云计算将机器学习推向主流,使企业更容易负担起这样的服务。让我们来看看顶级供应商AWS、Azure和Google为此都提供了哪些服务。 自从科幻电影中出现了不停闪烁和嘟嘟响的电脑之后,机器学习就被视为计算的未来。今天,未来就在这里,因为机器学习——特别是在云上,变得越来越实用,对企业IT来说也越来越实惠。
尤其是来自Amazon Web Services(AWS)、 Google和Azure等领先厂商云的机器学习服务越来越便宜,这推动了该技术更为大众化,从而让更多的企业和更多的领域都有机会使用这项技术。 任何机器学习系统都包括三大重要组成部分:大量的廉价的计算能力,大量的数据以供分析以及协调算法……
我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。
我原创,你原创,我们的内容世界才会更加精彩!
【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】
微信公众号
TechTarget
官方微博
TechTarget中国
云计算将机器学习推向主流,使企业更容易负担起这样的服务。让我们来看看顶级供应商AWS、Azure和Google为此都提供了哪些服务。
自从科幻电影中出现了不停闪烁和嘟嘟响的电脑之后,机器学习就被视为计算的未来。今天,未来就在这里,因为机器学习——特别是在云上,变得越来越实用,对企业IT来说也越来越实惠。
尤其是来自Amazon Web Services(AWS)、 Google和Azure等领先厂商云的机器学习服务越来越便宜,这推动了该技术更为大众化,从而让更多的企业和更多的领域都有机会使用这项技术。
任何机器学习系统都包括三大重要组成部分:大量的廉价的计算能力,大量的数据以供分析以及协调算法的运行时框架,总部位于马里兰州沃尔瑟姆的Sonian公司的创始人兼首席技术官Greg Arnette说。该公司是AWS的合作伙伴,还使用AWS的机器学习向客户提供Sonian的云存档和分析服务。
Arnette说,如今的云服务提供了广泛的这类功能,以及其他以前只适用于大型公司、大学和政府的机器学习工具。
云上机器学习服务VS. DIY
在公有云上实现机器学习用例(包括图像和模式识别、文档分析、取证分析和数字丢失预防分析)的好处主要是低成本、高可靠性和快速的性能。
Arnette说:“尝试在本地或自己的数据中心上复制机器学习处理框架将花费很多,而且并不能顺利执行。”
最终,云或者本地的选择“和任何其他DIY选择没有什么区别”,位于美国马萨诸塞州米尔福德的企业战略集团(Enterprise Strategy Group)的分析师丹·康德(Dan Conde)表示。云供应商提供的功能可能并不完善,但用户只需添加几行代码就可以进一步利用这些代码,“而不是从头开始编写自己的代码”,他补充道。
AWS vs. Azure vs. Google
总部位于巴黎的咨询公司Capgemini的首席云计算官查理·李(Charles Li)说,大多数具有机器学习服务的云提供商都能够提供即付即用的选项、算法、API、数据和建模工具,以及完全受管的基础架构,但选择正确的供应商仍然至关重要。然而,由于不同的定价结构、安全特性和其他因素,这一决策有时仍会令人困惑。
“如果您的团队是刚接触机器学习,那么就选择一个可以提供开箱即用方案的供应商,而不是提供更适合高级用户的功能的供应商。”李说。此外,要搞清楚使用供应商提供的工具管理数据的容易程度。特别是机器学习的新用户应该确保他们能够快速轻松地导入数据。他们还需要确定他们是否可以直接在云平台上管理数据,还是需要使用外部工具。
一般来说,Google,Azure和AWS的机器学习服务的相同点要比不同点多。每个都提供一系列帮助建模和编排的服务,以及便于快速分析的数据库和存储服务,Arnette说。
根据Arnette所述,这些服务之间的进一步区别是:
Google Compute Platform使用流行的TensorFlow框架来吸引开发人员,以防他们可能会选择AWS或Azure。TensorFlow是一个协调机器学习作业的平台,让研究人员可以将更多的时间花费在他们自己的算法上,而减少其他无差异的协调作业的时间。因此,Google 的产品对于核心数据科学家们很有吸引力,他说。
Azure已经赢得了商誉,而且特别受企业和.NET编程者的欢迎。
AWS有许多弹性计算和数据库作为服务的选件。和Azure和Google一样,AWS还为计算密集型工作负载提供对GPU的支持。它还提供图像识别和分析的能力以及API。一般来说,AWS机器学习对初创公司和不是以微软为中心的团队更具有吸引力。
芝加哥的商业软件评测平台G2 Crowd的首席研究员Michael Fauscette认为,Azure似乎在从头建立机器学习和人工智能(AI)环境方面具有最强大的功能,它提供了强大的开发工具和一个预构建的组件库。然而,Google和AWS在这一点上都拥有更强大的预构建组件,因为它们都已将API开放给了自己已有的AI功能。
因此,Google和AWS往往在技术能力不是很强的团队中最容易获得青睐,而Azure则提供了更深入和更多可定制化的机器学习服务。
“Azure不仅在其生态系统中拥有供应商产品的市场,而且还在可以共享代码的用户中拥有一席之地”,Fauscette说。
审视机器学习的发展过程,及其带给企业的影响,Fauscette看到了两个主要的方面。首先,根据他的公司的调查,高管人员招聘里数据科学家不足的问题有所降低。“我的理论是,这和越来越容易使用的机器学习功能有关”,他说。更重要的是,随着机器学习服务越来越受欢迎,它们开辟了人工智能的新前沿。
“我们从对历史信息进行查看分析转向预测分析,现在则转向预言性的支持,机器与人类进行沟通从而做出最佳决定”,Fauscette说。这种能力在云端存在,也通过传统的企业级供应商(如SAP和Oracle)提供,他补充说。
相关推荐
-
Google网络服务层:让你云更可控
对于云网络,您是喜欢更高的性能还是选择尽可能低的成本? 新的Google云网络层让企业可以随意选择。 今年推出 […]
-
多日志文件数据帮你追踪用户
管理数量不断增加的服务器、应用和用户,需要使用数十个不兼容的日志文件。亚利桑那州立大学开始使用Splunk,在混杂有业务中创建统一的、相互关联的数据视图。
-
逐条讲解:谷歌云机器学习服务
你是否还到找寻将机器学习注入到云应用中的方法?利用本文列举的术语来探索谷歌云服务在语音到文本,图像分析等方面所 […]
-
Google Cloud KMS:安全方面存在哪些优势?
Google Cloud KMS是一个新加密密钥管理服务,对所有谷歌用户适用。专家Matthew Pascucci讨论这一服务的工作原理及它的安全优势。