AWS宣佈推出Machine Learning　實時捉住客人心儀貨品

Amazon旗下的AWS今天宣佈推出Amazon Machine Learning (下簡稱為AML)，這是一項全面的託管服務，讓任何開發者都能夠輕鬆使用歷史資料開發並部署預測模型。這些模型用途廣泛，包括檢測欺詐、防止用戶流失並改進用戶支援。

與Amazon內開發者所使用的同樣經過驗證、可擴展並且每週生成超過500億個預測的機器學習技術，AML的API和嚮導能夠為開發者提供關於機器學習模型的創建和調試流程的指導，從而輕鬆部署並擴展模型，支援數十億級別的預測。AML能夠與S3、Redshift和Relational Database Service整合，輕鬆使用存儲在AWS雲服務上的已有資料。

Machine Learning難用 AML簡化有市場

由於需要統計學、資料分析和機器學習等方面的專業知識，只有極少數開發者能夠利用機器學習功能建立應用。傳統意義上的機器學習應用方法涉及很多手動、重複和容易出錯的任務，例如計算匯總統計學、進行資料分析、通過機器學習演算法利用資料訓練模型、評估和優化模型，然後才能使用該模型生成預測。

通過降低複雜性並對上述步驟進行自動化，AML讓所有軟件開發人員都可以廣泛地使用機器學習技術。開發者可以使用AWS管理主控台或API來快速地根據需要創建大量模型，並利用這些模型生成大輸送量的預測，而不必擔心配置硬體、分發和縮放計算負載、管理依賴性或監測和修復基礎架構故障等問題。由於沒有準備成本，開發者可以按使用情況付費，能夠從小規模開始並隨著應用的擴展而擴大使用規模。

由內部工具重新包裝雲端化

AML其實是Amazon內悠久的機器學習傳統，例如為客戶推薦商品，讓Amazon Echo能夠根據你的聲音做出回應，讓我們能夠在30分鐘內就可以卸載滿滿一卡車的商品並完成上架。其技術源自從數千名Amazon開發者快速建立模型、進行實驗並擴展至全球性預測應用的過程中所學到的經驗。

AML讓開發者能夠對用於訓練模型以發現資料模式規律的資料集的統計屬性進行視覺化處理。開發者就能夠更好地理解數據分佈，並在模型訓練之前發現缺失或無效的值，從而節約時間。之後，AML會自動變換用於訓練的資料並優化機器學習演算法，開發者不需要深入理解機器學習演算法或調試參數，即可創建最佳模型。通過使用AML技術，在沒有任何機器學習經驗的前提下，單個亞馬遜開發者可以在20分鐘內解決之前需要兩名開發者花費45天才能解決的問題，並且所建立的模型同樣能夠實現92%的精確度。一旦模型創建完畢，開發者就可以直接從AML輕鬆地進行批量處理或生成即時預測，無需開發和管理自有基礎架構。

亞馬遜可持續包裝團隊為亞馬遜配送提供更小巧、更環保的包裝，同時仍能夠保護配送物品。亞馬遜全球可持續發展總監Kara Hurst表示：「我們利用AML來分析客戶對包裝的回饋，並創建預測以發現適合我們的Frustration Free簡易包裝和電子商務包裝標準的商品。AML已經幫助我們更好地發現造成浪費和讓客戶不滿的產品包裝。我們能夠利用現有資料並快速地開發預測模型，在幾個星期內即可在生產中部署。因此，我們能夠為客戶提供更環保的商品和包裝。」