Cегодня, Амазонка объявил о новом подходе, который, по его словам, сделает технологию машинного обучения доступной для большего числа разработчиков и бизнес-пользователей. Amazon на следующей неделе в Лас-Вегасе объявила о многочисленных новостях по поводу клиентов Re: Invent.
Несмотря на то, что компания предлагает множество инструментов для ученых, занимающихся разработкой данных, для построения моделей машинного обучения и обработки, хранения и визуализации данных, она хочет предоставить эту возможность непосредственно в руки разработчиков с помощью популярного языка запросов к базе данных SQL.
Используя преимущества таких инструментов, как Amazon QuickSight, Aurora и Athena, в сочетании с SQL-запросами, разработчики могут получить гораздо более прямой доступ к моделям машинного обучения и базовым данным без какого-либо дополнительного кодирования, говорит вице-президент по искусственному интеллекту AWS Мэтт Вуд.
«Это объявление целиком облегчает разработчикам добавление прогнозов машинного обучения в их продукты и процессы, интегрируя эти прогнозы непосредственно со своими базами данных», – сказал Вуд TechCrunch.
Для начала Вуд говорит, что разработчики могут использовать Aurora, совместимую с SQL (и Postgres) базу данных компании, для создания простого SQL-запроса в приложении, которое автоматически извлекает данные в приложение и запускает любую модель машинного обучения, с которой разработчик ассоциируется. Это.
Вторая часть связана с Athena, службой обработки запросов без сервера. Как и в случае с Aurora, разработчики могут написать SQL-запрос – в данном случае к любому хранилищу данных – и на основе выбранной ими модели машинного обучения вернуть набор данных для использования в приложении.
Последняя часть – QuickSight, инструмент Amazon для визуализации данных. Используя один из других инструментов для возврата некоторого набора данных, разработчики могут использовать эти данные для создания визуализаций на их основе в любом приложении, которое они создают.
«Делая сложные прогнозы ML более доступными с помощью SQL-запросов и панелей мониторинга, объявленные нами сегодня изменения помогают сделать ML более удобным и доступным для разработчиков баз данных и бизнес-аналитиков. Теперь любой, кто может писать SQL, может делать – и, что важно, использовать – предсказания в своих приложениях без какого-либо специального кода », – написал Мэтт Ассай из Amazon в своем блоге, объявляя об этих новых возможностях.
Ассай добавил, что такой подход намного проще, чем то, что разработчикам приходилось делать в прошлом, чтобы достичь этого. «Часто требуется много трудоемкой ручной работы, чтобы принять эти прогнозы и сделать их частью более широкой панели мониторинга приложений, процессов или аналитики», – написал он.
В качестве примера, Вуд предлагает модель оценки потенциальных клиентов, которую вы можете использовать для выбора наиболее вероятных целей продаж для конвертации. «Сегодня для того, чтобы выполнить подсчет свинца, вы должны отключить и соединить все эти части вместе, чтобы иметь возможность вводить прогнозы в приложение», – сказал он. С этой новой возможностью вы можете добраться туда намного быстрее.
«Теперь, как разработчик, я могу просто сказать, что у меня есть эта модель оценки потенциальных клиентов, которая развернута в SageMaker, и все, что мне нужно сделать, это написать буквально одну инструкцию SQL, которую я делаю весь день в Aurora, и я могу начать возвращаться что ведущий забил информацию. А потом я просто показываю это в своем заявлении и ухожу », – объяснил Вуд.
Что касается моделей машинного обучения, то они могут быть предварительно собраны в Amazon, разработаны собственной группой по изучению данных или приобретены на рынке моделей машинного обучения в Amazon, говорит Вуд.
Сегодняшние объявления от Amazon призваны упростить машинное обучение и доступ к данным, а также сократить объем кодирования, позволяющий быстрее получать ответы на запросы.