«AWS» и упрощение машинного обучения

Обычно иметь силу в кулаке, но редко кто знает, как использовать ее в полной мере.

Фраза не нуждается в объяснении, так как есть много примеров, подтверждающих то же самое, мы будем использовать то же самое, чтобы узнать, что такое машинное обучение и как использовать его в полной мере, где мы отправимся в путешествие от введения к игре. changer(AWS) в соответствующем поле. Amazon Web Services известны миру, и причина этого заключается в их постоянной поддержке, абсолютном совершенстве и постоянном стремлении каждый раз делать все лучше и лучше. Amazon Web Services (AWS) — это максимально полная и широко распространенная облачная платформа, предлагающая более 200 полнофункциональных предложений от информационных центров по всему миру. Клиенты, в том числе самые быстроразвивающиеся стартапы, крупнейшие предприятия и ведущие государственные учреждения, используют AWS, чтобы снизить расходы, стать более гибкими и быстрее внедрять инновации.

В этом блоге мы узнаем о:
1. Что такое машинное обучение
2. Как AWS делает машинное обучение проще и удобнее

Итак, начнем:

Что было бы с миром без видения, способного изменить его навсегда?

Машинное обучение вносит свой вклад в приведенное выше утверждение благодаря своему высочайшему успеху и постоянному росту в соответствующей области. Спектр машинного обучения простирается до такой степени, что едва ли возможно представить себе его аспект, не находясь под его влиянием. Но, как и в любом другом деле, правильное начало и сильная база определяют путь, в который вы собираетесь отправиться. Итак, возникает наш самый первый вопрос: «Что такое машинное обучение». С точки зрения непрофессионала, машинное обучение — это процесс того, как мы заставляем машины думать и работать самостоятельно. А теперь попробуйте представить это! Вы хотите, чтобы машина думала как человек, чтобы принимать разумные решения.

В качестве близкого примера возьмем предположительный сценарий.
Рохан работает на фабрике по упаковке фруктов, где его работа заключается в том, чтобы только те фрукты попадали в упаковку, которая идеальна во всех отношениях. Здесь ему приходится вручную проверять, спелый ли фрукт, яркий ли цвет, идеальная ли форма и все ли еще, что может повлиять на качество продукта. Теперь представьте, что ту же задачу выполняет машина, КАК? Вам пришлось бы обучать машину на огромных ручных данных изображений фруктов, когда они были созревшими, сырыми, деформированными и во всех других возможных сценариях. После подачи набора данных вам нужно будет создать модель, которая пропускала бы только выбранные сценарии по вашему выбору, и именно так вы использовали машинное обучение, чтобы заставить машину научиться принимать решения. Кроме того, вы только что украли работу Рохана, но давайте предположим, что он найдет другую.

Теперь, когда у вас есть хорошее представление о том, что такое машинное обучение, давайте двигаться дальше.
Весь мир машинного обучения опирается на 3 основных условия:
1. ДАННЫЕ: вам потребуется много чистых и точных данных, которые будут использоваться в качестве входных данных для модели, которую вы будете создавать.
2. МОДЕЛЬ: модель, в которой вы будете обучать алгоритм выполнению определенных задач и тому, как их использовать. Кроме того, вы будете подгонять всю важную информацию, которая может понадобиться машине с течением времени.
3. ВЫЧИСЛЕНИЕ: это может включать развертывание и запуск модели. В этих сценариях случай может быть таким, что модель не дает оптимальных результатов, в этих случаях для их получения используются различные методы обратной связи и обратного распространения. с лучшими результатами.

Теперь, учитывая тот факт, что, вооружившись тремя вышеперечисленными реквизитами, можно было легко сделать модель машинного обучения, возникает следующий и более важный вопрос, а откуда все это взять?

В этом мире, где данные генерируются примерно со скоростью 2-3 квинтиллиона байтов в день, очень важно быть очень конкретным при выборе данных. Но угадайте, что Amazon Web Services (AWS) спасает вас, предоставляя на выбор выдающийся и разнообразный набор инструментов и сред машинного обучения. Эти инструменты дают вам преимущество перед обычным энтузиастом, изучающим или продвигающимся в области машинного обучения, но без максимальной поддержки со стороны AWS.

Мне или кому-либо другому, кроме самого AWS, не удалось бы провести вас через все многочисленные сервисы, которые они предоставляют в рамках спектра машинного обучения, в пределах диапазона времени, но да, мы обязательно постараемся пройтись по некоторым из наиболее часто используемых. С огромной точки зрения у нас есть

1. Amazon SageMaker
2. Amazon SageMaker Canvas
3. Amazon SageMaker Ground Truth
4. Amazon SageMaker Data Wrangler
5. Amazon SageMaker Feature Store
6. Amazon SageMaker Studio Lab
7. Amazon SageMaker Studio
8. Amazon SageMaker Build
9. Amazon SageMaker train
10. Amazon SageMaker Debugger и многое другое.

Давайте снова рассмотрим сценарий, а почему бы и нет? Это то, в чем мы хороши.
Допустим, я хочу построить модель для обнаружения рака кожи, так что давайте углубимся в этот раз, я бы открыл Amazon Sagemaker Studio и начать с самой основной задачи, да! Чтобы привести данные, на данный момент я буду использовать все источники данных, доступные sagemaker, скажем, Amazon Athena, Amazon Redshift,и другие. Теперь у меня есть набор данных для пациентов с раком кожи, состоящий из всех метаданных о соответствующей области.

Моя следующая задача — очистка данных, для которой я буду использовать обработчик данных Sagemaker, который позволит мне разделять и объединять необработанные данные, включая все методы предварительной обработки, такие как улучшение, удаление неэффективных данных и обобщение значений, которые сделают мои данные все более и более эффективными, и чтобы сохранить эти новые достижения, я буду использовать SageMaker Feature Store. Теперь у меня есть эффективный набор данных.

Теперь я создам модель, поэтому мне понадобится SageMaker Build для создания модели машинного обучения, Sagemanker train чтобы обучить его набору данных, и отладчику SageMaker, чтобы устранить любую ошибку, если она будет нейтрализована. Он предоставляет нам дополнительную поддержку визуальных редакторов, отладчиков, профилировщиков и т. д. Одним из огромных преимуществ является то, что модели не очень надежны на основе каких-либо выгодных изменения. Они учатся со временем и итерациями, становятся лучше с точки зрения точности и скорости, обеспечивая каждый результат лучше, чем в предыдущий раз. После этого у меня будет модель, которая поможет мне легко классифицировать, должен ли у кого-то быть рак кожи или нет, и это только начало, вы можете осмотреться и подумать о том, как вы можете использовать машинное обучение. на благое дело.

Все это лишь краткое изложение того, что такое машинное обучение, что такое Amazon SageMaker и как оно облегчает жизнь. Вы можете начать свое путешествие с Amazon Sagemaker по адресу http://amzn.to/2NgGcuP

— Ааюшман Гусейн.