AWS Summit London прошел 10 мая в конференц-центре ExCeL в восточной части Лондона. Это был мой первый раз на конференции AWS, и я был поражен ее масштабами. Должно было быть не менее 10 000 участников, и каждое выступление, которое я посещал, было почти заполнено. У меня было только общее представление о докладах, которые я хотел посетить, но меня почему-то привлек новый продукт AWS SageMaker. Я никогда не слышал об этом, пока не посмотрел основной доклад с участием технического директора Amazon.com доктора Вернера Фогельса. Многие из моих друзей изучали машинное обучение (МО) в своих университетах, но я не знал никого, кто использовал бы его в промышленности. В мире мониторинга существует множество интересных идей, связанных с использованием машинного обучения для предиктивной аналитики, поэтому я хотел узнать больше о том, как другие компании используют машинное обучение и как SageMaker может быть использован компаниями, желающими начать работу с машинным обучением.
Во время Доктор. Презентация Фогельса, он сразу же отметил, что Amazon.com уже 20 лет использует машинное обучение в своем бизнесе электронной коммерции. Легко понять, почему это было важно для них, когда они росли. Что касается рекомендаций по продуктам, то возможность разумно продавать клиентам, должно быть, оказала огромное влияние на их продажи. Но не многие компании работают в масштабах Amazon. Может ли машинное обучение повлиять на бизнес небольшого стартапа программного обеспечения или традиционного розничного бизнеса?
SageMaker был создан для таких компаний, где машинное обучение не является основой бизнеса, как в Amazon. Самая сложная часть машинного обучения — это усилия, затраченные на создание, обучение и настройку вашей модели, чтобы она давала точные прогнозы для вашего бизнеса. Как и многие другие сервисы, предоставляемые AWS, они пытаются упростить часть этой сложности, чтобы вы могли быстрее развернуться.
Строить
Первое, что вам нужно сделать для построения модели, — это подключить ее к вашим данным. Это, очевидно, намного проще сделать, если у вас уже есть данные, хранящиеся на AWS, поэтому это может быть блокировщиком, если они хранятся в другом месте. Тем не менее, не требуется много усилий, чтобы загрузить некоторые тестовые данные на S3, чтобы модель могла получить к ним доступ. Когда у вас есть данные, вам нужно выбрать алгоритм. Именно здесь такой продукт, как SageMaker, действительно помогает новичку, потому что в нем уже есть предварительно загруженные алгоритмы с настройками по умолчанию, чтобы вы могли начать работу. Итак, если бы мы начали использовать SageMaker в Opsview Monitor, мы, скорее всего, использовали бы алгоритм DeepAR, который использует большие наборы данных временных рядов для создания прогнозов и предположений путем анализа закономерностей в этих данных.
Тренироваться
Обучение — это то, что отличает машинное обучение от простого алгоритма ввода/вывода. Чем больше данных обрабатывается и чем больше времени проходит, тем лучше модель должна предсказывать тенденции. Обучение также является той частью, которая требует больших вычислительных ресурсов, поэтому, опять же, именно здесь AWS пытается сократить накладные расходы. Вы платите только за то, что используете, поэтому можете обучать свою модель до тех пор, пока не будете довольны результатами. Настройка и настройка, необходимые для правильной настройки алгоритма, также могут выполняться SageMaker автоматически.
Развертывать
Именно здесь SageMaker представляет реальную ценность для бизнеса. Возможность развернуть свое решение машинного обучения на AWS позволяет компаниям быстро осознать преимущества своей модели и увидеть, как она работает в реальном мире. Благодаря таким функциям, как развертывание одним щелчком мыши, A/B-тестирование и хостинг, вы можете запустить свое первое приложение машинного обучения без дополнительных затрат на развертывание в локальной инфраструктуре.
Вывод
Начало работы в мире машинного обучения может быть пугающим, но AWS попыталась снизить входной барьер, представив SageMaker. У Microsoft и Google уже есть собственные решения для машинного обучения, поэтому будет интересно посмотреть, как эти трое будут развиваться с течением времени. Хорошо, что AWS увидела ценность машинного обучения для малого бизнеса и интегрировала его в другие свои предложения, поскольку является крупнейшим поставщиком облачных услуг. Я надеюсь, что это позволит большему количеству компаний использовать машинное обучение в своей повседневной деятельности и извлечь выгоду из того, что оно дает.
Написано Натаном Гарбачем, архитектором решений Opsview.
