云计算可以为机器学习提供什么?

如今，很多人都在学习机器学习（ML）。对于许多企业来说，这绝对是一个很好的发展趋势，因为机器学习能够以相当快速和简单的方式提供巨大的价值。因此，企业对机器学习技能的需求处于历史最高水平。调研机构麦肯锡公司就人工智能如何塑造行业以及所带来的机遇发布了一个综合报告。

目前出现了机器学习的大规模学习浪潮，企业员工需要在这个快节奏发展的行业中拥有更先进的工作技能！但是，他们学的是正确的技能吗？

知识上的差距

大多数机器学习课程都是面向机器学习的理论。机器学习理论实际上是一些科学知识，例如数学和基本编程。学习者需要学习线性代数、反向传播、统计学，以及金融、计算机视觉、语言学等一些行业领域的专业知识。当实施先进的机器学习算法时，这些知识都很有用。

但是，什么时候创建实际的产品呢？一旦创建了机器学习算法，就完成了研究部分。然后真正开始工作。那么如何将模型的结果传递给最终用户？这里存在知识差距。

在通常情况下，如果用户需要这种精确度，那么在边缘运行的硬件不够强大，无法像深度神经网络那样运行。在当今世界中，需要一些强大的硬件才能以合理的速度运行它，这意味着在云上运行机器学习API。

用于机器学习的云计算

云计算是现实世界机器学习应用程序背后的关键。如果希望同时获得速度和准确性，则不要在边缘运行机器学习模型；而是在云计算服务器上运行该模型，并将结果发送回用户。用户可以将系统管道实现自动化，并准备好根据用户流量自动扩展。

在机器学习方面，该领域的三大巨头分别是亚马逊的AWS、谷歌云平台、微软Azure。AWS是迄今为止最受欢迎的云平台。它对开发人员来说非常适用，因为它比较容易上手，并且真正允许用户控制和自定义其需要的所有内容。微软Azure则更加高级，意味着很多东西都是从开发人员那里抽象出来的。这将为用户提供简单使用和控制功能。谷歌云平台（GCP）位于两者之间，虽然有一些抽象内容，但不是太多。

我将解释AWS的一些有用的机器学习相关产品，因为它是最受欢迎的，但其他平台以类似的方式提供大多数（但不是全部）模块。

云计算可以提供什么

以亚马逊的AWS为例，这里列出了云计算可以提供的内容，以及如何通过学习为用户提供机器学习的力量。

•Amazon EC2-Amazon EC2可以提供运行机器学习的服务器。你可以在服务器上设置机器学习模型。如果要在模型上运行某些内容，可以将要处理的数据发送到服务器，模型会对其进行处理，然后将其发送回用户。EC2还提供自动缩放功能，以便可以根据需求自动生成更多或更少的服务器。

•AWS Lambda-使用lambda，可以设置自动触发功能，只有在满足特定条件时才会运行。例如，只有当机器学习模块出现某些结果时，例如某些紧急情况，其lambda函数才会向用户发送电子邮件。

•Amazon S3-云存储。具有成本非常低，99.9999999％的正常运行时间，快速的下载和上传速度等优点。

•Amazon RDS-用于MySQL、Postgre SQL、Oracle、SQLServer、MariaDB的托管关系数据库服务。在此处为机器学习提供数据、API、基础架设施、模型结果等组织所有重要数据服务。

•AWS Code Deploy-只要将代码和新机器学习模型提交到GitHub，就会自动将其部署到服务器上。

•AWS Cloud watch-在线记录以持续监控机器学习系统。

•Amazon Simple QueueService（SQS）-云中托管的队列。使用云计算队列保持机器学习井然有序。

•AWS MobileHub-使用云计算远程构建、测试和监控应用程序。用户只需登录AWS账户，无需人工从应用程序中提取数据。

•Amazon API Gateway-在云中以任何规模构建、部署和管理API。在简单的地方可以获得用户需要的所有信息。

•Amazon Sagemaker-使用高级易用界面构建、培训和测试用户的机器学习模型。

尝试学习云计算课程

而现在人们知道云计算对于应用在现实世界的机器学习非常重要。

但这还不够！现在是实际使用所学习知识的时候了！那么为什么不尝试学习云计算课程呢？谷歌云平台的Coursera很好，AWS的Udemy也是如此。与往常一样，实际使用平台来学习云计算是一个好主意。AWS提供一年免费套餐，如果想采用付费套餐，他们提供的服务也不太贵。而谷歌云平台还为新用户提供300美元的免费积分。
       责任编辑:tzh