我们来了。我们看到。我们喝从Amazon Web服务的一系列公告re:发明展示在异常寒冷的拉斯维加斯,冷却的风暴打击其他国家。

AWS推动机器学习更加民主和访问

今年,AWS透露产品方向是追赶,再度强调部分愿意仔细倾听客户的反馈。高能力、吞吐量和易用性在无情地下降的价位是常见的主题。该公司宣布一些新功能在其广泛和广阔的产品线,要求充分地覆盖成堆的PowerPoint幻灯片。

AWS首席执行官安迪·雅西在re:发明2019年主题
AWS首席执行官安迪·雅西在re:发明2019年主题

然而,关键从再保险:2019年发明,AWS继续推动民主化机器学习(ML)并且使其能够访问一个广泛的业务,开发人员,和创造者的角色。如果你是一个数据科学从业者,机器学习开发人员,或insights-driven商业领袖,这是你应该关心的重要声明:

机器学习的基础设施

  • Inferentia芯片和Inf1实例。该公司推出了定制Inferentia芯片旨在使推论更便宜、更快。新Inf1实例,可以在EC2(但在2020年的某个时间来SageMaker)集成Tensorflow, Pytorch, MXNet。AWS吞吐量以2/5的成本的三倍。
  • 亚马逊极光毫升集成。几天前宣布re:发明的能力是直接从SageMaker机器学习的预测和理解融入极光使用SQL数据库。这是不使用直接调用完成应用程序层,使它适合低延迟实时欺诈检测等用例或产品建议。
  • 毫升iOS和Android的放大特性。开发人员现在可以添加AI / ML-based利用pretrained模型用例。

机器学习服务

  • Alexa语音服务(AVS)现在是结合物联网的核心。这将降低建设成本的Alexa声音为设备在各种类别,尤其是resource-lean设备。
  • 模型原型与深Java Java库(DJL)。在Python语言的首选ML开发者,AWS点头了Java的流行在企业宣布DJL,开放源码库和API在Java开发和原型深度学习模型。DJL在Apache MXNet和Pytorch工作。
  • 在亚马逊QuickSight SageMaker推论。QuickSight是亚马逊的业务分析和可视化服务。AWS Quicksight使得机器学习的预测。用户现在可以连接到不同的数据源并选择自定义,预先构建的,或者打包模型和管道QuickSight可视化和仪表板。
  • SageMaker Studio IDE。这是大的。AWS继续扩展SageMaker向其远景的一个机器学习环境规则,有许多新的功能和特性,打算让端到端的机器学习的平台完全成熟的基于web的IDE工作流。该公司宣布SageMaker Studio中的几个新特性来帮助减少繁重通常与机器学习相关联。这些包括SageMaker笔记本一键,弹性,充分管理Jupyter笔记本在一个EC2实例;SageMaker实验,一个共同的地方管理实验;SageMaker自动驾驶仪自动的机器学习工具,AWS承诺,避开黑盒方法提供数据科学家的可见性和控制到自动模型选择和决策过程;SageMaker模型监控,持续的监控模型的工具性能和概念漂移的自动检测;和SageMaker调试器,一个工具来识别和。调试出现的问题在机器学习培训工作。
  • Explainability和human-in-the-loop工作流。该公司获得了与其他超大型毫升平价发行公告在explainability和human-augmented推理模型。新的亚马逊增强人工智能服务(A2I)允许改进推理允许人类评论者来验证机器学习的预测。与工具集成到SageMaker,人类通过A2I见解,和基本的研究新方法的可解释性,如世鹏科技电子(夏普利添加剂的解释),AWS希望支持创造更多可解释模型。然而,AWS严谨在我们的数据安全和隐私问题,这意味着维护用户的负担和保护个人身份信息(PII)目前都完全取决于AWS A2I顾客使用。

人工智能应用程序和服务

  • 在Rekognition自定义标签。AWS的计算机视觉图像和视频服务,Rekognition,现在允许自定义标签,让企业上传自己的图片领域特定的用例。
  • 亚马逊坎德拉企业搜索。AWS亮相坎德拉,一个新的machine-learning-powered企业搜索服务。公司声称,坎德拉可以总知识构件和文档来自企业内部的孤立的存储库(如箱、Dropbox, SharePoint,办公室文件,Salesforce,等等)来创建一个intent-based提供更有用的搜索索引,语境化和相关的基于自然语言查询的答案。客户可以设置坎德拉从AWS控制台。
  • 转录医疗。抄写医疗服务,自然语言特别适用于医疗文档减少文档工作量对于医生和医护人员。
  • 亚马逊欺诈探测器。AWS填充一个清晰的产品差距通过宣布一项服务,允许自定义欺诈检测模型的自动构建和训练数据的科学家。
  • 亚马逊CodeGuru。如果有一个单一的“一件事”时刻re:发明,今年CodeGuru声明它。这是一个服务,它使用机器学习自动化代码检查。开发人员可以使用CodeGuru可以通过添加它将请求。CodeGuru包括评论家和分析器工具捕获代码问题,确定贵行代码,并建议简化代码的方法。CodeGuru可以在现收现付制月度定价基于行代码检查和抽样数量的小时应用程序概要文件。
  • 亚马逊连接。AWS的唯一业务应用程序,云呼叫中心套件连接,增加了先进的基于机器学习的分析与隐形眼镜。服务自动转录和分析客户电话等各种问题的负面情绪,合规失误,出现长时间的停顿。隐形眼镜整合成一个单一的一键能力的构建块的一些客户会有零星组装,在其他AWS服务,创建有用的分析。AWS说,公司也致力于在2020年的某个时间发布实时调用转录。

。我错过了什么?哦,他们也有machine-learning-driven键盘使用生成的人工智能创造非常糟糕的音乐。

它意味着什么

  • AWS是潜水深入企业云业务。与去年相比,当AWS强调完全拥抱现代建筑,我们可以看到,今年AWS已经转向更加务实的数字转换,如管理领导下,灵活go-cloud路径,并对遗留资产的尊重。从产品开发的角度来看,尽管AWS已经迅速发展在云服务的广度和深度在过去,今年我们可以看到AWS为企业开发人员提供更多的灵活性和便利性,i o优点通过精炼的粒度服务功能和加强服务抽象和组装。
  • 机器学习在公共云是主流。公共云改善毫升发展敏捷性和提供人工智能积木,成为新兴技术创新的价值基础。全球的企业都在使用云中的毫升提升数字业务。在Forrester的两个报告北美和亚太地区,我们描述的ML的公共云服务生态系统组成的三个功能部分:核心服务、应用服务和基础设施服务。你应该考虑使用一个混合架构在公共和私人环境和评估计算的使用优势,专注于自动化,加快可持续的创新和评估互操作性。

查理•戴和我将覆盖2020年机器学习在云中广泛,现在科技报告在Q2,紧随其后的是一波Forrester™在今年晚些时候。我们很乐意听到你的反应在re:公告2019年发明,以及你的经历与不同hyperscalers的机器学习产品和服务。像往常一样,你可以达到我们度过Forrester简报(供应商)或请求一个调查选择我们的大脑或分享你的经验。