığıyla erişerek tahminlerin bir uygulamaya veya çevrimiçi hizmete beslenmesine olanak tanır. Modeller, konsoldaki kaydırıcılar kullanılarak ince ayar yapılabilir.

Wood, “Geliştiricinin makine öğrenimi hakkında çok, çok az şey bilmesi gerekiyor. Makine öğrenimi pirzolaları servis tarafından yönetiliyor” dedi.

Bu tür bulut tabanlı hizmetlerin makine öğrenimi ile deneme zorluğunu azalttığını, başlamak için gereken becerileri öğrenmek için gereken zamanı ve parayı azalttığını söyledi.

Amazon, hizmetin geliştiricilerin makine öğrenimine başlamasını ne kadar kolaylaştırdığını test etti ve bir makinenin öğrenme geçmişine sahip olmayan iki geliştiriciyi bir kişinin cinsiyetini ilk adından tahmin etmek için bir model oluşturmak için görevlendirdi.

Nüfus sayımı verileri kullanılarak eğitilen ve cinsiyetini yüzde 92 doğrulukla tahmin eden modellerini geliştirmeleri bir ay sürdü. Aksine, Amazon'un hizmetini kullanarak aynı modeli aynı tahmin doğruluğuyla oluşturmak için makine öğrenimi bilgisi olmayan bir geliştiricinin 20 dakika sürmesi gerekiyordu.

Bu, bulut hizmetlerinin herkesin makine öğrenimi ihtiyaçlarına uygun olduğu anlamına gelmez.

Birincisi, başlangıç ​​maliyetini azaltabilirken, uzun vadede kullanımı pahalı olabilir. Amazon'un hizmeti bölgede bir milyon tahmin başına yaklaşık 100 $ 'a mal olabilir.

Bir girişimcinin dediği gibi: "Bu, başlangıçta kullanmak gerçekten güzel olurdu, ancak çok büyük bir bütçede bile maliyet engelleyici."

Hizmet, kullanıcıların modelleri dışa aktarmasına ve içe aktarmasına izin vermemekle birlikte, kullanıcıları kilitlemek için de eleştiri çekti.

Hacker News geliştirici forumunda bir kullanıcı olarak, "Bir anlam yayan herhangi bir şirketin tahmin modellerini AWS'ye nasıl kilitleyeceğini görmüyorum."

Halen yeni başlayan hizmete yönelik bu eleştirilere rağmen, Wood bunun daha önce nereden başlayacağını bilmeyen şirketlerde makine öğrenimi ile daha fazla deneyime yol açacağına inanıyor.

"Benim için anahtar, üretkenlik ve geliştiricilerin bu tür şeylere erişmesini sağlamak."

© Copyright 2020 | mobilegn.com