5月11日消息，在亞馬遜云科技旗下完全托管的機器學習服務AmazonSageMaker落地中國區域一周年之際，亞馬遜云科技宣布將AmazonSageMaker在re:Invent2020上亮相的包括DataWranger、FeatureStore、Pipelines等七項新功能在北京區域和寧夏區域上線，進一步豐富了針對不同企業需求而打造的人工智能與機器學習(AI/ML)工具集。
作為亞馬遜云科技機器學習服務層面的核心產品，AmazonSageMaker是業界首個面向機器學習開發者的集成開發環境，它消除機器學習過程中的繁重工作，使客戶能專注于自身的業務和應用創新，在提高客戶工作效率的同時還大幅降低機器學習的總體擁有成本。
去年12月在亞馬遜云科技全球大會re:Invent2020上剛剛亮相的7項AmazonSageMaker新功能，目前這些新功能已經在北京區域和寧夏區域落地：
1.AmazonSageMakerDataWranger，簡化機器學習的數據準備工作。通過該功能，客戶可以將各種數據存儲中的數據一鍵導入。AmazonSageMakerDataWrangler內置了300多個數據轉換器，讓客戶無需編寫任何代碼，就可以對機器學習用到的特征進行規范化、轉換和組合。
2.AmazonSageMakerFeatureStore，一個完全托管且專門構建的特征存儲庫，用于存儲、更新、檢索和共享機器學習特征。客戶可以在其中存儲和訪問特征，以便更輕松地在各個團隊中對其進行命名、共享和重復使用。
3.AmazonSageMakerPipelines是業界首個針對機器學習專門構建、易于使用的持續集成和持續交付服務，通過編排和自動化提高機器學習工作的效率。借助該服務，用戶可以大規模地創建、自動化和管理端到端機器學習工作流。
4.AmazonSageMakerClarify讓機器學習開發人員可以更好地掌控其訓練數據和模型，從而識別和限制偏差并解釋做出相關預測的原因。
5.AmazonSageMakerDistributedtraininglibraries為訓練大型深度學習模型和數據集提供了易用的方法，與現有分布式訓練實現相比，以最高快40%的速度完成分布式訓練，并且幫助用戶減少手動實施數據并行和模型并行策略所需時間。
6.AmazonSageMakerModelMonitor幫助客戶時刻保持機器學習模型的準確性，它能夠自動檢測生產環境中部署的模型，并在檢測到不準確的預測時發出警報，從而幫助客戶維護高質量的機器學習模型。
7.AmazonSageMakerDebugger，可以通過實時捕獲訓練指標，自動識別機器學習訓練任務中正在出現的復雜問題，例如梯度值變得過大或過小等。它可以實時監控系資源(例如GPU、CPU、網絡和內存等)的利用率，幫助用戶提高資源利用率，對訓練過程中的資源瓶頸進行告警，讓開發者及時調度資源，快速采取糾正措施，減少時間和成本浪費。
亞馬遜云科技大中華區云服務產品管理總經理顧凡表示，“AmazonSageMaker落地中國區域一年以來，我們見證了中國各個行業各種類型客戶積極應用亞馬遜云科技服務進行機器學習創新，我們希望通過將更多服務落地到中國區域，并堅持‘授人以魚不如授人以漁’，甚至更進一步‘扶上馬，送一程’的方式，幫助客戶更快應用機器學習技術，把機器學習的能力交到每一位構建者手中，加速人工智能和機器學習的普惠。”
據介紹，在中國，亞馬遜云科技機器學習服務得到醫療健康、教育、出行、工業智能、游戲、新媒體等各個行業客戶的青睞，益體康、晶泰科技、新世紀醫療、LEMONBOX、有道樂讀、嘰里呱啦、全美在線、首汽約車、德比軟件、Momenta、圖森未來、行者AI、天和榮、中科創達、華來科技、大宇無限、陜西科技大學、易點天下、淄博熱力等一批企業和機構的采用，在各行各業實現了豐富多樣的人工智能應用創新。
關鍵詞： 亞馬遜
責任編輯：Rex_01
