亚马逊全托管平台 高中生也可以获得数据建模能力

　　简介

　　“SageMaker”的意思是“魔法生成器”，它是一个托管式机器学习的平台。原本需要10到20多个博士级人工智能专家耗时9个月才能完成的项目，现在通过Amazon SageMaker，受过训练的开发人员就仅需要3到4周的时间。

　　2019年上半年，亚马逊AWS将在中国上线亚马逊AWS Amazon SageMaker平台。该公司全球副总裁、大中华区执行董事容永康表示，到时候高中生也可以通过该平台获得数据建模的能力，而开发商则可以利用这一平台进行更快的创新。

　　“魔法生成器”加快项目开发

　　从名字直接翻译，“SageMaker”的意思是“魔法生成器”，它是一个托管式机器学习的平台。原本需要10到20多个博士级人工智能专家耗时9个月才能完成的项目，现在通过Amazon SageMaker，受过训练的开发人员仅需要3到4周的时间。

　　一个完整的机器学习的应用过程包括，研究人员需要向机器输入大量数据，使用算法建立模型，然后不断验证和修正模型，直到得到符合或者接近需求的算法，然后部署到实际应用中，用来预测未知结果。

　　其中，不断投喂数据、改进算法的过程，就是模型训练阶段。容永康表示，这个过程非常复杂，亚马逊AWS希望帮助数据科学家和开发人员找到一种新的方式获得高性能机器学习的算法。

　　机器学习在生活中有广泛需求

　　机器学习在实际生活中有着广泛应用需求，包括广告定向投放、信贷违约预测、点击率预测、内容质量预测、供应链和需求预测等。例如，一家月饼厂在最后装箱环节需要大量人工进行产品检验，如通过机器学习的方式，既能大幅节省成本，又能提升准确性。采写/新京报记者 梁辰

　　声音

　　（2019年上半年，亚马逊AWS将在中国上线亚马逊AWS Amazon SageMaker平台）到时候高中生也可以通过该平台获得数据建模的能力，而开发商则可以利用这一平台进行更快的创新。

　　亚马逊AWS希望帮助数据科学家和开发人员找到一种新的方式获得高性能机器学习的算法。　——亚马逊AWS公司全球副总裁、大中华区执行董事容永康