0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
电子发烧友
开通电子发烧友VIP会员 尊享10大特权
海量资料免费下载
精品直播免费看
优质内容免费畅学
课程9折专享价
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

AWS的部分優(yōu)秀機器學習工具整理

倩倩 ? 來源:segmentfault ? 2020-07-17 10:16 ? 次閱讀

隨著技術和生態(tài)的不斷演進、應用場景的不斷探索,機器學習已然不再僅僅停留在實驗室當中。無論是日新月異的互聯(lián)網應用,還是求新求變的企業(yè)轉型,機器學習都得到了廣泛的應用,逐步成為驅動業(yè)務的關鍵技術。

機器學習在近 30 多年已發(fā)展為一門多領域交叉學科,也已廣泛應用于數(shù)據(jù)挖掘、計算機視覺、自然語言處理、生物特征識別、搜索引擎、醫(yī)學診斷、檢測信用卡欺詐、證券市場分析、DNA 序列測序、語音和手寫識別、戰(zhàn)略游戲和機器人等領域。

為了幫助大家更便捷的解決這些實際問題,讓數(shù)據(jù)科學家、算法工程師、業(yè)務開發(fā)者都能輕松駕馭機器學習,AWS 推出了各式各樣的機器學習工具,包括:ML 服務類、API 類、AI 服務工具類等。

今天,我們就對 AWS 的部分優(yōu)秀機器學習工具做一個整理,分享給各位行業(yè)從業(yè)者。

一。 ML 服務類機器學習工具

1. Amazon SageMaker

Amazon SageMaker 是一項完全托管的服務,可為每位開發(fā)人員和數(shù)據(jù)科學家提供快速構建、訓練和部署機器學習 (ML) 模型的能力。

開發(fā)者可以在一個集成的可視界面中編寫代碼、跟蹤實驗、可視化數(shù)據(jù)以及進行調試和監(jiān)控。從完整的平臺 IDE,到具體代碼與 API,SageMaker 都有一種 Pythonic 精神,簡潔易用,同時提供高級的接口。消除了機器學習過程中的每個步驟的繁重工作,讓開發(fā)者能夠更輕松地開發(fā)高質量模型,提高開發(fā)人員的工作效率。

2020 年 4 月底,SageMaker 在 AWS 中國的北京區(qū)域和寧夏區(qū)域上正式開放。就在前不久,在國內開始正式開放。這標志著 AWS 人工智能、機器學習平臺服務的關鍵技術已全面進入中國。

工具亮點:

這是第一個用于機器學習的完全集成式開發(fā)環(huán)境 (IDE)

單一集成的可視界面操作,大幅提高開發(fā)效率

可自動構建、訓練和調試完全可視和可控的模型

使用 Amazon SageMaker Ground Truth 將數(shù)據(jù)標記成本降低多達 70%

使用 Amazon Elastic Inference 可將機器學習推理成本降低多達 75% API 類

二。 API 類機器學習工具

1. 文本轉語音:Amazon Polly

Amazon Polly 是一項云服務,可以將文本轉化為逼真的語音。支持多種語言,并包含各種逼真的聲音,因此你可以構建在多個位置工作的支持語音的應用程序,并為你的客戶使用理想的語音。

此外,Amazon Polly 還包含許多神經文本到語音轉換 (NTTS) 語音,通過新的機器學習方法為語音質量帶來突破性的改進,從而為客戶提供盡可能最自然的文本到語音的似人類的語音。神經 TTS 技術還支持播音員風格,專為新聞播報使用案例量身定制。

Amazon Polly 的常用案例包括移動應用程序(如新聞閱讀器、游戲、電子學習平臺)、視障人士輔助功能應用程序以及快速增長的物聯(lián)網IoT) 細分市場。Alexa 語音助手的品牌定制語音服務,就是通過 Amazon Polly 語音合成平臺提供的。

工具亮點:

高質量:新的神經 TTS 和一流的標準 TTS 技術,可合成發(fā)音精度極高的超自然語音;

支持多種語言和語音:支持數(shù)十種語音語言,并為大多數(shù)語言提供男性和女性語音選項。

經濟實惠:Amazon Polly 采用按需付費定價模式,每字符轉換成本低廉,并且支持無限次重放,使企業(yè)能夠以經濟高效的方式為應用程序添加語音功能。

2.語音轉文本:Amazon Transcribe

Amazon Transcribe 是一項自動語音識別 (ASR) 服務,讓開發(fā)人員能夠輕松地為其應用程序添加語音轉文本功能。通過使用 Amazon Transcribe API,可以分析 Amazon S3 中存儲的音頻文件,并讓該服務返回一個轉錄的語音文本文件。開發(fā)人員還可以將實時音頻流發(fā)送到 Amazon Transcribe,并實時接收轉錄流。

Amazon Transcribe 可用于很多常見應用程序,包括客戶服務通話轉錄,以及基于音頻和視頻內容生成字幕。該服務可以轉錄以常見格式(例如 WAV 和 MP3)存儲的音頻文件,并為每個詞附加時間戳,以便開發(fā)者可以通過搜索文本輕松找到原始源中的音頻。

工具亮點:

便于閱讀的轉錄:Amazon Transcribe 采用深度學習功能自動添加標點符號和格式,從而使輸出內容更容易理解,無需進一步編輯即可直接使用。

生成時間戳:Amazon Transcribe 會為每個詞返回時間戳,以便可以通過搜索文本輕松找到原始錄音中的音頻。

自定義詞匯表:Amazon Transcribe 支持擴展和自定義語音識別詞匯表。使用者可以將新詞添加到基本詞匯表中,并生成使用案例特定的高度準確的轉錄,例如產品名稱、域特定術語或個人姓名。

識別多個講話者:Amazon Transcribe 能夠識別出講話者的變化,并相應地確定轉錄文本的歸屬。這樣可以顯著減少轉錄具有多個講話者的音頻(例如電話、會議和電視節(jié)目)所需的工作量。

3.從文檔中提取文本和數(shù)據(jù):Amazon Textract

Amazon Textract 是一項從掃描的文檔中自動提取文本和數(shù)據(jù)的服務。Amazon Textract 的功能不只是簡單的光學字符識別 (OCR),它還可以識別表單中字段的內容和表格中存儲的信息。

借助 Textract,開發(fā)人員可以快速自動執(zhí)行文檔工作流,數(shù)小時可處理數(shù)百萬個文檔頁面。此外,開發(fā)人員還可以創(chuàng)建智能搜索索引,構建自動批準工作流,并通過標記可能需要校訂的數(shù)據(jù),更好地保持對文檔存檔規(guī)則的符合性。

結合 Amazon Augmented AI (Amazon A2I) 后,開發(fā)人員可以通過內置人工審核來管理需要人工判斷的細微或敏感工作流,從而取得高確信度的預測或對預測進行持續(xù)審計。

工具亮點:

快速準確地提取數(shù)據(jù):Amazon Textract 可以自動檢測文檔的布局和頁面上的關鍵元素,了解任何嵌入式表單或表格中的數(shù)據(jù)關系,并提取附帶完整上下文的所有內容。

無需維護代碼或模板:借助 Amazon Textract 預先經過訓練的機器學習模型,無需為數(shù)據(jù)提取編寫代碼,不需要為可能收到的每個文檔或表單維護代碼,也不必擔心頁面布局隨著時間的推移而發(fā)生變化。

更低的文檔處理成本:Amazon Textract 以非常低的成本提供 OCR 和結構化數(shù)據(jù)提取(表單和表格),你只需按照實際使用量付費,無需預先承諾或長期合同。

三。 AI 服務類機器學習工具

1. 代碼審查工具 —— Amazon CodeGuru

Amazon CodeGuru 是一種機器學習服務,可自動執(zhí)行代碼審查,并提供應用程序性能建議。它可以幫助開發(fā)人員找到影響應用程序性能的代碼行,并版主進行問題排查,然后提供修復或改進代碼的具體建議。

CodeGuru 由機器學習、最佳實踐以及經在開源項目和 Amazon 內部分析數(shù)百萬項代碼審查和數(shù)千個應用程序后總結出來的經驗教訓提供支持。

2. 快速構建深度學習應用程序 —— AWS Deep Learning AMI

AWS Deep Learning AMI (DLAMI) 是在云中進行深度學習的一站式商店,可以為機器學習從業(yè)人員和研究人員提供基礎設施和各種工具,從而加快在云中進行任意規(guī)模的深度學習的速度。

通過 DLAMI,開發(fā)人員可以快速啟動預先安裝了常見深度學習框架和界面(如 TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras)的 Amazon EC2 實例來訓練復雜的自定義 AI 模型、試驗新算法或學習新技能和技巧。

無論需要 Amazon EC2 GPU 還是 CPU 實例,都無需為 Deep Learning AMI 支付額外費用。只需為存儲和運行應用程序所需的 AWS 資源付費。

AWS Deep Learning AMI 可在專為推理設計的基于 Intel 的 Amazon EC2 C5 實例上運行。AMI 預安裝了 NVIDIA CUDA 和 cuDNN 驅動程序,可以有效縮短完成計算所需的時間。

為了簡化軟件包的管理和部署,AWS Deep Learning AMI 安裝了 Anaconda2 和 Anaconda3 數(shù)據(jù)科學平臺,可以進行大規(guī)模數(shù)據(jù)處理、預測分析和科學計算。

工欲善其事必先利其器,想要進行機器學習方面的工作研究,配合上優(yōu)秀的工具一定可以事半功倍。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 計算機視覺
    +關注

    關注

    8

    文章

    1700

    瀏覽量

    46086
  • 機器學習
    +關注

    關注

    66

    文章

    8438

    瀏覽量

    132967
  • 自然語言處理

    關注

    1

    文章

    619

    瀏覽量

    13621
收藏 0人收藏

    評論

    相關推薦

    傳統(tǒng)機器學習方法和應用指導

    用于開發(fā)生物學數(shù)據(jù)的機器學習方法。盡管深度學習(一般指神經網絡算法)是一個強大的工具,目前也非常流行,但它的應用領域仍然有限。與深度學習相比
    的頭像 發(fā)表于 12-30 09:16 ?359次閱讀
    傳統(tǒng)<b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法和應用指導

    如何選擇云原生機器學習平臺

    當今,云原生機器學習平臺因其彈性擴展、高效部署、低成本運營等優(yōu)勢,逐漸成為企業(yè)構建和部署機器學習應用的首選。然而,市場上的云原生機器
    的頭像 發(fā)表于 12-25 11:54 ?151次閱讀

    Arm與AWS合作深化,AWS Graviton4展現(xiàn)顯著進展

    Arm與亞馬遜云科技(AWS)的長期合作關系,一直致力于為云計算領域帶來性能更強勁、更高效和可持續(xù)的解決方案。雙方通過專用芯片和計算技術的結合,不斷推動云計算的發(fā)展。 在近期舉行的AWS re
    的頭像 發(fā)表于 12-18 14:17 ?234次閱讀

    什么是機器學習?通過機器學習方法能解決哪些問題?

    來源:Master編程樹“機器學習”最初的研究動機是讓計算機系統(tǒng)具有人的學習能力以便實現(xiàn)人工智能。因為沒有學習能力的系統(tǒng)很難被認為是具有智能的。目前被廣泛采用的
    的頭像 發(fā)表于 11-16 01:07 ?491次閱讀
    什么是<b class='flag-5'>機器</b><b class='flag-5'>學習</b>?通過<b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法能解決哪些問題?

    NPU與機器學習算法的關系

    在人工智能領域,機器學習算法是實現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復雜度的提升,對計算資源的需求也在不斷增長。NPU作為一種專門為深度學習機器
    的頭像 發(fā)表于 11-15 09:19 ?579次閱讀

    eda在機器學習中的應用

    機器學習項目中,數(shù)據(jù)預處理和理解是成功構建模型的關鍵。探索性數(shù)據(jù)分析(EDA)是這一過程中不可或缺的一部分。 1. 數(shù)據(jù)清洗 數(shù)據(jù)清洗 是機器學習
    的頭像 發(fā)表于 11-13 10:42 ?377次閱讀

    機器學習在數(shù)據(jù)分析中的應用

    隨著大數(shù)據(jù)時代的到來,數(shù)據(jù)量的爆炸性增長對數(shù)據(jù)分析提出了更高的要求。機器學習作為一種強大的工具,通過訓練模型從數(shù)據(jù)中學習規(guī)律,為企業(yè)和組織提供了更高效、更準確的數(shù)據(jù)分析能力。本文將深入
    的頭像 發(fā)表于 07-02 11:22 ?768次閱讀

    深度學習與傳統(tǒng)機器學習的對比

    在人工智能的浪潮中,機器學習和深度學習無疑是兩大核心驅動力。它們各自以其獨特的方式推動著技術的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于機器
    的頭像 發(fā)表于 07-01 11:40 ?1513次閱讀

    請問ESP32-WROVER-KIT如何通過AWS IoT Device Tester (IDT) 的測試?

    我們是一間臺灣的公司(正文科技),目前使用 ESP32-WROVER-KIT 開發(fā)連接 AWS 的 IoT 產品,SDK 是 Amazon FreeRTOS。 AWS 要求我們通過 \"
    發(fā)表于 06-28 07:51

    用按鍵來發(fā)布消息,AWS訂閱消息,按鍵能用但就是在AWS平臺上看不到信息,怎么解決?

    aws_root_ca_pem_start[] asm(\"_binary_aws_root_ca_pem_start\"); extern const uint8_t
    發(fā)表于 06-20 06:06

    SI學習資料整理:說一說PCB和PCBA

    整理SI資料之前,先整理一些基本的PCB概念的東西,幫助后面更好的理解。
    的頭像 發(fā)表于 05-21 15:19 ?814次閱讀
    SI<b class='flag-5'>學習</b>資料<b class='flag-5'>整理</b>:說一說PCB和PCBA

    請問PSoC? Creator IDE可以支持IMAGIMOB機器學習嗎?

    我的項目使用 POSC62 MCU 進行開發(fā),由于 UDB 模塊是需求的重要組成部分,所以我選擇了PSoC? Creator IDE 來進行項目開發(fā)。 但現(xiàn)在,由于需要擴展,我不得不使用機器學習模塊
    發(fā)表于 05-20 08:06

    stm32 AWS云連接怎么使用?

    stm32 AWS云連接怎么使用,官方的擴展包看不明白
    發(fā)表于 04-01 07:21

    機器學習8大調參技巧

    今天給大家一篇關于機器學習調參技巧的文章。超參數(shù)調優(yōu)是機器學習例程中的基本步驟之一。該方法也稱為超參數(shù)優(yōu)化,需要搜索超參數(shù)的最佳配置以實現(xiàn)最佳性能。
    的頭像 發(fā)表于 03-23 08:26 ?680次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>8大調參技巧

    優(yōu)秀的人,學習記筆記!文末有看海的點評

    放秘籍》-儀表放大器專項的優(yōu)秀學習筆記,說實話,我看了后感覺非常驚艷,簡約美觀,一目了然,部分筆記截圖如下,作者: 冰朔 咱們看上面的學習筆記,他有幾個非常贊的優(yōu)點: 對于一些概念,沒
    的頭像 發(fā)表于 03-22 18:19 ?1227次閱讀
    跟<b class='flag-5'>優(yōu)秀</b>的人,<b class='flag-5'>學習</b>記筆記!文末有看海的點評

    電子發(fā)燒友

    中國電子工程師最喜歡的網站

    • 2931785位工程師會員交流學習
    • 獲取您個性化的科技前沿技術信息
    • 參加活動獲取豐厚的禮品