亞馬遜公司（Amazon.com）旗下的Amazon Web Services今天宣布推出Amazon Machine Learning（亞馬遜機器學(xué)習(xí)），這是一項全面的托管服務(wù)，讓任何開發(fā)者都能夠輕松使用歷史數(shù)據(jù)開發(fā)并部署預(yù)測模型。這些模型用途廣泛，包括檢測欺詐、防止用戶流失并改進用戶支持。基于與亞馬遜公司內(nèi)開發(fā)者所使用的同樣經(jīng)過驗證、高度可擴展并且每周生成超過500億個預(yù)測的機器學(xué)習(xí)技術(shù)，亞馬遜機器學(xué)習(xí)的API和向?qū)軌驗殚_發(fā)者提供關(guān)于機器學(xué)習(xí)模型的創(chuàng)建和調(diào)試流程的指導(dǎo)，從而輕松部署并擴展模型，支持數(shù)十億級別的預(yù)測。Amazon Machine Learning能夠與Amazon Simple Storage Service（Amazon S3） 、Amazon Redshift和Amazon Relational Database Service（Amazon RDS）集成，讓客戶輕松使用存儲在AWS云服務(wù)上的已有數(shù)據(jù)。關(guān)于如何開始使用亞馬遜機器學(xué)習(xí)，請訪問：http://aws.amazon.com/machine-learning。   

目前，由于需要統(tǒng)計學(xué)、數(shù)據(jù)分析和機器學(xué)習(xí)等方面的專業(yè)知識，只有極少數(shù)開發(fā)者能夠利用機器學(xué)習(xí)功能建立應(yīng)用。另外，傳統(tǒng)意義上的機器學(xué)習(xí)應(yīng)用方法涉及很多手動、重復(fù)和容易出錯的任務(wù)，例如計算匯總統(tǒng)計學(xué)、進行數(shù)據(jù)分析、通過機器學(xué)習(xí)算法利用數(shù)據(jù)訓(xùn)練模型、評估和優(yōu)化模型，然后才能使用該模型生成預(yù)測。通過降低復(fù)雜性并對上述步驟進行自動化，亞馬遜機器學(xué)習(xí)讓所有軟件開發(fā)者都可以廣泛地使用機器學(xué)習(xí)技術(shù)。借助亞馬遜機器學(xué)習(xí)，開發(fā)者可以使用AWS管理控制臺或API來快速地根據(jù)需要創(chuàng)建大量模型，并利用這些模型生成大吞吐量的預(yù)測，而不必擔(dān)心配置硬件、分發(fā)和縮放計算負載、管理依賴性或監(jiān)測和修復(fù)基礎(chǔ)架構(gòu)故障等問題。由于沒有準備成本，開發(fā)者可以按使用情況付費，能夠從小規(guī)模開始并隨著應(yīng)用的擴展而擴大使用規(guī)模。 

亞馬遜機器學(xué)習(xí)高級經(jīng)理Jeff Bilger表示：“亞馬遜擁有悠久的機器學(xué)習(xí)傳統(tǒng)。它支持Amazon.com為客戶推薦商品，讓Amazon Echo能夠根據(jù)你的聲音做出回應(yīng)，讓我們能夠在30分鐘內(nèi)就可以卸載滿滿一卡車的商品并完成上架。我們很早就意識到，只有讓亞馬遜公司內(nèi)的所有開發(fā)者都能使用機器學(xué)習(xí)，才能充分發(fā)揮這項技術(shù)的潛力。亞馬遜機器學(xué)習(xí)源自我們從數(shù)千名亞馬遜開發(fā)者快速建立模型、進行實驗并擴展至全球性預(yù)測應(yīng)用的過程中所學(xué)到的經(jīng)驗。” 

由于高質(zhì)量的數(shù)據(jù)對于開發(fā)精確的模型至關(guān)重要，亞馬遜機器學(xué)習(xí)讓開發(fā)者能夠?qū)τ糜?ldquo;訓(xùn)練”模型以發(fā)現(xiàn)數(shù)據(jù)模式規(guī)律的數(shù)據(jù)集的統(tǒng)計屬性進行可視化處理。這樣，開發(fā)者就能夠更好地理解數(shù)據(jù)分布，并在模型訓(xùn)練之前發(fā)現(xiàn)缺失或無效的值，從而節(jié)約時間。之后，亞馬遜機器學(xué)習(xí)會自動變換用于訓(xùn)練的數(shù)據(jù)并優(yōu)化機器學(xué)習(xí)算法，開發(fā)者不需要深入理解機器學(xué)習(xí)算法或調(diào)試參數(shù)，即可創(chuàng)建***模型。通過使用亞馬遜機器學(xué)習(xí)技術(shù)，在沒有任何機器學(xué)習(xí)經(jīng)驗的前提下，單個亞馬遜開發(fā)者可以在20分鐘內(nèi)解決之前需要兩名開發(fā)者花費45天才能解決的問題——并且所建立的模型同樣能夠?qū)崿F(xiàn)92%的精確度。一旦模型創(chuàng)建完畢，開發(fā)者就可以直接從亞馬遜機器學(xué)習(xí)輕松地進行批量處理或生成實時預(yù)測，無需開發(fā)和管理自有基礎(chǔ)架構(gòu)。 

Comcast是一家全球性媒體與技術(shù)公司，擁有Comcast Cable和NBCUniversal兩大業(yè)務(wù)集團。Comcast數(shù)據(jù)科學(xué)研究團隊經(jīng)理Jan Neumann表示：“我們評估了亞馬遜機器學(xué)習(xí)，發(fā)現(xiàn)它能夠?qū)ξ覀兊臄?shù)據(jù)科學(xué)分析提供很大幫助。在評估中，我們特別喜歡它能夠以可視化的方式探索參數(shù)設(shè)置和分類性能之間的平衡。通過亞馬遜機器學(xué)習(xí)，我們可以非常簡單地準備和清理輸入數(shù)據(jù)，迅速地利用大型數(shù)據(jù)集訓(xùn)練模型。”  

亞馬遜可持續(xù)包裝團隊為亞馬遜配送提供更小巧、更環(huán)保的包裝，同時仍能夠保護配送物品。亞馬遜全球可持續(xù)發(fā)展總監(jiān)Kara Hurst表示：“我們利用亞馬遜機器學(xué)習(xí)來分析客戶對包裝的反饋，并創(chuàng)建預(yù)測以發(fā)現(xiàn)適合我們的Frustration Free簡易包裝和電子商務(wù)包裝標準的商品。亞馬遜機器學(xué)習(xí)已經(jīng)幫助我們更好地發(fā)現(xiàn)造成浪費和讓客戶不滿的產(chǎn)品包裝。我們能夠利用現(xiàn)有數(shù)據(jù)并快速地開發(fā)預(yù)測模型，在幾個星期內(nèi)即可在生產(chǎn)中部署。因此，我們能夠為客戶提供更環(huán)保的商品和包裝。” 

Space Ape Games是一家知名的移動與平板電腦游戲創(chuàng)業(yè)公司，開發(fā)了《競逐者之國（Rival Kingdoms）》和《武士圍攻（Samurai Siege）》等游戲。Space Ape Games***技術(shù)官、聯(lián)合創(chuàng)始人Toby Moore表示：“讓用戶持續(xù)玩我們的游戲的關(guān)鍵是預(yù)測他們最喜歡的內(nèi)容類型，例如直播活動和錦標賽，并讓游戲適應(yīng)他們的游戲風(fēng)格。通過使用亞馬遜機器學(xué)習(xí)服務(wù)，我們能夠更輕松、更精確地決策如何讓用戶保持興奮并享受《競逐者之國》和《武士圍攻》等游戲。亞馬遜機器學(xué)習(xí)給我們留下了深刻的印象，我們計劃在多個部門部署亞馬遜機器學(xué)習(xí)，以幫助我們?yōu)槟壳昂臀磥淼挠螒蚪⒑筒渴痤A(yù)測模型。對于我們的業(yè)務(wù)來說，這實在是令人興奮。”