Sisu
K:
Mis on parem, kui AWS-is on platvorm või omaenda masinõppe algoritm?
A:
Tänapäeval integreerivad paljud ettevõtted masinõppelahendusi oma analüüsivahendite komplekti, et täiustada brändi haldamist, parandada klientide kogemusi ja suurendada töö efektiivsust. Masinõppe mudelid on masinõppe lahenduste põhikomponent. Usaldusväärsete ennustuste tegemiseks koolitatakse mudeleid matemaatiliste algoritmide ja suurte andmekogumite abil. Kaks levinumat näidet ennustustest on 1) sotsiaalmeediast kogutud sisendite põhjal kindlaksmääramine, kas finantstehingute kogum viitab pettusele, või 2) toote ümbritsevate tarbijate arvamuse hindamine toote ümber.
Amazon SageMaker on täielikult hallatav teenus, mis võimaldab arendajatel ja andmeteadlastel masinõppe mudeleid ehitada, koolitada ja juurutada. SageMakeris saate kasutada tavapäraseid algoritme või minna kohandatud lahenduse leidmiseks oma teed viima. Mõlemad valikud on kehtivad ja on võrdselt eduka masinõppe lahenduse alus.
(Toimetaja märkus: muid SageMakeri alternatiive näete siin.)
SageMakeri välja pandud algoritmid sisaldavad populaarseid, optimeeritud näiteid pildi klassifitseerimiseks, loomuliku keele töötlemiseks jms. Kogu nimekirja leiate siin.
- Kasti eelised: Neid algoritme on eeloptimeeritud (ja neid täiustatakse pidevalt). Võite olla kiire, töötav ja kasutusele võetud.Lisaks on saadaval AWS automaatne hüperparameetrite häälestamine.
- Kasutusel olevad kaalutlused: Ülalnimetatud pidevad täiustused ei pruugi anda tulemusi nii ennustatavalt, nagu oleksite oma algoritmide rakendamise üle täielikku kontrolli saanud.
Kui need algoritmid ei sobi teie projekti jaoks, on teil kolm muud võimalust: (1) Amazoni Apache Spark Library, (2) kohandatud Pythoni kood (mis kasutab TensorFLow või Apache MXNet) või (3) “viige oma” kuhu on põhimõtteliselt piiranguteta, kuid teie mudeli koolitamiseks ja teenindamiseks tuleb luua Dockeri pilt (võite seda teha juhiste abil siin).
Kohaleviimise lähenemisviis pakub teile täielikku vabadust. See võib osutuda atraktiivseks andmeteadlaste jaoks, kes on juba loonud kohandatud ja / või patenteeritud algoritmiliste koodide raamatukogu, mida praeguses karbivälise komplekti korral ei pruugi olla.
- Tooge enda eelised: Võimaldab täielikku kontrolli kogu andmeteadustiku üle koos omandiõigusega intellektuaalomandi kasutamisega.
- Tooge enda kaalutlused: Saadud mudeli koolitamiseks ja teenindamiseks on vaja dokkerdamist. Algoritmiliste täiustuste kaasamine on teie kohustus.
Sõltumata teie algoritmi valikust on SageMaker AWS-is kaalumist väärt lähenemisviis, arvestades seda, kui palju on andmeteaduse vaatenurgast tähelepanu pööratud kasutusmugavusele. Kui olete kunagi proovinud masinõppe projekti rännata kohalikust keskkonnast võõrustatavale, siis olete meeldivalt üllatunud, kui sujuv SageMaker selle muudab. Ja kui alustate nullist, olete juba mitu sammu eesmärgile lähemal, arvestades seda, kui palju on juba teie käeulatuses.