AWS, DeepLearning.ai는 Coursera 전문화를 통해 기계 학습 모델과의 확장 격차 해소를 목표로 합니다.

Amazon Web Services, DeepLearning.ai 및 Coursera는 창작 간의 격차를 해소하기 위해 노력하고 있습니다. 기계 학습 및 모델을 테스트하고 3개 과정을 통해 프로덕션 환경에서 이를 확장합니다. 전문화.

"머신러닝은 생산 격차에 대한 개념 증명을 제공합니다."라고 창립자인 Andrew Ng는 설명했습니다. 딥러닝. 일체 포함 그리고 Coursera의 최고 강사. 전문화 개발자가 노트북의 프로토타입에서 클라우드로 모델을 가져갈 수 있도록 설계되었습니다. Ng는 "사용자가 10명에서 100만 명으로 늘어나면 해야 할 일이 너무 많습니다"라고 덧붙였습니다.

AWS의 부사장 겸 기계 학습 서비스 총괄 관리자인 Bratin Saha는 고객이 불과 몇 년 만에 소수의 모델을 수백만 개로 배포했다고 말했습니다. "ML은 더 이상 틈새 시장이 아닙니다."라고 감독하는 Saha는 말했습니다. 세이지메이커, AWS에서 가장 빠르게 성장하는 제품인 기계 학습 플랫폼입니다.

꼭 읽어야 할 내용:

• KMPG 조사에 따르면 코로나19 팬데믹으로 인해 AI 구현이 가속화됐다.
• AI 및 데이터 과학 일자리가 뜨겁습니다. 고용주가 원하는 것은 다음과 같습니다.

전문화 과정에서는 모델을 프로덕션으로 이동하는 데 필요한 이동 부품(MLOps, DevOps)에 대한 개요와 프로토타입 규모에 따른 정확성, 비용 및 최적화를 다루는 주제를 제공합니다.

프라이머: AI란 무엇인가? | 머신러닝이란 무엇인가요? | 딥러닝이란 무엇인가요? | 인공일반지능이란?

Ng와 Saha와의 인터뷰에서 우리는 모델에 관해 몇 가지 주목할만한 점을 다루었습니다. 채팅의 몇 가지 주요 내용:

규모를 고려하기 위해 모델은 처음부터 클라우드에서 시작해야 합니까? Ng는 기계 학습 모델에 대한 자신의 접근 방식이 "올바른 작업에 적합한 도구를 사용하는 것"에 기반을 두고 있다고 말했습니다. "노트북으로 개념 증명을 하는 것은 괜찮습니다. 실행 여부를 결정하려면 개념 증명이 필요합니다."라고 Ng는 말했습니다.

Ng는 개념 증명이 이루어지기 전에 규모를 계획하면 프로세스가 혼란스러울 수 있다고 덧붙였습니다.

스케일링에는 기술이 필요합니다. Saha는 전문화 과정이 기계 학습의 인재 기반을 넓히기 위해 고안되었다고 말했습니다. Saha와 Ng는 모두 모델을 확장하는 방법을 이해하는 인재가 부족하다고 말했습니다. "2년 전 우리는 2천만 개의 매개변수로 모델을 훈련했습니다. 오늘은 1억입니다. 우리는 매달 1000억 건의 예측을 합니다."라고 Saha는 말했습니다.

Ng는 숙련된 기계 학습 실무자에 대한 수요가 높으며 클라우드에 의미 있는 서비스를 배포한 사람들은 더욱 부족하다고 말했습니다. 결과적으로 Saha는 Amazon에 합류하는 모든 엔지니어가 필수 기계 학습 과정을 수강한다고 말했습니다.

머신러닝은 진화 초기 단계입니다. Ng는 머신러닝이 초기에는 소프트웨어 개발과 여러 면에서 운율이 같다고 말했습니다. Ng는 "소프트웨어 엔지니어링이 엉망이었는데 이제는 버전 관리가 더욱 성숙해졌던 시절을 어렴풋이 기억합니다."라고 말했습니다. "나는 소프트웨어가 어떻게 산업으로 등장했는지에서 영감을 얻습니다." 

또한: Andrew Ng는 AI의 영원한 봄을 본다