כך אומר ברטין סהא, סגן נשיא ומנהל שירותי למידת מכונה באמזון לקראת כנס ChipEx2020
המעבדים הגרפיים העומדים בבסיס שירותי למידת המכונה SageMaker הם החזקים מסוגם. כך אומר ברטין סהא, סגן נשיא ומנהל שירותי למידת מכונה ב-AWS סהא שישתתף כמרצה בכנס ChipEX2020 Digital שיתקיים ב-16 בספטמבר בארגון חברת ASG.
מהו המצב הנוכחי של לימוד המכונה ומה ניתן לעשות באמצעותו טוב יותר מאי פעם?
"במשך יותר מעשרים שנה השקיעה אמזון באופן משמעותי בלמידה מכונה כדי להמליץ על ללקוחות על דרכים מועילות להשתמש בטכנולוגיה זו, לייעל את שרשרת האספקה, לחיזוי ותכנון קיבולת, כמו גם לחדש באמצעות יוזמות כמו פריים אייר ואמזון גו. אמזון ווב סרוויסס (AWS) מספקת כיום שירותי למידת מכונה הזמינים בענן ונמצאת בחזית יישום למידת מכונה מבחינת ההיצע שלה, ועם זאת, AWS ממשיכה לתדלק את החדשנות שלה מהמשוב שהיא מקבלת מאמזון, כמו גם מאלפי לקוחות אחרים המשתמשים ביכולות למידת מכונה שלה."
"יש לנו באמזון אלפי מהנדסים המחויבים ללמידת מכונה וללמידה עמוקה, וזה חלק גדול מהמורשת שלנו. בתוך AWS, התמקדנו בהבאת הידע והיכולת ללקוחותינו על-ידי הכנסת למידת מכונה לידיו של כל מפתח ומדען נתונים. לקוחות AWS משנים בהצלחה חוויות משתמש קצה עם מגוון רחב של שירותי למידת מכונה הבנויים על יכולות המחשוב, האחסון, מסד הנתונים והניתוח של AWS שמובילות באבטחה, אמינות, מדרגיות וחיסכון בעלויות.
AWS ניגש למידת מכונה על ידי התמקדות במתן פתרון נהדר עבור כל המסגרות והבחירות שאנשים רוצים לעשות, ולספק להם את כלי העבודה הנכון."
נשמח להסבר אודות הרקע של שירות ה- SageMaker.
"אמזון SageMaker, שהושקה ב-2017, היא פלטפורמה לשירותים מנוהלים במלואם שמקלים על מפתחים ומדענים לבנות, לאמן ולפרוס במהירות מודלים של למידת מכונה (ML)."
"עשרות אלפי לקוחות פעילים משתמשים באמזון SageMaker, והוספנו למעלה מ-50 תכונות ויכולות חדשות ב-2019 בלבד. עלות הבעלות הכוללת של אמזון SageMaker על פני אופק של שלוש שנים היא נמוכה ב-54% בהשוואה לאפשרויות ML מבוססות ענן אחרות כגון אפשרויות אמזון EC2 המנוהלות באופן עצמאי ושירות Kubernetes אלסטי על גבי AWS. בנוסף לעלות הבעלות הכוללת הנמוכה יותר, התכונות המשולבות והמנוהלות של אמזון SageMaker מאפשרות ללקוחות להכניס רעיונות ML לייצור מהר יותר ולשפר את הפרודוקטיביות של מדעני הנתונים עד פי 10."
"לדוגמה, Coinbase משתמשת בדגמי ML באמזון SageMaker כדי לסייע במניעת הונאות, אימות זהויות ותאימות בקנה מידה גדול. שימוש באמזון SageMaker הפחית את זמני אימון המודלים מ-20 שעות ל-10 דקות. דוגמה נוספת: אינטואיט פיתחה דגמי ML שיכולים למשוך שנה של עסקאות בנקאיות כדי למצוא הוצאות ניכוי ללקוחות. באמצעות אמזון SageMaker, אינטואיט הפחיתה את זמן הפריסה ML על ידי 90%, משישה חודשים לשבוע אחד."
"באירוע re:Invent 2019, הוכרזנו שש יכולות חדשות של אמזון SageMaker, כולל אמזון SageMaker Studio, סביבת הפיתוח המשולבת הראשונה עבור ML שמקלה על מפתחים לבנות, לאתר באגים, לאמן, לפרוס, לפקח ולהפעיל דגמי ML מותאמים אישית, יחד עם היכולת לבנות, לאמן ולפרוס מודלים של ML באופן אוטומטי עם ניראות מלאה באמצעות SageMaker Autopilot של אמזון."
מי הם משתמשי היעד? כתבת על מדעני נתונים, מי עוד יכול להפיק תועלת?
"אנו חושבים על ML על פני שלוש שכבות של קהלי יעד. עבור מפתחים ומדענים מתקדמים שנוח להם לבנות, לכוונון, ולנהל את המודלים בעצמם, AWS מציעה מעבדים גרפיים מסוג P2 ו-P3 – המספקים ביצועים טובים עד פי שישה מכל המעבדים הגרפיים האחרים הזמינים בענן כיום – יחד עם AMI, כלי הלמידה העמוקה של AWS. אנו מציעים גם את AWS Inferentia, שהוא הסיליקון המותאם אישית הראשון של אמזון שנועד להאיץ עומסי עבודה בלמידה עמוקה. AWS Inferentia נועדה לספק מיזם בעל ביצועים גבוהים בענן, להפחית את העלות הכוללת של העיבוד, ולהקל על מפתחים לשלב למידת מכונה ביישומים העסקיים שלהם.
בנוסף, בניגוד לספקים אחרים שמנסים לנתב את כולם להשתמש במסגרת אחת בלבד, AWS תומכת בכל המסגרות הגדולות מכיוון שמסגרות שונות טובות לסוגים שונים של עומסי עבודות."
"בשכבה האמצעית של הערימה, ארגונים שרוצים להשתמש בלמידת מכונה באופן נרחב יכולים למנף את Amazon SageMaker, שירות מנוהל במלואו שמסיר את ההרמה הכבדה, המורכבות והניחושים מכל שלב בתהליך למידת המכונה, ומעצים מפתחים ומדענים הרגילים להשתמש בהצלחה בלמידת מכונה. SageMaker הוא שינוי מהותי עבור מפתחים רגילים להיות מסוגל לגשת ולבנות מודלים למידת מכונה. תוך כמה חודשים, כמה אלפי מפתחים התחילו לבנות מודלי למידת מכונה על גבי AWS עם SageMaker.
בשכבה העליונה , AWS מספקת פתרונות, כגון Amazon Rekognition לניתוח וידאו ותמונה מבוססי למידה עמוקה, אמזון פולי לתרגום טקסט לדיבור, אמזון לקס לבניית שיחות, Amazon Transcribe להמרת דיבור לטקסט, Amazon Translate לתרגום טקסט בין שפות, ואמזון להבין להבנת מערכות יחסים ומציאת תובנות בתוך טקסט. יחד עם מגוון רחב זה של שירותים ומכשירים, הלקוחות עובדים לצד מדעני הנתונים המומחים של אמזון במעבדת פתרונות למידת מכונה של אמזון כדי ליישם מקרי שימוש בעולם האמיתי. יש לנו השקעה די ענקית בכל השכבות של מחסנית ML, ואנחנו מאמינים כי רוב החברות, לאורך זמן, ישתמשו בשכבות מרובות של מחסנית זו כדי ליישם מערכות הדורושת לימוד מכונה."
"בין המשתמשים ניתן למנות את איגוד הלב האמריקאי, קתאי פסיפיק, קוקס רכב, C-SPAN, DigitalGlobe, דאו ג'ונס, DuoLingo, Edmunds.com, Expedia.com, FamilySearch, FICO, FINRA, פורמולה 1, ג 'נרל אלקטריק בריאות, Genesys,, כאן, Infor, אינטל, אינטואיט, קיה מוטורס, קלי בלו ספר, Lionbridge, ליגת הבייסבול הבכירה, מודי'ס, שירות הבריאות הלאומי של בריטניה (NHS), נאס"א JPL, NFL, Politico.eu, POPSUGAR, Realtor.com, Ryanair, סמסונג, סלאק, טינדר, Twilio, האו"ם, Vonage, VMware, הבנק העולמי, ו Zillow הם רק כמה מבין מאות אלפי לקוחות שהשתמשו AWS עבור עומסי העבודה שלהם ML כדי לדמיין מחדש חוויות לקוחות ולחדש ברחבי העסק שלהם."
תוכל להרחיב בנושא פריסת דגמי ML במערכות משובצות ובהתקני קצה.
"אמזון SageMaker Neo מאפשרת למפתחים לאמן פעם אחת דגמי ML ולהפעיל אותם בכל מקום בענן ובקצה עם שיפור של עד פי 2 בביצועים. יישומים הפועלים בהתקנים מחוברים בקצה רגישים במיוחד לביצועים של דגמי ML. הם דורשים החלטות בהשעה נמוכה ולעתים קרובות נפרסים על פני מספר רחב של פלטפורמות חומרה שונות. אמזון SageMaker Neo מרכיבה דגמים עבור פלטפורמות חומרה ספציפיות, ממטבת את הביצועים שלהן באופן אוטומטי ומאפשרת להן לרוץ בקצב כפול מהביצועים, ללא כל אובדן דיוק. כתוצאה מכך, מפתחים כבר לא צריכים להשקיע זמן בעיוונון הדגמים המיומנים שלהם עבור כל פלטפורמת חומרה (חיסכון בזמן ובהוצאות). SageMaker Neo תומכת בפלטפורמות חומרה של NVIDIA, אינטל, Xilinx, קיידנס ו-Arm, ובמסגרות פופולריות כגון TensorFlow, Apache MXNet ו-PyTorch. AWS גם הפכה את Neo לזמין כפרויקט קוד פתוח."
אשמח ללמד על דוגמאות לשימוש מעניין בלמידת מכונה בענן?
"בתחום הבריאות, אנו רואים מעבר מניפול תגובתי לחיזוי, כולל שימוש במודלים חזויים כדי להאיץ מחקר וגילוי של תרופות חדשות ומשטרי טיפול. לפי המכון העולמי של מקינזי, אחיות הנתמכות על ידי כלי AI. יכולות להגדיל את הפרודוקטיביות בשיעור של עד 50%. Cerner הוא כלי הקשה לתוך הפורטפוליו העמוק של AWS של שירותי ML ו-AI כולל מרשמים רפואיים ומספק תובנות שיסייעו ללקוחות ספק שירותי הבריאות שלהם לייעל את הפעולות ולספק טיפול מותאם אישית יותר למטופלים. הם כבר פיתחו מודל שמנבא אי ספיקת לב גדשתית עד 15 חודשים לפני פריצת המחלה. שיוך כלי חיזוי זה עם שילוב בזמן אמת לרשומות בריאות בודדות יכול לתמוך בקבלת החלטות ספק בזמן אמת."
"חוויית הלקוח משתנה גם באמצעות יכולות כגון ממשקי שיחה, אימות ביומטרי חכם, התאמה אישית והמלצות. ג'ון הנקוק מספקץ פתרונות ייעוץ פיננסי, ביטוח וניהול נכסים ליחידים, קבוצות ומוסדות. מדובר באחד ממבטחי החיים הגדולים ביותר בארצות הברית, ג'ון הנקוק תומכת בכ-10 מיליון אמריקאים עם מגוון רחב של מוצרים פיננסיים. הם משתמשים ב-Amazon Connect כדי להעריך את כל האינטראקציות של הלקוחות ולגלות במהירות מה עובד טוב ואיך הם יכולים להשתפר. היכולת להבין באופן אוטומטי את הסיבות הבסיסיות לכך שלקוחות מתקשרים אליהם והן יסייעו לסוכן שלהם לשרת טוב יותר את הלקוחות שלהם".
"מקרה שימוש מעניין נוסף הוא תעשיית המשאיות. Convoy, חברת לוגיסטיקה מסיאטל, בונה את כל החברה שלהם ואת הצעות הערך שלה באמצעות שימוש ב-ML. החברה משבשת את מודל המשאיות הלא יעיל באמצעות ML כדי להפוך אותו לאוטומטי. Convoy משתמשת ב- ML כדי לספק התאמות טובות יותר למשלחים ולנהגי המשאיות, ומאפשרת להם לתכנן את ההובלה בצורה יעילה יותר – ולהוריד עלויות עבור שני הצדדים – באמצעות המערכת התואמת של Convoy."
ישנן דוגמאות רבות אחרות. אנחנו תמיד נרגשים לראות את הדברים החדשניים שהלקוחות שלנו יכולים לבנות ולהשיג עם שירותי AWSML." מסכם סהא.
ChipEx2020 יתקיים השנה בגרסה וירטואלית. בכנס ישתתפו למעלה מ-30 מרצים ומנחים כולל מיטב המומחים מאמזון, אריקסון, גוגל, TSMC, NVIDIA, סמסונג, מנטור ואינטל. ב-ChipEx2020 תוכלו להתעדכן בכל מה שחם וחדש בתעשיה בתחומי ה- Quantum Computing , RISC V, 5G, Artificial Intelligence, Chip Security ועוד.
להרשמה מהירה לחצו כאן
