据 InfoQ编辑所了解,目前市面上有很多大数据公司,他们的技术团队 /数据团队有 80%的精力都用来做什么工作呢?
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。
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。
5月 29日(下周二),InfoQ邀请到 AWS解决方案架构师刘旭东来主讲机器学习开发者如何在降低成本的同时,开展大规模的机器学习训练;如何缩短训练、调整和部署机器学习模型所需的时间,并将模型快速部署到生产中。想参会?文末有惊喜。
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?
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
完成 Amazon Sagemaker上手实操
Amazon Sagemaker上手过程难点拆解
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
点击文末「阅读原文」即可成功报名,您将在直播前收到直播链接在内的提醒短信。
扫描下方二维码加入直播讨论群,可以获得课程直播地址。
入群的同学可以一边收看直播一边跟同道中人沟通交流。5月 29日(下周二)开始,群内将不定时进行多轮答题抽奖活动、评论发言送豪礼等,还有志同道合的开发者们与你一道看直播。他们正聊得火热呢,就差你啦!如群满,请加小助手微信(ID:13021202622)备注 AWS,拉你入群。
1、头条易读遵循行业规范,任何转载的稿件都会明确标注作者和来源;
2、本文内容来自“InfoQ”微信公众号,文章版权归InfoQ公众号所有。