Blog

2018年12月23日

什么是更好的,腾讯云或在AWS上自带机器学习算法?

如今,许多公司将机器学习解决方案集成到他们的分析工具集中,以加强品牌管理,改善客户体验并提高运营效率。机器学习模型是机器学习解决方案的核心组件。使用数学算法和大数据集训练模型以进行可靠的预测。预测的两个常见示例是(1)基于从社交媒体收集的输入来确定一组金融交易是否指示欺诈或(2)评估产品周围的消费者情绪。

Amazon SageMaker是一项完全托管的服务,可让开发人员数据科学家构建,培训和部署机器学习模型。在SageMaker中,您可以使用开箱即用的算法,或者使用自带的路径获得更加个性化的解决方案。这两种选择都是有效的,同时也是成功的机器学习解决方案的基础。

(编者注:你可以在这里看到SageMaker的其他替代品。)

SageMaker的开箱即用算法包括流行的,高度优化的图像分类,自然语言处理等示例。完整列表可在此处找到。

  • 开箱即用的优势:这些算法已经过预先优化(并且正在不断改进)。您可以快速启动,运行和部署。此外,还提供AWS自动超参数调整功能。
  • 开箱即用的注意事项:上面提到的持续改进可能无法产生可预测的结果,就好像您可以完全控制算法的实现一样。

如果这些算法不适合您的项目,您还有其他三种选择:(1)亚马逊的Apache Spark库,(2)自定义Python代码(使用TensorFLow或Apache MXNet)或(3)“自带”您所在的位置基本上不受约束,但需要创建一个Docker镜像,以便训练和服务您的模型(您可以使用此处的说明进行操作)。

自带的方法为您提供完全的自由。对于已经建立了可能无法在当前开箱即用集中表示的自定义和/或专有算法代码库的数据科学家来说,这可能具有吸引力。

  • 带来自己的优势:实现对整个数据科学管道的完全控制以及专有IP的使用。
  • 自带注意事项:需要Docker化来训练和提供最终模型。结合算法改进是您的责任。

无论您选择哪种算法,AWS上的SageMaker都是一种值得考虑的方法,因为从数据科学的角度来看,对于易用性有多少关注。如果您曾尝试将机器学习项目从本地环境迁移到托管环境,那么您将会惊喜地发现SageMaker的无缝性。如果你从头开始,你已经离你的目标更近了几步,因为已经触手可及多少。

腾讯云代理商
About 服务器