Службы машинного обучения используются для определения различной поддержки инфраструктуры и служб, необходимых для выполнения таких операций, как обработка данных, обучение моделей, прогнозный анализ, оценка моделей и многое другое. Использование этих служб в облаке позволяет пользователю сэкономить на дорогостоящем оборудовании, программном обеспечении и лицензировании для локальной установки. Услуги машинного обучения (ML) позволили всем, от отдельных пользователей до групп малого бизнеса и корпоративных организаций, легко внедрять решения на основе машинного обучения.

Область искусственного интеллекта переживает экспоненциальный рост по всему миру. Компании внедряют машинное обучение для извлечения необходимых знаний из больших объемов данных для прогнозирования результатов различных условий. По прогнозам Fortune Business Insights, мировой рынок машинного обучения вырастет с 15,50 млрд долларов в 2021 году до 152,24 млрд долларов в 2028 году при совокупном ежегодном темпе роста 38,6%.

При эффективном использовании службы машинного обучения могут помочь вам изменить качество обслуживания клиентов, используя виртуальных помощников и чат-ботов, чтобы отвечать на часто задаваемые вопросы клиентов, обрабатывать данные в режиме реального времени и распознавать шаблоны для оптимизации повседневных бизнес-операций. Услуги машинного обучения также помогают компаниям реализовывать оптимизированные бизнес-стратегии, такие как анализ привычек клиентов при просмотре, таргетинг на конкретных клиентов и улучшение автоматизации.

Каждая отрасль, будь то здравоохранение, производство, финансы или любая другая, выиграет от правильного внедрения машинного обучения для модернизации и повышения интеллектуальности своих операций.

Все поставщики облачных услуг «большой тройки» — AWS, MS Azure и Google Cloud — предлагают ряд услуг машинного обучения.

В этой статье вы найдете обзор услуг машинного обучения основных поставщиков облачных услуг.

Сервисы машинного обучения AWS

AWS — сервисы низкого уровня (например, Amazon Rekognition, Amazon Comprehend и т. д.) в сравнении с Amazon SageMaker для тяжелых условий эксплуатации

AWS является явным лидером в области облачных вычислений, и многие клиенты AWS часто рассматривают возможность использования сервисов машинного обучения, которые предоставляет AWS, потому что там уже находятся их данные. AWS широко используется практически во всех аспектах решений на основе машинного обучения. Ниже приведены некоторые из популярных сервисов машинного обучения, предлагаемых AWS.

AWS SageMaker

AWS SageMaker предоставляет ученым, работающим с данными, и специалистам по машинному обучению все необходимые инструменты для создания, обучения и развертывания собственных моделей машинного обучения, а также для управления средой. SageMaker можно использовать для обработки изображений, анализа текста и прогнозирования временных рядов, и его можно легко интегрировать со всеми источниками данных AWS, такими как Amazon RDS, Glue и RedShift.

AWS SageMaker Neo

Версия Neo AWS SageMaker также позволяет автоматически масштабировать решения машинного обучения. Его часто используют, когда мало времени на обучение ваших алгоритмов. Вы также получаете доступ к предварительно обученным моделям машинного обучения, чтобы начать работу с алгоритмами и созданием моделей за более короткий период.

Amazon SageMaker RL (углубленное обучение)

Эта услуга специально предлагается для создания усиленных алгоритмов обучения. Он часто используется для создания роботизированных систем, в которых робот обучается, выполняя ряд действий в окружающей среде. Каждое действие вознаграждается или нет, поэтому робот учится в течение нескольких сеансов методом проб и ошибок. Со временем модель учится принимать сложные решения. Среда RL создается для представления реальных условий и имитации взаимодействия пользователя или компьютерной программы. Робот динамичен и обновляется на основе взаимодействий и запрограммированного поведения.

Амазонка Текст

Если ваше решение для машинного обучения предназначено для анализа текста и захвата больших объемов данных из изображений и бумажных документов, Textract может помочь вам легко оцифровать информацию из файлов неструктурированных данных, поскольку он автоматизирует преобразование этих устаревших документов в точные цифровые данные, которые можно легко преобразовать. удалось.

Прогноз Амазонки

Этот сервис позволяет работать с данными временных рядов с помощью глубоких нейронных сетей.

  • Amazon Transcribe — это сервис машинного обучения, который помогает автоматически преобразовывать аудиофайлы в текстовые с помощью нейронных сетей.
  • Amazon Translate — служба переводов Amazon может предоставить вам точные переводы любой текстовой информации на основе своих языковых моделей, тем самым исключая любую ручную работу по переводу.
  • Amazon Comprehend — этот сервис, по сути, помогает вашим системам понимать человеческий язык, используемый в различных интернет-СМИ, и анализировать данные, чтобы вы могли лучше понять силу своего бренда и настроения клиентов.
  • Amazon Lex помогает создавать интеллектуальных чат-ботов, которые взаимодействуют с вашими клиентами посредством голосового общения.

Существует множество других сервисов AWS, таких как Elastic Inference, Augmented AI, Fraud Detection, Rekognition и другие, каждый из которых предлагает конкретный вариант использования, который можно эффективно использовать, чтобы сделать ваши решения более интеллектуальными, автоматизированными и эффективными.

AWS также позволяет использовать такие фреймворки, как TensorFlow и PyTorch, для создания собственных моделей и простой интеграции существующего рабочего процесса в сеть AWS.

Основное различие между ресурсоемким сервисом, таким как AWS SageMaker, и легкими сервисами, такими как Amazon Comprehend, заключается в объеме поддерживаемых решений. Такие сервисы, как Comprehend, Transcribe и Forecast, имеют узкий набор функций, специально ориентированных на конкретную функциональность. Эти сервисы открывают мир машинного обучения для более широкого круга разработчиков. Напротив, SageMaker может создавать более настраиваемые и мощные модели ML, но для этого требуется гораздо больше знаний в области обработки данных.

Службы машинного обучения Microsoft Azure

Низкоуровневые службы MS Azure (Azure Cognitive Services) и машинное обучение Azure для тяжелых условий эксплуатации

Подобно службам AWS, облачные службы Azure предоставляют набор общих служб под эгидой Azure Cognitive Services и более мощную службу машинного обучения Azure, которую можно использовать для создания, обучения, развертывания и управления вашими собственными моделями машинного обучения.

Ниже перечислены службы, входящие в состав Azure Cognitive Services.

  • Решение — используется для создания приложений на основе принятия решений на основе контекста.
  • Язык — используется для анализа текста, человеческого языка и определения основного настроения.
  • Поиск — используется для встраивания Bing Search API в ваши приложения и веб-страницы, чтобы вы могли легко интегрировать мощные возможности поисковой системы в свои приложения.
  • Речь — используется для автоматического преобразования речи в текст и наоборот. Также включает функции для автоматического перевода текста с одного языка на другой.
  • Vision — позволяет обрабатывать изображения, видео и контент с цифровыми чернилами, чтобы вы могли идентифицировать, добавлять подписи и модерировать этот цифровой мультимедийный контент.

Как видите, эти когнитивные сервисы имеют узкую область применения и могут эффективно применяться в конкретных случаях использования. Они предоставляют предварительно обученные модели, которые можно легко использовать для конкретных функций, для которых они предназначены. Они просты в использовании и требуют небольших технических знаний, поэтому их может использовать любой человек, не обладающий обширными знаниями в области науки о данных.

Облачные службы машинного обучения Google

У Google есть два предложения услуг, которые обеспечивают поддержку инфраструктуры машинного обучения:

Vertex AI – это полноценный сервис машинного обучения, который позволяет разрабатывать пользовательские модели наиболее эффективным способом, а также развертывать и масштабировать их за меньшее количество шагов, чем если бы вам приходилось управлять инфраструктурой самостоятельно. Одним из основных преимуществ использования Vertex AI от Google является то, что он требует небольших знаний в области кодирования по сравнению с другими пользовательскими сервисами построения моделей.

AutoML можно использовать вместе с Vertex AL для дальнейшей автоматизации задач построения моделей и легкого обучения моделей. Google также предоставляет поддержку инфраструктуры искусственного интеллекта для разработки проектов глубокого обучения по сниженной цене.

Хотя Vertex AI и AutoML можно использовать для создания пользовательских моделей, Google также предоставляет множество предварительно обученных моделей для общего использования в таких сервисах, как Conversational AI и Document.

Разговорный ИИ предоставляет вам следующие возможности:

  • Преобразование речи в текст
  • Преобразование текста в речь
  • Обработка естественного языка, чтобы помочь проанализировать человеческий язык и определить настроение и значение
  • Виртуальные агенты для внедрения интеллектуальных чат-ботов
  • Agent Assist, чтобы помочь агентам быстро и точно получить доступ к соответствующей информации.
  • Dialogflow для создания естественного диалога в различных приложениях и платформах.
  • ИИ для контакт-центров (CCAI) и CCASI Insights для повышения эффективности колл-центров за счет предоставления агентам, взаимодействующим с клиентами, лучшего понимания.

Искусственный интеллект для документов помогает вам быстрее принимать решения, используя данные из ваших документов, и предоставляет следующие услуги:

  • Компьютерное зрение (включая оптическое распознавание символов) для сканирования документов в поисках текста
  • Обработка естественного языка для лучшего понимания неструктурированного текста
  • Перевод текста с одного языка на другой. Этот сервис также может автоматически определять язык по неструктурированному тексту.
  • Платформа Document API — это комплексное решение для работы с документами, которое позволяет выполнять настраиваемые рабочие процессы обработки документов и получать более подробные сведения из документов.
  • Анализатор счетов для помощи в автоматическом сборе данных из счетов
  • Парсер форм для извлечения значимой информации из документов.

AI for Industries предоставляет следующие услуги:

  • Медиа-перевод для создания стенограммы в реальном времени из аудиоинформации
  • Здравоохранение Естественный язык, чтобы помочь анализировать и извлекать информацию из медицинских документов
  • Рекомендации ИИ для получения персонализированных предложений и рекомендаций на основе контекста, данных о клиентах и ​​т. д.
  • Lending DocAi явно обслуживает процесс кредитования, где его можно использовать для автоматизации обработки ипотечных документов.
  • Procurement DocAI помогает улучшить процесс закупок за счет автоматизации сбора данных из неструктурированных документов, таких как формы, счета-фактуры, счета и квитанции.

Облачные GPU и TPU

Google Cloud предоставляет ряд базовых строительных блоков, позволяющих специалистам по обработке и анализу данных предоставлять специализированную инфраструктуру, необходимую им для создания и обучения сложных моделей. Графические процессоры (GPU) долгое время считались вершиной производительности для рабочих нагрузок машинного обучения. У Google Cloud есть множество таких предложений, как и у других поставщиков облачных услуг. Google Cloud также предоставляет Cloud Tensor Processing Unit (TPU), который представляет собой специально разработанный ASIC для машинного обучения, который поддерживает такие продукты Google, как Translate, Photos, Search, Assistant и Gmail. Cloud TPU предназначен для запуска передовых моделей машинного обучения с помощью сервисов искусственного интеллекта в Google Cloud. Использование Cloud TPU дает значительные преимущества при построении и обучении моделей TensorFlow. TensorFlow — очень популярная библиотека с открытым исходным кодом для машинного обучения, разработанная Google. Поскольку Google разработал эту популярную библиотеку, многие специалисты по данным обращаются к Google Cloud как к лучшему месту для выполнения таких рабочих нагрузок.

Создание машинного обучения с нуля

ИТ-инженеры, обладающие обширными знаниями в области науки о данных и желающие создавать модели машинного обучения с нуля, могут использовать такие фреймворки, как Tensorflow, Pytorch и scikit-learn, на любой из общедоступных облачных платформ. Некоторые организации предпочитают отказываться от услуг платформы машинного обучения, предлагаемых облачными поставщиками, и запускать все на самых простых доступных виртуальных машинах. Такой подход может немного упростить перенос их инфраструктуры между поставщиками, но это означает, что их специалисты по машинному обучению тратят гораздо больше времени на подготовку базовой инфраструктуры. В наши дни большинство организаций, как правило, используют услуги машинного обучения от своего основного поставщика облачных услуг. Но в некоторых случаях определенные рабочие нагрузки машинного обучения могут лучше подходить от второго поставщика облачных услуг. Нередко можно увидеть организацию, которая в основном выполняет рабочие нагрузки в AWS, но экспортирует данные в Google Cloud, чтобы использовать определенные сервисы машинного обучения.

ExitCertified предоставляет десятки курсов по основам ML, а также авторизованные курсы по машинному обучению от AWS, Google Cloud и Microsoft Azure.

Первоначально опубликовано на https://www.exitcertified.com.