数据准备
剩下的 20%精力,又有很大部分是用在部署集群、安装框架、调优等这些“杂活儿”上面了。
从当前的客观情况来看,这是把数据分析业务做好的一个基本功。然而从理想世界的角度来看,这样的现状是惊人的浪费。这就好比在云计算出现之前,可能 80%的时间是用在买服务器、安装操作系统、调试数据库、部署扩容等跟开发应用无关的事情上了。现在的数据领域,跟那个年代的应用开发领域其实是非常相似的——一半以上的时间都不是用来产出的。——转自 InfoQ文章《为什么你应该关注 Amazon SageMaker》
在 2017年 11月的 re:Invent大会上,AWS发布了新的全托管端到端机器学习服务,名为 Amazon Sagemaker。他的出现就是让有能力去改进框架和算法的开发者,尽可能少花费精力在那些跟主业无关的事情上。
所以,我们要做什么
我们希望能更好地教会大家如何快速上手 Amazon Sagemaker,帮开发者、数据科学家或大数据公司尽可能节约数据准备、集群部署的时间,而更专注于训练模型和发布模型这样的重点工作。
为什么这堂课不能错过
基础篇
-
教授机器学习相关开发应该掌握哪些主流工具?
目前主流应用机器学习算法是什么?
从算法设计到产品发布还有哪些要考虑的?
成长篇
Amazon Sagemaker蕴含哪些黑科技
如何利用 Amazon Sagemaker缩短训练、部署模型的时间
达人篇
完成 Amazon Sagemaker上手实操
Amazon Sagemaker上手过程难点拆解
如何获得免费听课席位
5月 29日下午 14:00-15:30 (1小时课程 +0.5小时在线答疑)
地点:在线直播
最后还有一个彩蛋~
扫描下方二维码加入直播讨论群,可以获得课程直播地址。
閱讀更多 InfoQ 的文章