【善用機器學習,請你跟我這樣做!】2020 年,沒有資料科學背景照樣能用機器學習開發!

沒有技術背景不用怕,你我都可以變身機器學習專家! 輕鬆管理、分析大量資料不難,善用雲端平台服務就能輕鬆達成!

你曾因為遊戲太難而放棄破關嗎?遊戲的跳出率太高,對遊戲公司的影響不只是失去付費玩家的利潤而已。遊戲公司有時會因爲無法設計出適當的遊戲難度而逼退玩家,造成遊戲公司的廣告收益大大降低,但是現在 AI 就可以解決這個麻煩問題了。各式各樣的 AI、機器學習技術應用,已經開始以一種前所未有的方式,幫助企業解決了許多麻煩問題,更重要的這些技術其實任何公司都可以使用!

近幾年在談到 AI 應用時,機器學習的討論聲浪越來越大,然而,機器學習是什麼?機器學習因具備能夠分析大量複雜資料的能力,讓企業能夠透過機器學習分析結果,進一步提升服務品質或推出創新商業模式。以遊戲公司為例,就能透過機器學習服務設計出更適當的遊戲平衡,優化遊戲體驗。

就目前機器學習發展來看,深度學習是最熱門的分支領域之一,而深度學習不同於機器學習,是進一步建立人造「神經網路」,透過模擬人們大腦學習和處理資訊的方式,以便從資料中擷取複雜的概念和關係,更重要的是,系統可以獨立學習,當發展至最終階段時,幾乎不需要監督就能完成任務。既然如此,企業該如何將機器學習與深度學習導入至企業中呢?

即使沒有資料科學背景,也可進行機器學習技術開發,尤其中小企業

無論機器學習/深度學習,都是建立在巨量資料的基礎上,而雲端是企業存放資料的最佳選擇,因此,近年來越來越多雲端平台業者提供相關解決方案,導入並部署機器學習/深度學習模型,作為服務的一部分,希望協助企業加速導入 AI 應用。

綜觀目前各家雲端平台服務,可發現不只涵蓋儲存與運算資源,還有各種機器學習工具,例如:自然語言處理 API、語音識別 API、電腦視覺 API、預測分析、深度學習,及 AI 模型的建置與部署平台,為的就是協助企業降低導入機器。

對企業來說,使用雲端技術最大的好處是,可以輕鬆導入和管理巨量資料,以便訓練機器學習演算法,還可以透過 GPU 處理能力,以更低的成本、更有效的方式擴展機器學習模型。尤其中小企業(SMB)受到資源限制,往往沒有足夠預算去採購可以儲存和運算大量數據的硬體設備,以及管理它們的內部資源,包含人力與工具,而雲端技術恰巧能解決這些問題。

隨著越來越多企業擁抱雲端,雲平台上累積的數據也越來越多,雲端平台有可能成為機器學習應用的創新典範。根據國際數據資訊(IDC)報告,雲端平台市場規模將會持續成長,以 2019 為例,當年上半年台灣 IaaS(Infrastructure as a service)市場規模年成長率就高達 25.6%,這意味著企業對雲端技術服務的接受度越來越高。而因應機器學習發展,以及軟體及服務市場的成熟,深度學習的應用比例也隨之提升。

生技公司在基礎雲端架構下,利用深度學習預測罹癌機率

某生物科技公司就是雲端技術的使用者,其在 Amazon Web Services(AWS)雲端平台上開發深度學習專案,希望能透過人體基因資料來預測罹患癌症的機率。

由於基因資料在導入深度學習模型前,必須經過大量的預處理程序,使得該公司在執行專案過程中,需要使用不同特性的機器,在預處理訓練資料時,需要針對記憶體做最佳化設計的機器,而在訓練模型時,則需要支援 GPU 加速的機器,而 AWS 恰好能同時滿足這兩個需求。

此外,AWS 還提供了完成專案所需的技術和最佳實作方式,讓該生技公司不必限制在任何特定的解決方案中,可以使用最適合此專案的框架和資料庫,而不必擔心是否與 AWS 技術不相容。

手遊公司透過深度學習,輕鬆找出遊戲設計與廣告需求的平衡點

同樣在 AWS 雲端上進行深度學習的,還有一家手機遊戲開發公司。該公司使用深度學習模型來訓練機器人玩自家開發的手機遊戲,並監控機器人的表現,據此估算遊戲中每個等級的難度,及預測每個等級會有多少使用者因為太難而退出遊戲,藉此在遊戲難度和廣告收入間找到平衡點。

由於該手機公司一直使用 AWS 雲端服務,因此使用 AWS 進行深度學習並沒有太大的學習門檻,透過 Amazon SageMaker 建立、訓練和部署深度學習模型,不只可以省下硬體採購成本,及內部自行建構深度學習模型所需的工作時間,更讓專案負責人可以統一管理正在部署中的所有模型。

根據調研公司 Nucleus Research 發佈的報告《Guidebook: TensorFlow on AWS》,其在分析 316 個深度學習導入專案後發現,高達 96% 的專案在雲端執行,其中又有 89% 選擇 AWS 上執行,而受訪者選擇 AWS 的主要原因有三點:平台功能的廣度、與 Amazon 既有的業務往來關係,以及 AWS 持續不斷地投資、提高深度學習服務的多元性。

AWS 完成資料整合,協助企業進行深度學習

由於 Amazon 支援端對端的深度學習,因此企業不需要額外的整合,就可以在 AWS 雲平台上儲存資料、建構和部署模型。同時,企業還可以根據使用需求選擇專用硬體,例如:Amazon Elastic Compute Cloud P3 (Amazon EC2 P3) 和 EC2 G4 執行個體,這是針對深度學習應用做最佳化設計且內建強大 GPU 的執行個體。此外,AWS 在全球重要地區設有資料中心,客戶可以在遵循各區域的資料使用法規前提下,將資料和營運在地化,打造更貼近在地需求的深度學習服務。

隨著雲端服務的技術演進,深度學習的成本將會逐漸下降,未來也將有越來越多的企業採用深度學習。而因應未來的 AI 應用趨勢,企業提前選擇與擁有基礎架構、專業知識的雲端供應商合作,將機器學習與人工智慧整合進企業服務及產品中,提供更客製化及自動化的服務。

深度學習開發入門磚點此下載《 AWS 深度學習趨勢指南

(本文提供合作夥伴轉載;首圖來源:Arseny Togulev on Unsplash

你可能有興趣

點關鍵字看更多相關文章: