学习|AWS如何为AI工作者赋能？( 二 ) 来源：计算机世界如今

据了解，自推出以来， Amazon SageMaker一直在快速迭代。在过去一年中， Amazon SageMaker交付了50多项新功能。在本次re：Invent大会上， AWS再次发布了9项新功能，包括数据特征提取器Data Wranger、数据特征存储库Feature Store、自动化工作流Pipelines、模型偏差检测Clarify、对模型训练进行剖析的Deep Profiling for Amazon SageMaker Debugger、大型复杂深度学习模型的分布式训练Distributed Training、边缘端模型质量监控和管理Edge Manager和快捷起步工具JumpStart 。
据Swami透露，不断丰富的新功能，让Amazon SageMaker备受客户欢迎。虽然只推出短短三年时间，但已拥有了数万家客户，如3M、ADP、阿斯利康、Avis、拜耳、Bundesliga、Capital One、Cerner、Chick-fil-A、Convoy、达美乐比萨、富达投资、GE医疗、Georgia-Pacific、赫斯特、iFood、iHeartMedia、摩根大通、Intuit、联想、Lyft、国家橄榄球联盟、Nerdwallet、T-Mobile、汤森路透、Vanguard等知名企业。
而为了让机器学习更易用，更易拓展到广泛的使用者、应用场景和行业， AWS不仅打造了丰富的工具集，还推出了五项面向工业领域的开箱即用的解决方案，并将机器学习能力跟数据库进行嫁接，让机器学习拓展到数据开发者和数据分析师。
事实上，亚马逊本身利用机器学习技术已经有20多年时间了。 AWS大中华区云服务产品管理总经理顾凡指出， “这是AWS机器学习服务的深厚源泉。 ”据悉， 2016年， AWS就开始在云上提供机器学习服务，并发布了三个服务。 2017年， AWS开始加速，最近三年， AWS每年新增的机器学习服务和功能都超过200个。仅2020年一年， AWS就新增了250多项机器学习功能，释放了巨大的技术能力。
Swami强调，如今机器学习的技术壁垒已经大大降低，使AI工作者们能够在具有挑战性的问题上快速应用机器学习服务，快速响应这个不断变化的世界。尤其是在新冠疫情之下，企业可以应用机器学习来追踪疾病，找到新的方法来治疗病人，并加速疫苗的研发。 “他们能够做到这一点，是因为他们的模型建造者能够充分利用机器学习的潜力，发明这些技术，这也是驱动我们创新以及我们为什么要不断推出新功能的原因。 ”