機器學習時代的到來，他們用 Amazon SageMaker 來作這些！

什麼是 Amazon SageMaker?

爲了解決機器學習自己存在的諸多問題，讓數據科學家、算法工程師、業務開發者都能輕鬆駕馭機器學習，AWS 於2017年11月推出了 Amazon SageMaker 機器學習平臺服務，而且在過去的兩年多裏不斷豐富功能組件。在 Gartner 發佈的 2020 年雲上 AI 開發者服務魔力象限中，AWS 被評爲領導者， Amazon SageMaker 是其中不可或缺的一部分。

2020 年 4 月30日，Amazon SageMaker 在由光環新網運營的 AWS 中國（北京）區域和由西雲數據運營的 AWS 中國（寧夏）區域正式開放。

那麼，Amazon SageMaker 的功能到底有多強大？又有哪些企業應用 Amazon SageMaker 造就成功案例了呢？

如何運用 Amazon SageMaker 進行數據管理及部署工做

自從出現互聯網之後，數據的體量、增速和類型就不斷地增長。不少企業面臨的問題在於，如何管理並理解此「大數據」以獲得最理想的回報。

數據湖是一種集中的存儲庫，它能夠存儲任何規模的各類結構化和非結構化數據。考慮到更好的安全性、更快的部署、更好的可用性、更具彈性、更廣的地理覆蓋範圍以及與實際利用率相關的成本，讓數據湖成功爲企業創造高額商業價值迫在眉睫。

數據湖一般採用hub-and-spoke模型，其中中心帳戶包含控制數據源訪問權限的共享服務。咱們將hub帳戶稱做中央數據湖（Central Data Lake）。在 hub 帳戶的衆多服務中，咱們將重點關注與人工智能（AI）及機器學習（ML）最密切相關的幾個方面：攝入、清理、存儲和數據目錄。

閱讀具體案例請點擊：《數據橫流時代，機器學習如何改變大數據管理？》

Cinnamon AI
Cinnamon AI是一間總部設在日本的創業公司。其旗艦產品 Flax Scanner 是一種文檔閱讀器。該產品運用天然語言處理 (NLP) 算法實現自動化提取無結構的商業文件（如發票、收據、保險理賠和財務報表等）數據。

Cinnamon AI 選擇採用 AWS 開發其 ML 服務，由於 AWS 服務範圍較廣，且提供多種具備成本效益的訂價選項，以及精細化安全控制和技術支持。

「Amazon SageMaker 的託管 Spot 訓練功能已經對咱們的 AWS 成本節省工做產生了深遠影響。在使用託管 Spot 訓練後，咱們的 AWS EC2 成本足足下降了 70%。」 Cinnamon AI 基礎設施和信息安全辦公室總經理 Tetsuya Saito 表示。「此外，託管 Spot 訓練不須要複雜方法支持，經過 Amazon SageMaker 開發工具包便可輕鬆使用。」

下圖顯示了六個月內 Cinnamon AI 模型訓練成本節省變化趨勢。在 2019 年 6 月，該團隊將其 ML 工做量遷移至 AWS，隨後開始啓用 EC2 按需實例進行模型訓練。他們還針對使用按需實例的模型訓練採用了 Amazon SageMaker，下降了約 20% 左右的訓練成本。此外，他們在 2019 年 11 月經過託管 Spot 訓練將 Spot 實例用於模型訓練，大幅下降成本，成本節省率達到 70% 之多。他們在成本節省方面所取得的顯著成果也使得他們在保持下降成本開銷的同時，將平常模型訓練做業量提高了 40%。

閱讀具體案例請點擊：《自從有了TA，每一年可節約90%的成本！》

虎牙直播
做爲一家以遊戲爲核心的直播平臺，虎牙直播算是國內早期進入直播行業的先驅者且快速成長爲年輕人喜好的彈幕式互動直播平臺。

基於大舉進軍海外市場的品牌戰略考慮，虎牙直播首選Amazon Web Services（AWS）做爲其雲服務商，助力虎牙直播完美應對全球化運營的挑戰。

直播行業市場空間有限，企業彙集過剩，如何進一步提高其產品競爭力成了虎牙直播在全球化戰略下需亟待解決的難題。

爲此，虎牙直播不斷嘗試和利用 AWS 新服務，其中便包括利用 Amazon SageMaker 在雲上訓練機器學習模型，靈活調配資源，節省成本。

閱讀具體案例請點擊：《直播正當紅，如何利用機器學習進一步**增強產品競爭力？》

Formula 1

F1 與 Amazon Web Services (AWS) 的聯手，即是速度與智慧強強結合最佳的證實。

做爲一項數據驅動的運動，在每場競賽中，每輛 F1 賽車的 120 個傳感器生成 3GB 數據，每秒生成 1500 個數據點。Formula 1 的數據專家正使用 Amazon SageMaker 培訓深度學習模型，用 65 年的歷史競賽數據來提取關鍵競賽成績統計數據，進行競賽預測，並讓粉絲深刻了解車隊和車手採用的瞬間決策和戰略。

自 2017年 推出 Amazon SageMaker 以來，使用該服務的客戶數量在不斷增長。爲能幫忙開發人員更高效地工做，AWS 統一了 ML 開發所需的全部工具，打造了 Amazon SageMaker Studio，讓開發人員能夠在一個集成的可視界面中編寫代碼、跟蹤實驗、可視化數據以及進行調試和監控，從而極大地提升了開發人員的工做效率。

閱讀具體案例請點擊：《快一點！再快一點！看 F1 如何利用機器學習加速酣暢體驗！》