亚马逊机器学习服务 Amazon SageMaker 又添九项新功能

Amazon SageMaker Edge Manager 可以帮助开发人员优化、保护、监控和维护部署在边缘设备集群上的机器学习模型。目前，客户使用 Amazon SageMaker Neo 为边缘设备优化模型，这使得模型的运行速度可以提高到多达两倍，且内存占用率不到十分之一，准确性也没有损失。然而，在边缘设备上部署后，客户仍然需要管理和监控模型，以确保它们仍然以高精度运行。

Amazon SageMaker Edge Manager 可以优化模型，使其在目标设备上运行得更快，并为边缘设备管理模型，以便客户可以在边缘设备集群中准备、运行、监控和更新机器学习模型。客户可以使用 Amazon SageMaker Edge Manager 对其模型进行加密签名，从边缘设备上传预测数据到 Amazon SageMaker 以进行监控和分析，并在 Amazon SageMaker 控制台中查看报表，来跟踪和可视化模型的运行状况。Amazon SageMaker Edge Manager 扩展了以前只能在云端使用的功能，它可以从边缘设备中采样数据，将其发送到 Amazon SageMaker Model Monitor 进行分析，当模型的准确性随着时间的推移而下降时，重新训练模型以便开发人员不断提高模型的质量。

通过 Amazon SageMaker JumpStart 开启机器学习之旅

Amazon SageMaker JumpStart 为开发人员提供了一个易于使用、可搜索的界面，用于查找同类最佳解决方案、算法和 notebook 示例。当前，缺乏机器学习经验的客户很难开始机器学习部署，而高级的开发人员发现很难将机器学习应用到所有应用场景。通过 Amazon SageMaker JumpStart，客户现在可以快速找到针对其机器学习场景的相关信息。新接触机器学习的开发人员可以从多个完整的端到端机器学习解决方案中进行选择（例如欺诈检测、客户流失预测或时序预测），并且可以直接部署到 Amazon SageMaker Studio 环境中。有经验的用户则可以从一百多个机器学习模型中选择，快速开始模型构建和训练。

Swami 表示：" 成千上万的开发人员和数据科学家已经使用我们业界领先的机器学习服务 Amazon SageMaker，消除了他们在构建、训练和部署定制化机器学习模型时的障碍。拥有 Amazon SageMaker 这样一个广泛采用的服务，最大的好处就是受益于很多客户的建议，为我们的下一套产品的交付提供了动力。"

今天，我们宣布为 Amazon SageMaker 提供一套工具，使开发人员更容易构建端到端机器学习流程，准备、构建、训练、解释、检查、监控、调试和运行定制化机器学习模型，提供更高的可视性、可解释性和大规模的自动化。

面对如此众多新发布，AWS 的 Amazon SageMaker 使用客户是如何评价的？

3M

3M 公司在全球 70 个国家运营，并在 200 个国家开展销售业务，公司创造的技术和产品，正在推动着每一家公司的发展，改善每一个家庭的日常生活。

"3M 的成功源于我们具有企业家精神的研究人员和我们对科学的持续关注。我们推进产品科学化的一种方式是在 AWS 上使用机器学习技术。"3M 企业系统研究实验室技术总监 David Frazee 说，" 利用机器学习，3M 正在改进砂纸这样久经考验的产品，并推动其它一些领域包括医疗保健在内的创新。随着我们计划将机器学习扩展到 3M 的更多领域，我们的数据和模型快速增长，每年翻倍。

我们对 Amazon SageMaker 的新功能充满热情，因为它们将帮助我们扩大规模。Amazon SageMaker Data Wrangler 使得为模型训练来准备数据变得更容易，Amazon SageMaker Feature Store 使得我们不需要重复创建相同的模型特征。最后，Amazon SageMaker Pipelines 可以帮助我们将数据准备、模型构建和模型部署，变成自动化的端到端工作流，加速模型上生产的时间。我们的研究人员期待着在 3M 公司利用这些工具，提高科学创新速度。"

德勤

德勤正在帮助全球各地的组织转型。德勤不断演进其工作方式和看待市场挑战的方式，不断为客户和社区提供可衡量、可持续的成果。

德勤 AI 生态系统和平台负责人 Frank Farrall 表示："Amazon SageMaker Data Wrangler 提供了丰富的数据转换工具，满足了我们数据准备的需求，缩短了新产品上市的时间。反过来，我们的客户也受益于我们规模化部署的速度，使我们能够在几天内、而不是几个月内，提供可衡量、可持续的结果，满足客户需求。

联想

是全球最大的个人电脑制造商。联想设计和制造的设备包括记事本电脑、平板电脑、智能手机和各种智能物联网设备。

" 在联想，我们不仅仅是一家硬件供应商，还致力于成为客户值得信赖的合作伙伴，改变客户使用设备的体验，实现客户的业务目标。联想 Device Intelligence 就是我们使用 Amazon SageMaker 来增强机器学习能力的一个很好的例证。" 联想个人电脑和智能设备部门云与软件副总裁 Igor Bergman 说。" 通过联想 Device Intelligence，IT 管理员可以主动诊断个人电脑问题，提前预测潜在的系统故障，减少宕机时间，提高员工的工作效率。结合 Amazon SageMaker Neo，我们已经实质性的提高了设备预测模型的效果，从而促使我们在未来几周内进一步采用 Amazon SageMaker Edge Manager。Amazon SageMaker Edge Manager 将有助于消除模型部署后进行优化、监控和持续改进所需的人工工作。

基于此，预计我们的模型将比其它同类机器学习平台运行得更快，消耗的内存更少。随着我们将人工智能扩展到联想整个服务组合中的新应用，我们将继续采用高性能的机器学习管道，在云端和数百万边缘设备上灵活扩展。这正是我们选择 Amazon SageMaker 平台的原因。凭借其丰富的从边缘到云端和 CI/CD 工作流的能力，我们可以有效地将我们的机器学习模型带入任何设备工作流，从而大大提高生产力。"

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!