45、AWS 机器学习服务：构建、训练与部署的全面指南（上）

AWS 机器学习服务：构建、训练与部署的全面指南（上）

1. AWS 中的 AI/ML 概述

近年来，机器学习（ML）已从前沿技术迅速转变为主流技术，但要使其融入我们生活的方方面面，仍有很长的路要走。过去，只有少数大型科技公司和学术研究人员能够接触到 ML。然而，随着云计算的出现，进行 ML 所需的资源（如计算能力和数据）变得更加广泛可用，使更多组织能够利用和受益于 ML 技术。

ML 已成为许多行业的关键技术，而亚马逊网络服务（AWS）在为客户提供 ML 服务方面处于领先地位。使用 AWS 进行 ML 的一些关键趋势包括：
- 无服务器 ML ：AWS 让构建、训练和部署 ML 模型变得更加轻松，无需管理服务器。借助 Amazon SageMaker 等服务，客户可以使用托管的 Jupyter Notebook 构建和训练模型，然后只需点击几下即可将其部署到无服务器端点。
- 自动化 ML ：自动化模型构建过程越来越受欢迎，让客户只需具备最少的专业知识就能取得良好的效果。AWS 提供了如 Amazon SageMaker Autopilot 这样的服务，它可以自动构建和调整 ML 模型，并为给定数据集选择具有超参数的最佳算法。
- 迁移学习 ：鉴于如今可用的数据量巨大，从头开始训练模型变得越来越困难。迁移学习允许客户将预训练模型作为起点，并针对特定用例进行微调。
- 强化学习 ：强化学习是一种非常适合反馈延迟或不确定的问题的 ML 类型。AWS 提供了如 Amazon SageMaker RL 这样的服务，使