Знакомство с одним из самых известных облачных сервисов машинного обучения.
Введение
Большинство специалистов по данным хорошо знакомы с местными записными книжками Jupyter, учитывая, что они являются основной платформой, которую люди как в академических кругах, так и в промышленности используют для изучения принципов машинного обучения.
Однако люди, полагающиеся только на них в проектах машинного обучения, затормозят собственный рост.
Посмотрим правде в глаза: местные ноутбуки Jupyter, хотя и удобны для начинающих, не подходят для решения реальных проблем из-за их ограниченных возможностей.
Таким образом, есть смысл изучить облачные платформы, предназначенные для операций машинного обучения. Для тех, кто знаком с Amazon Web Services (AWS), попробовать Amazon Sagemaker не составит труда.
Amazon Sagemaker — это сервис AWS, который позволяет пользователям обучать и развертывать модели машинного обучения. Этот облачный инструмент обладает огромными возможностями, но пользователи, привыкшие работать на локальных компьютерах, могут с трудом адаптироваться к его использованию.
Здесь мы представляем удобную для начинающих демонстрацию Amazon Sagemaker и исследуем причины, по которым этот облачный сервис превосходит типичный локальный ноутбук Jupyter.
Предпосылки
Название этой статьи несколько неправильное, поскольку Amazon Sagemaker на самом деле не «для начинающих». Это сервис среднего уровня, который требует, чтобы пользователи были знакомы с несколькими понятиями.
- Машинное обучение
Вы не можете бежать, пока не пойдете.
Точно так же вы не сможете углубиться ни в какие облачные платформы машинного обучения, пока не сможете понимать и выполнять основные операции машинного обучения на локальном компьютере.
Последующую демонстрацию будет легче понять тем, кто разбирается в отдельных элементах конвейера машинного обучения, таких как разработка функций, обучение модели и развертывание модели.
