云服务器代理

什么是更好的,腾讯云或在AWS上自带机器学习算

阅读  ·  发布日期 2020-07-24 16:56

今天,许多公司将机器学习解决方案集成到分析工具中,以加强品牌管理、改善客户体验和提高操作效率。机器学习模型是机器学习解决方案的核心组成部分。采用数学算法和大数据集...

详细信息
今天,许多公司将机器学习解决方案集成到分析工具中,以加强品牌管理、改善客户体验和提高操作效率。机器学习模型是机器学习解决方案的核心组成部分。采用数学算法和大数据集训练模型进行可靠的预测。两个常见的预测例子是:(1)确定一组金融交易是否表明根据从社交媒体收集的投入进行欺诈,或(2)评估产品周围的消费者情绪。

AmazonSageMaker是一种完全管理的服务,允许开发人员和数据科学家构建、培训和部署机器学习模型。在SageMaker中,您可以使用开箱即用的算法或使用自己的路径来获得更个性化的解决方案。这两种选择都是有效的,是成功的机器学习解决方案的基础。

编辑注意:您可以在这里看到SageMaker的其他替代方案。

SageMaker的开箱即用算法包括流行的、高度优化的图像分类、自然语言处理和其他示例。在这里可以找到完整的列表。

开箱即用的优点:这些算法已经进行了预优化(并且正在不断改进)。您可以快速启动、运行和部署。此外,还提供了AWS自动超参数调整功能。

开箱即用的考虑因素:上面提到的持续改进可能不会产生可预测的结果,就好像你完全控制了算法的实现一样。

如果这些算法不适合您的项目,那么您还有另外三个选项:(1)Amazon的ApacheSPark库,(2)自定义Python代码(使用TensorFlow或ApacheMXNet)或(3)"带来"您的位置基本上是无限制的,但是您需要创建一个Docker映像来训练和服务您的模型(您可以使用这里的说明来操作)。

带着你自己的方式为你提供完全的自由。这可能对数据科学家们很有吸引力,他们已经建立了一个定制和/或专有的算法代码库,而这些代码库目前可能无法集中地显示出来。

带来您自己的优势:完全控制整个数据科学管道和使用专有IP。

请自己考虑:需要Docker来训练和提供最终模型。将算法改进结合起来是您的责任。

无论你选择哪种算法,在AWS上使用SageMaker都是一种值得考虑的方法,因为从数据科学的角度来看,人们对易用性给予了多大的关注。如果您曾经尝试过将机器学习项目从本地环境迁移到托管环境,您会惊讶地发现SageMaker的无缝特性。如果您从头开始,就会离目标更近几步,因为它是可以实现的。