S:
Daha iyisi, AWS'de bir platform veya kendi getirdiğiniz bir makine öğrenme algoritması mı?
A:Günümüzde birçok şirket makine öğrenimi çözümlerini marka yönetimini geliştirmek, müşteri deneyimini geliştirmek ve operasyonel verimliliği artırmak için kendi analiz araçlarına entegre ediyor. Makine öğrenimi modelleri, makine öğrenimi çözümlerinin temel bileşenidir. Modeller, güvenilir tahminler yapmak için matematiksel algoritmalar ve büyük veri setleri kullanılarak eğitilir. İki yaygın tahmin örneği (1) bir dizi finansal işlemin sahtekarlığı gösterip göstermediğini belirleme veya (2) sosyal medyadan toplanan girdilere dayanarak bir ürün çevresindeki tüketici duygularını değerlendirme.
Amazon SageMaker, geliştiricilerin ve veri bilimcilerinin makine öğrenimi modelleri oluşturmasına, eğitmesine ve dağıtmasına olanak tanıyan tamamen yönetilen bir hizmettir. SageMaker'da daha özel bir çözüm için hazır algoritmaları kullanabilir veya kendi getirme yolunuza gidebilirsiniz. Her iki seçenek de geçerlidir ve başarılı bir makine öğrenimi çözümü için temel teşkil eder.
(Editörün notu: Burada SageMaker'a başka alternatifler de görebilirsiniz.)
SageMaker'ın kullanıma hazır algoritmaları, görüntü sınıflandırması, doğal dil işleme, vb. İçin popüler, yüksek düzeyde optimize edilmiş örnekleri içerir. Tam liste burada bulunabilir.
- Hazır Avantajlar: Bu algoritmalar önceden optimize edilmiştir (ve sürekli iyileştirilmektedir). Hızlı bir şekilde hazır, çalışır durumda ve dağıtılabilir. Ayrıca AWS otomatik hiper-parametre ayarı da mevcuttur.
- Kullanıma Hazır Hususlar: Yukarıda belirtilen sürekli iyileştirmeler, algoritmalarınızın uygulanması üzerinde tam kontrolünüz varmış gibi tahmin edilebilir sonuçlar vermeyebilir.
Bu algoritmalar projeniz için uygun değilse, başka üç seçeneğiniz vardır: (1) Amazon'un Apache Kıvılcım Kütüphanesi, (2) özel Python kodu (TensorFLow veya Apache MXNet kullanan) veya (3) “kendinizinkini getirin” temel olarak kısıtlanmamıştır, ancak modelinizi eğitmek ve sunmak için bir Docker görüntüsü oluşturmanız gerekir (buradaki talimatları kullanarak bunu yapabilirsiniz).
Kendinize getirin yaklaşımı size tam bir özgürlük sunar. Bu, halihazırda kutudan çıkan mevcut sette gösterilmeyen özel ve / veya tescilli algoritmik kod kitaplığını oluşturmuş olan veri bilimcileri için çekici olabilir.
- Kendi Avantajlarınızı Getirin: Özel IP kullanımı ile birlikte tüm veri bilimi boru hattı üzerinde tam kontrol sağlar.
- Kendi Düşüncelerinizi Getirin: Ortaya çıkan modeli eğitmek ve hizmet etmek için liman işçiliği gerekir. Algoritmik iyileştirmeleri dahil etmek sizin sorumluluğunuzdadır.
Algoritma seçiminizden bağımsız olarak, AWS'de SageMaker, veri bilimi perspektifinden kullanım kolaylığına ne kadar odaklanıldığı göz önüne alındığında, dikkate değer bir yaklaşımdır. Bir makine öğrenimi projesini yerel ortamınızdan barındırılan bir projeye geçirmeyi denediyseniz, SageMaker'ın bunu nasıl sorunsuz hale getirdiğine şaşıracaksınız. Ve sıfırdan başlıyorsanız, parmaklarınızın ucunda ne kadar olduğu göz önüne alındığında, hedefinize birkaç adım daha yakınsınız demektir.
