02/08 2021

AWS 機器學習三部曲:四大產業應用

機器學習Part3:Amazon SageMaker及產業應用

隨著智慧化時代來臨,AI 成為許多企業重要發展項目,但要使 AI 真正落地應用,少不了機器學習的演算法模型。在前兩篇文章中介紹了機器學習的種類以及訓練步驟後,本篇將為您介紹 AWS 史上成長最快速的服務—Amazon SageMaker,帶您撰寫基礎框架,快速建立專屬您的機器學習模型!

Amazon SageMaker 是什麼?

Amazon SageMaker 是在 AWS:Invent 2017 所發布的全代管機器學習訓練服務,透過 SageMaker,資料科學家和開發人員可以快速地構建和訓練機器學習模型,並直接部署到生產環境中。

另外,SageMaker 提供了一個整合的 Jupyter notebook Instance,使您不必管理伺服器就可輕鬆存取資料進行探索和分析。SageMaker 還提供了通用的機器學習演算法,這些演算法已經過優化,可在分散式環境中針對超大型數據高效運行。您可以直接透過從 SageMaker Studio 或 SageMaker 控制台啟動模型,將模型部署到安全且可擴展的環境中。

而 SageMaker 包含了 20 多項服務,讓您從一開始的資料準備、模型訓練到最後的模型佈署與管理都能一次到位!

Amazon SageMaker 四大產業應用

SageMaker 在機器學習領域上的應用非常廣泛,除了前面篇幅提到的詐欺偵測、銀行貸款是否會被倒帳、個人化推薦等服務外,還能實現以下情境:

實現智慧工廠,有效降低人力成本

工廠需要隨時監控製造機台以確保生產效能,以往只能耗費大量人力和時間透過人工檢查。但現在只要將感應器連結機台,即可定期從機台中獲取資料,再透過大量數據結合機器學習模型,就能精準預測機台何時可能出現故障,實現智慧工廠,有效降低人力成本。

打造智慧城市,保障行車安全

訓練自動駕駛模型需要大量標籤化的資料組,而相關資料的處理成本相當昂貴。企業可透過 SageMaker Groundtruth 自動標記和主動學習功能,簡化標記駕駛場景資料的過程,使模型的最終訓練目標為可預測,並判斷圖像中行人周圍的 2D 圖像邊界框架,確保汽車在駕駛時不會發生交通事故,打造智慧城市又保障行車安全。

保護用戶隱私,同時達成語意分析

文字資料一向是人們溝通的重要媒介,已有越來越多文字資料可用於訓練自然語言處理模型,例如:語意分析、預測性鍵盤和 Chatbot 等。若企業希望部署此類模型,則需要大量用戶數據,同時易有侵犯用戶隱私的爭議。而 SageMaker 能使用「差異隱私」建立準確的自然語言處理模型,在達成企業目標的同時,保護用戶的個人隱私。

客戶流失預測,提升留客率

客戶流失是電信業、銀行等眾多企業所面臨的問題,在該領域中,客戶流動到競爭對手的比例很高,加上吸引新客需投入的時間與金錢成本高於舊客,因此企業通常會更盡力留住原有客戶。當公司想提升留客率時,可透過 SageMaker 訓練並部署客戶流失的預測模型,並使用最新的自然語言處理模型來尋找有用的資料,使企業可透過對話判斷客戶可能在什麼時機點流失,提前制定應對策略。

看完精彩的系列文章,是否對機器學習有更完整的認識呢?在首部曲帶大家認識機器學習的四大類型以及使用的時機,您學會判斷哪些狀況需使用何種類別的機器學習模型訓練方法。接著介紹了模型訓練的七大步驟,從定義問題到資料處理,直到最後的模型訓練,再透過定期、反覆執行訓練步驟,獲得最精確的預測模型,最後介紹了Amazon SageMaker 的功能以及相關產業應用。

博弘為大中華區 AWS Premier Consulting Partner 核心級諮詢合作夥伴,可透過 Amazon SageMaker 的功能,提供全面整合式機器學習訓練服務,為您部屬客製化企業機器學習模型,並協助您實際運用於工作流程,升級新時代智能企業!您是否也有部署機器學習應用的需求呢?馬上撥打免費電話 0800-500-960 #620,將由專人為您服務!