发布于: Jan 7, 2022

为了使各种组织中具有不同背景的人员更好地利用机器学习,研发人员开发了人工智能云平台

Amazon Web Services 和机器学习

Amazon Web Services 致力于机器学习的民主化。我们的目标是让具有不同训练和经验水平的客户以及各种组织都能广泛地使用机器学习。Amazon Web Services 快速创新,根据客户的需求为他们创建服务和功能。机器学习服务也不例外。在下图中,您可以看到当前的 Amazon Web Services 机器学习服务是如何映射到其他人工智能图的。

Amazon Web Services 机器学习服务

面向构建者的 Amazon Web Services 机器学习服务

第一层显示了人工智能服务,这些服务是为构建者创建需要预测、推荐、自然语言、语音、视觉或其他功能的特定解决方案而设计的。这些智能服务是使用机器学习(尤其是深度学习模型)创建的,但开发人员无需具备任何机器学习知识就能使用它们。相反,这些功能是经过预先训练的,可通过 API 调用访问,并使得客户能够向其应用新增智能。

Amazon Forecast

Amazon Forecast 是一项完全托管的服务,可提供高度准确的预测,并且基于 Amazon.com上所使用的相同技术。您提供历史数据,以及被认为影响预测的任何其他数据。Amazon Forecast 检查此类数据,识别有用的数据并生成一个预测模型。

Amazon Personalize

Amazon Personalize 可让开发人员轻松使用其应用程序为客户创造个性化产品和内容推荐。您提供来自应用程序的活动流、您想要推荐的商品的清单以及来自用户的潜在人口统计信息,Amazon Personalize 处理和检查此类数据、识别有用的数据、选择正确的算法以及训练和优化个性化模型。

Amazon Lex

Amazon Lex 是一项可在任何使用语音和文本的应用程序内构建对话接口的服务。Amazon Lex 可提供高级的自动语音识别 (ASR) 深度学习功能 (用于将语音转化成文本) 和自然语言理解 (NLU) (用于识别文本意图),使您构建出的应用程序能够具备参与度极高的用户体验和逼真的交互式对话。借助
Amazon Lex,支持 Amazon Alexa 的深度学习技术现在可供所有开发人员使用,从而使您能够轻松快速地构建出掌握自然语言的精密对话机器人 (“聊天机器人”)。

Amazon Comprehend

Amazon Comprehend 是一种自然语言处理 (NLP) 服务,利用机器学习技术查找文本中的见解和关系。Amazon Comprehend 可识别文本的语言;提取关键短语、地点、人物、品牌或事件;理解文本的正面或负面情绪;并按主题自动组织文本文件集合。

Amazon Comprehend Medical

Amazon Comprehend Medical 是一种自然语言处理服务,利用高级机器学习模型从非结构化文本中提取相关医疗信息。您可以使用提取出的医疗信息和它们之间的关系来构建或增强应用程序。

Amazon Translate

Amazon Translate 是一种神经元网络机器翻译服务,可提供快速、优质且经济实惠的语言翻译。神经元网络机器翻译是一种自动化语言翻译形式,使用深度学习模型来提供比基于统计数据和规则的传统机器翻译算法更加准确、自然的翻译。借助 Amazon Translate,您可以将内容 – 如网站和应用程序内容 – 本地化,以方便国际用户使用,并且可以轻松、高效地翻译大量文本。

Amazon Polly

Amazon Polly 是一种可将文本转换为逼真语音的服务,可让您构建支持聊天的应用程序,并且打造全新类别的具有语音功能的产品。Amazon Polly 是一种文本转语音服务,它使用先进的深度学习技术来合成听起来像是人声的语音。

Amazon Transcribe

Amazon Transcribe 是一种自动语音识别 (ASR) 服务,使开发人员可以轻松地为其应用程序添加语音功能。通过使用 Amazon Transcribe API,您可以分析存储在 Amazon S3 中的语音文件,并让该服务返回转录语音的文本文件。

Amazon Rekognition

Amazon Rekognition 让您能够轻松地向应用程序添加图像和视频分析。您只需向 Rekognition API 提供一个图像或视频,该服务即可识别物体、人物、文本、场景和活动,并且检测是否含有任何不当内容。Amazon Rekognition 还提供高度准确的人脸分析和人脸识别,您可以在各种各样的用户验证、编录、人数统计和公共安全使用案例中检测、分析和比较人脸。

Amazon Textract

Amazon Textract 从扫描文档和表单中自动提取文本和数据,它不只提供简单的光学字符识别,它还可以识别表单中的字段内容和表格中存储的信息。 

面向自定义 ML 模型的 Amazon Web Services 机器学习服务
 
图 1 中的 ML 服务层为开发人员、数据科学家、研究人员和其他客户提供更多的托管服务和资源访问权限,以构建其自定义 ML 模型。自定义 ML 模型用于解决推理和预测、推荐系统和指导自主驾驶汽车等任务。
 
Amazon SageMaker
 
Amazon SageMaker 是一项完全托管的机器学习 (ML) 服务,可帮助开发人员和数据科学家快速、轻松地构建、训练和部署任何规模的机器学习模型。Amazon SageMaker Ground Truth 可使用主动学习模型标记数据,将机器学习和人工干预相结合,帮助快速准确地构建训练数据集,从而让该模型变得越来越好。
 
SageMaker 提供完全托管和预先构建的 Jupyter 笔记本,以解决常见使用案例。该服务带有多个内置高性能算法,还有适用于机器学习的
Amazon Web Services Marketplace,包含100多种预先训练好的 ML 模型和算法。您还可以自带内置于 Docker 容器的算法和框架。
 
Amazon Sagemaker 包括内置的、完全托管的强化学习 (RL) 算法。在没有预先标记的历史数据但期望有最佳结果的情况下,RL 是理想的选择。RL 使用奖励和处罚来训练,引导模型朝着期望的行为发展。SageMaker 在多个框架中都支持 RL,包括 TensorFlow、MXNet 以及定制开发的框架。
 
SageMaker 建立和管理训练环境,并且通过 Automatic Model Tuning 提供超参数优化,使模型尽可能准确。Sagemaker Neo 支持您将经过训练的同一模型部署到多个平台。Neo 使用机器学习优化模型的性能和大小,并部署到包含 Neo 运行时的边缘设备。根 Apache Software License,Amazon Web Services 已在 GitHub 上发布了开源 Neo-AI 项目代码。SageMaker 支持跨多个可用区分布式运行的模型部署,以提供高性能和高可用性。
使用 Spark/Spark ML 的 Amazon EMR/EC2
 
Amazon EMR 提供一个 Hadoop 托管框架,使您可以轻松、快速而经济高效地处理跨动态扩展的 Amazon EC2 实例的大量数据。您还可以运行其他常用的分布式框架(例如 Amazon EMR 中包含 Spark ML 机器学习库的 Apache Spark、HBase、Presto 和 Flink),以及与其他 Amazon Web Services 数据存储服务(例如 Amazon S3 和 Amazon DynamoDB)中的数据进行交互。Spark 和 Spark ML 也可以在 Amazon EC2 实例上运行,以预处理数据、设计功能或运行机器学习模型。

相关文章