AWS推出兩項新計劃 降低機器學習使用門檻

AWS推出兩項新計劃    降低機器學習使用門檻

o    AWS推出高達1,000萬美元（約7,800萬港元）的人工智能和機器學習獎學金（AWS AI & ML Scholarship），計劃針對全球缺乏資源的學生，為未來從事機器學習相關工作做好準備。

o    Amazon SageMaker Studio Lab讓任何人都可以免費，輕鬆、快速地建構學習和實驗機器學習的開發環境。

Amazon Web Services（AWS）在re:Invent 2021大會上宣佈推出兩項新計劃，旨在降低機器學習使用門檻，為任何對機器學習感興趣的人士提供學習和體驗機會。AWS人工智能和機器學習獎學金計劃（AWS AI & ML Scholarship）致力幫助全球缺乏資源的學生，為未來從事機器學習相關工作做好準備。計劃使用AWS DeepRacer和新的AWS DeepRacer Student League，讓學生獲取基礎的機器學習知識，並為他們提供訓練自動駕駛賽車機器學習模型的體驗。AWS 正在通過 Amazon SageMaker Studio Lab 進一步令用家更輕易地獲取機器學習技術，而該實驗室讓每個人都可以使用 Amazon SageMaker 的免費版本，Amazon SageMaker為幫助客戶建構、訓練和部署機器學習模型的服務。

AWS全球機器學習副總裁Swami Sivasubramanian表示：「兩大全新計劃旨在為大眾提供學習機器學習技術的機會，讓任何感興趣人士都能夠更輕易地運用機器學習。機器學習將成為當代最具變革性的技術之一，若我們要釋放這項技術的所有潛能以解決一些世界上最艱巨的挑戰，就需要來自不同背景和行業的人才投入該領域。我們希望通過新的獎學金計劃激發更多多元化人才的潛能，並消除大眾開始使用機器學習的成本障礙。」

總額達1,000萬美元的教育和獎學金計劃針對全球缺乏資源的學生，為他們未來從事機器學習相關工作做好準備。

世界經濟論壇預計，到2025年，科技進步和自動化將創造9,700萬個新的技術工作崗位，當中涵蓋人工智能和機器學習領域。雖然科技領域的工作機會正逐漸增加，但不同崗位的發展依然緩慢。若要促進人工智能和機器學習的發展，讓任何對該技術感興趣的人都能獲得教育資源至關重要，能使相關的職業變得更多元化。AWS人工智能和機器學習獎學金計劃針對全球缺乏資源的高中生和大學生，讓他們學習機器學習基本概念，並為未來從事人工智能和機器學習的工作做好準備。計劃除了免費提供數十小時機器學習模型訓練和教材，還為合資格的2,000名學生提供Python Udacity Nanodegree人工智能編程項目獎學金，合資格者將能夠使用機器學習的基礎編程工具和技術。首個Udacity Nanodegree課程的畢業生將被邀請參加技術評估，在評估中獲得最高分的 500 名學生將獲得第二階段Udacity Nanodegree課程的深度學習和機器學習工程獎學金，還將有機會得到Amazon和Intel技術專家指導，從而獲取專業指導和建議。

AWS人工智能和機器學習獎學金計劃與Intel合作提供，並由人才轉型平台Udacity支援，世界各地的學生均可獲得數十小時免費培訓模塊和涵蓋機器學習基礎知識及實際應用程式的教學。學生可以通過AWS DeepRacer，將理論轉化為實際操作，學習如何訓練機器學習模型驅動虛擬賽車。如果學生成功通過知識檢查評估及完成教育課程，達到特定AWS DeepRacer單圈成績目標並提交論文，將可能獲得Udacity Nanodegree項目獎學金，學生還可以在AWS DeepRacer Student League中測試他們的虛擬賽車。 AWS DeepRacer Student League通過一輛由機器學習驅動的全自動駕駛 1：18 比例賽車、3D 賽車模擬器以及全球競賽，幫助不同技能水平的人學習如何建構機器學習模型。第一資本金融公司（Capital One）、寶馬（BMW）、德勤（Deloitte）、摩根大通（JP Morgan Chase）、埃森哲（Accenture）和利寶國際保險有限公司（Liberty Mutual）等企業已使用AWS DeepRacer讓員工親自建構、訓練和部署機器學習模型。如欲了解AWS人工智能和機器學習獎學金計劃，請瀏覽awsaimlscholarship.com。

Amazon SageMaker Studio Lab提供免費的機器學習開發環境，將機器學習帶給每個人

Amazon SageMaker Studio Lab提供Amazon SageMaker的免費版本，全球眾多研究人員和數據科學家正使用Amazon SageMaker快速構建、訓練和部署機器學習模型。用戶可通過Amazon SageMaker Studio Lab，無需擁有AWS賬戶或提供賬單詳細資訊，即可在AWS上啟動和運行機器學習。用戶只需使用瀏覽器，再用電子郵件註冊，Amazon SageMaker Studio Lab即可提供機器學習開發環境。 Amazon SageMaker Studio Lab提供無限的用戶權限，包括15 GB持久儲存，和用於免費訓練機器學習模型長達12小時的CPU和4小時的GPU運算。使用Amazon SageMaker Studio Lab無需構建、擴展或管理雲端資源，用戶可以像開合手提電腦一樣輕鬆地開始、停止和重啟機器學習項目。當用戶完成實驗並希望將他們的想法付諸實踐時，可以輕鬆將其機器學習項目導出至Amazon SageMaker Studio，在AWS上部署和擴展他們的模型。Amazon SageMaker Studio Lab可用作學生的免費學習環境或數據科學家的免費原型設計環境，用戶無需支付任何費用，即可快速、輕鬆地開始建構和訓練機器學習模型。如欲開始使用Amazon SageMaker Studio Lab，請瀏覽aws.amazon.com/sagemaker/studio-lab。

今年初，Amazon推出一項新的領導準則：成功和規模為我們帶來更大社會責任。AWS正努力實踐這個新領導原則，包括承諾於2025年為2,900萬人提供免費的雲端運算技能培訓，當中包含Amazon Future Engineer、AWS Girls’ Tech Day和AWS GetIT等針對年輕人的科學、技術、工程和數學（STEM）教育計劃，以及與學院和大學的合作。目前，AWS讓更多缺乏資源的人更容易獲得機器學習機會——為他們提供免費教育、獎學金，使用與世界領先的初創公司、研究機構和企業所使用的相同的機器學習技術。新宣佈的兩項計劃進一步推動了Amazon提供廣泛教育和培訓機會所做的努力。

AWS和Intel擁有15年的合作關係，致力於開發、建構和支援雲端服務，這些服務旨在管理成本和複雜性，加速業務發展，規模化滿足當前和未來的運算需求。Intel銷售、市場營銷和傳播業務部執行副總裁兼總經理Michelle Johnston Holthaus表示：「我們需要採取更多措施來創造多元化和互相包容的技術團隊。Intel很高興能夠支持AWS人工智能和機器學習獎學金計劃等項目，這與我們為缺乏資源的群體提供更多STEM機會的承諾一致，並有助促進未來一代機器學習從業員的多元化發展。這項教育和獎學金計劃的獨特之處在於學生從一開始就可以獲得豐富的學習材料。這對真正推動進步至關重要。學習不是為了最終的勝利，而是過程的一部分。」

Girls’ in Tech是一個全球非牟利組織，致力於消除科技領域的性別差距。Girls in Tech創始人兼首席執行官Adriana Gascoigne表示： 「要推動機器學習的多樣性，我們需要提前規劃，創造機會並打破障礙，正如AWS人工智能和機器學習獎學金計劃一樣。只有大家共同努力，縮小不同背景人士的差距，才能將更多女性和缺乏資源的群體帶入機器學習領域。Girls in Tech很高興看到像AWS人工智能和機器學習獎學金等多個計劃的推出，這將有助於縮小不同群體在機器學習教育方面的差距，並為他們開發各種職業可能性。」

Hugging Face是一個人工智能社區，用於建構、訓練和部署先進的機器學習模型並開源。 Hugging Face 產品營銷總監Jeff Boudier表示：「Hugging Face的使命是降低運用機器學習的門檻。AWS通過Amazon SageMaker Studio Lab讓任何人都可以透過互聯網瀏覽器學習和試驗機器學習，無需高性能電腦或信用卡即可開始使用。這讓機器學習更易於運用及與社群共享。我們很高興能參與其中，貢獻Hugging Face Transformers示例和資源，讓機器學習更普及！」

美國加州聖克拉拉大學金融系的使命是教育本科生和研究生為他們的組織和社會服務。聖克拉拉大學金融與數據科學教授 Sanjiv Das 表示：「 Amazon SageMaker Studio Lab讓學生不用經過平常所需的雲端配置步驟，即可開始學習建構機器學習。現時在我的自然語言處理（NLP）課程中，學生有更多時間來提升他們的技能。Amazon SageMaker Studio Lab 讓學生在AWS平台上快速上手，開展數小時的工作和實驗，並能夠輕鬆地從上次結束工作的地方繼續前進。Amazon SageMaker Studio Lab 令機器學習的初學者和高階使用者能夠在雲端運算平台更容易使用 Jupyter notebook 。」

賓夕法尼亞大學工程學院是現代電腦的發源地，在1946 年誕生了世界第一台大型通用電腦 ENIAC。 70 多年來，賓夕法尼亞大學在電腦科學領域一直以卓越的創新發展見稱。賓夕法尼亞大學電腦及資訊科學教授Dan Roth表示：「使用機器學習編程最困難的部份之一是配置要建構的環境。這步驟通常需要學生選擇運算實例、安全策略，並提供信用卡。Amazon SageMaker Studio Lab消除了這些設置所需的複雜性，並提供了一個免費而強大的實驗環境，讓他們無需花時間配置機器學習環境，即可編寫代碼。」