最新公告
  • 欢迎您光临欧资源网,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入我们
  • 亚马逊云科技机器学习服务层面落地中国区域一周年分享会上

    经济观察报记者 高若英 当瑞士面临阿尔卑斯高速公路上数万辆货车的拥堵和污染时,他们建造了世界上最长的铁路隧道——圣哥达隧道。瑞士媒体自豪地称其为“世纪隧道”。

    然而,今天,建设如此庞大的工程将不再是改善交通和物流的唯一途径。越来越多的传统行业正在寻找通过基于云的机器学习来提高效率和客户体验的解决方案。

    近日,在全托管机器学习服务Amazon SageMaker中国区正式上线一周年分享会上,亚马逊云科技大中华区云服务产品管理总经理顾凡表示,传统行业将成为未来机器学习的关键点。.

    据悉,作为亚马逊云技术机器学习服务级别的核心产品,Amazon SageMaker是业界首个面向机器学习开发者的集成开发环境。去年 12 月机器学习防止过拟合,刚刚在亚马逊云技术全球大会 re:Invent 2020 上亮相的 7 项新的 Amazon SageMaker 功能,已于近日登陆北京和宁夏。

    传统企业试水数字化转型,方向是可以看到的,但是常识有没有起点,有没有逻辑上可以借鉴的路线图?根据亚马逊服务客户的经验,顾凡总结说,“理解数据策略”、“找到应用机器学习的第一个场景”、“面向业务的数据科学家”和“理解技能差距”是他们必须具备的四个门槛。先克服。

    传统产业下沉

    作为一个概念,“机器学习”早在 1956 年就被提出机器学习防止过拟合,三年后 IBM 的 Arthur Samuel 提出了 AI 的概念。可能有人混淆了机器学习、人工智能和深度学习之间的关系。

    简单地说,机器学习研究并构建了一种特殊的算法,而不是特定的算法,它允许计算机从数据中学习以做出预测。机器学习是目前实现人工智能最常用的技术。

    从最初的小众技术到最常用的技术,过去我们谈数据创新和人工智能时,人们往往会想到互联网公司。事实上,当今最深刻的人工智能应用是在传统企业中,正在迅速向纵深发展。

    “今天,种子公司可以很好地预测每年给农民多少种子,天气如何,喷洒多少农药,如何使用无人机,并且可以准确预测亩产。公司用这些来定价,告诉农民买多少农药,买什么价格的种子。为什么一家公司可以做到这一点?因为它完全是数据驱动的。” 亚马逊云技术合伙人、上海英迪达信息科技有限公司CEO孙晓振分享了与他的联系方式。案件。

    过拟合 欠拟合_机器学习的拟合问题_机器学习防止过拟合

    IDC 数据显示,到 2023 年,人工智能系统的支出将达到 979 亿美元,比 2019 年增长 2.5 倍。Gartner 数据显示,75% 的企业将在2024年底,需要反复迭代才能真正改变客户体验或提高效率。这种生产系统正在整个行业中加速发展。

    在孙晓振看来,数字化转型的核心是数据。今天的人工智能需要进入下一个阶段,从试错或验证阶段到普及阶段。当客户价值开始主导市场需求时,企业不再是过去由新技术、新产品驱动的市场发展,而是加大对数据的投入,不再是试错性,而是期望获得真正的价值.

    “学习”路径

    然而,传统企业是否有推出机器学习的路径和节奏,估计是所有对机器学习感兴趣但尚未推出机器学习的传统企业最关心的问题。根据与传统行业客户合作的经验,顾凡大致总结了四个常见问题。

    首先,公司需要了解他们的数据战略。算力、模型和数据被公认为机器学习的三个必要条件。但在很多传统行业,数据本身就是一个大问题。“企业首先需要弄清楚哪些数据是可用的,哪些数据可以通过努力变得简单可用。再者,当企业想了解哪些客户体验需要改变,哪些业务问题需要解决时,应该通过反向引入。思考。前两个数据拿到之后,可能还有数据的不足,今天内部的数据一定要准备好,等业务问题在几个月或一年内推广的时候,会有真实的和好的-准备数据以应对创新。” 顾凡说。

    此外,在起步阶段,传统企业还需要对机器学习有一个明确的期望:即机器学习模型不一定能准确预测,也不一定能解决行业问题,也没有那么容易成功.

    想清楚这个问题,第二个方面就是找到“第一个应用场景”。事实上,很多传统企业,尤其是大型企业,在集团层面推广机器学习时,往往会遇到更多的疑惑:是不是比人类更准确?能带来多少好处?为什么要花这么多钱?

    因此,顾凡的建议是,先不要离开公司的核心业务,而是尝试创新业务,检验机器学习是否提升了客户体验和效率。建立信任的过程是通过小项目不断积累的。,“机器学习的适用性比较高,有没有合适的算法,有没有相应的人员,有没有超出我的能力范围,三者结合可以快速找到第一个机器学习场景。”

    而“面向业务的数据科学家”,这个问题在传统行业尤为突出。在机器学习无处不在的亚马逊,经验是,不要孤立数据科学家。“亚马逊要求数据科学家和业务团队的产品经理、开发人员、运营人员在一起。懂​​业务的人不一定懂机器学习,懂机器学习算法的不一定懂业务,这两类人必须有交集,否则只会按照自己的想法行事。”

    最后一点是“缩小技能差距”。改造一个传统行业,很多问题都需要算法的大量迭代,甚至需要解决行业问题的新算法也应运而生。这不能不强调传统企业与云技术厂商合作的必要性。前者希望以最小的试错成本完成产品的原型开发和快速迭代,而后者则需要用来弥合技能差距。

    此外,云平台是否足够开放,是否会对企业形成锁定,也是传统企业在推出机器学习时会考虑的问题。

    站内大部分资源收集于网络,若侵犯了您的合法权益,请联系我们删除!
    欧资源网 » 亚马逊云科技机器学习服务层面落地中国区域一周年分享会上

    常见问题FAQ

    免费下载或者VIP会员专享资源能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    找不到素材资源介绍文章里的示例图片?
    对于PPT,KEY,Mockups,APP,网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。
    欧资源网
    一个高级程序员模板开发平台

    发表评论