机器学习太难了？亚马逊SageMaker：“呵呵”

机器学习非常复杂，但层出不穷的新工具新平台使得掌握机器学习越来越容易了。今天，芯君为大家推荐一款好用的机器学习平台。

为了准备AWS re：Invent 2018大会，亚马逊云计算服务更新了SageMaker。这次又有什么新功能呢？（编者注：AWS即Amazon Web Services，亚马逊云计算服务）

2018年11月26日至30日，亚马逊云计算服务在拉斯维加斯举办了AWS re：Invent 2018，包括不同主题的专题研讨会与报告。为迎接AWS re：Invent 2018，亚马逊提前更新了他们的机器学习平台SageMaker，可以进一步简化复杂的机器学习。

新增哪些功能？

此次更新主要关注的是自动化，编排以及团队协作。

以下是最新功能：

• SageMaker工作流程：与团队协作并分享对机器学习模型的反馈
• SageMaker搜索：通过训练运行搜索以最快速度获取最相关数据
• IP洞察：检测可疑的IP地址和登录，避免潜在的帐户盗号
• Git集成：链接GitHub，AWS CodeCommit和其他Git repos工具
• 步骤功能：自动化和编排步骤
• 新的算法和框架：更新包括Horovod，Spark MLap和scikit-learn
• 更新合规标准

优点有哪些？

自SageMaker第一次发布已有一段时间。那么，它带来了什么？为什么说它正在改变机器学习领域？

使用SageMaker的好处在于可以选择框架和算法。如果你熟悉Apache MXNet、Chainer、TensorFlow、Caffe2或Torch的话，那么你就可以将它们捆绑在一起使用。如果算法捆绑数量不够，可以使用Docker容器引入更多。

SageMaker还拥有易于集成、快速性能、一键式培训、自动模型调整和轻松部署等功能。

总的来说，它最适用于大型数据集研究。如果不是为了解决大量数据的问题，那么SageMaker并非最佳工具。举例来说，它最适合应用的领域是广告定位、质量预测和供应链预测。

当然，这个平台并非是完美，也存在一些缺点。成本就是其中之一，尤其对于探索机器学习的新手而言。另外，目前并非所有地区都可以使用SageMaker，不过，亚马逊云计算服务正在不断添加可应用服务的区域。

提示：需要灵感时可以在GitHub上浏览示例，浏览Jupyter笔记本并查看数据使用方式。

如何学习SageMaker？

在机器学习领域，亚马逊云计算平台SageMaker“易学”“好用”的标签，吸引了不少想要进入机器学习领域的新手。

从用户的反馈来看，SageMaker“消除了阻碍开发人员成功的复杂性”。而部分原因要归功于内置可扩展算法。

在去年的re：Invent中，DigitalGlobe（编者注：一家商用高分辨率地球影像产品和服务供应商）讨论了如何在没有机器学习经验的情况下使用SageMaker。这也证明了机器学习领域的新手可以很容易地掌握如何使用SageMaker，并做出更好的机器学习产品。

于初学者而言，有很多免费教程详细讲解了如何能最好地使用SageMaker。在此推荐其中不错的一小部分。同学们可以通过它们多了解一些机器学习的内容哦！

• MartinKlissarov教程：入门，准确性培训，升级SageMaker，SageMaker自动模型调谐器。
• AWS培训和认证：亚马逊SageMaker简介（注：虽然该特别介绍免费，但还有其他付费AWS培训课程。）
• JulienSimon的“亚马逊SageMaker概述”：这个YouTube视频是一个很好初学课程，并展示了一些典例。

编译组：周子嫄、胡婷

相关链接：

https://jaxenter.com/machine-learning-sagemaker-152282.html

如需转载，请后台留言，遵守转载规范