¿Cuál es el mejor servicio en la nube para hacer capacitación en aprendizaje automático?

Técnicamente hablando, Azure, AWS y GCP tienen una oferta de aprendizaje automático. Dependiendo de lo que estés tratando de resolver. Cada una de las plataformas le brindará la oportunidad de aprender y desarrollar el conocimiento.

Antes de siquiera mirar un servicio en la nube dado. Lo básico que debe comenzar es comprender el concepto fundamental de Machine Learning. Sugeriría lo siguiente

Comentarios para Machine Learning de Coursera | Class Central – Andrew NG es el mejor maestro cuando se trata de Machine Learning. Siempre me refiero a sus videos para cualquier aclaración de vez en cuando.

Seis años después, Andrew Ng de Coursera regresa con nuevos cursos de Deep Learning

Además de los conceptos básicos de ML, también debe comenzar a aprender Python, ya que se está convirtiendo en la herramienta de facto.

Puede hacer lo anterior 2 sin necesidad de elegir un servicio en la nube. Supongo que estás comenzando. Por lo tanto, su enfoque principal es comprender la base y luego saltar a ML específicos basados ​​en servicios en la nube.

Editar: se corrigieron errores ortográficos.

Cargar a AWS y hacer todo por su cuenta es una de las opciones. La alternativa es utilizar el servicio con ML para construir un modelo. Recomendaría MLJAR mljar.com porque tiene una interfaz web fácil y API de Python. Puede construir modelos sklearn y otros, como: xgboost, lightGBM, Neural Networks.

Descargo de responsabilidad: fundé MLJAR.

Google Cloud Platform ( GCP ) parece la mejor variante, ya que ofrece servicios como Big Query y otras funciones útiles para entrenar los modelos de Machine Learning. Al menos, mi equipo y yo apostamos por ello.

Google

Azure y AWS son ciudadanos de segunda clase en esta área.

Claro, AWS tiene el 70% del mercado.

Claro, Azure es la llave en mano más fácil y súper fácil de usar.

Pero, el rey del aprendizaje automático en la nube es GCP .

GCP = Google Cloud Platform

Google tiene el equipo de ciencia de datos más grande del mundo, sin mencionar que tienen a Hinton.

Olvidemos por un minuto que crearon TensorFlow y lo regalaron.

Solo hablemos sobre la construcción de un modelo del mundo real con datos que no encajan en una hoja de cálculo de Excel.

La gran mayoría del aprendizaje automático aplicado es supervisado y eso significa que necesitamos datos.

No solo datos normales, necesitamos datos muy limpios y altamente estructurados.

¿Dónde está el lugar más fácil del mundo para cargar y modelar un petabyte de datos estructurados? BigQuery, por supuesto.

¿Por qué BigQuery? No tengo que hacer nada más que subir mis datos. Sin girar los clústeres de RedShit o lo que sea que tenga que hacer en Azure, solo suba y masajee datos con mi SQL familiar. Si tengo que modificar mis datos, no tardaré mis seis meses en actualizar 5 filas aquí, generalmente minutos.

Entonces, necesitarás un front end. Cloud datalab es un portátil Jupyter, lo cual es bueno porque no quiero ni necesito nada más.

Luego, con una sola línea de código, me conecto por el cuaderno datalab (Jupyter) a mis datos en BigQuery y construyo lejos.

He trabajado en los tres y lo único que me importa es llegar a mi trabajo lo más rápido posible y en este momento eso significa que construyo mis modelos en GCP.

Si es nuevo en el aprendizaje automático, no comience en GCP ni en ningún proveedor de la nube. Comience a aprender Python desde la comodidad de su computadora portátil.

El siguiente curso es gratuito para los primeros 20.

El curso completo de Python para ingenieros de aprendizaje automático

Recomendaría Azure ML como los mejores servicios en la nube para la capacitación de aprendizaje automático porque le permite almacenar todos sus datos, documentos, correos electrónicos, incluidos archivos multimedia, contactos e información de calendario. También le permiten acceder a esos elementos a través de la aplicación móvil y de escritorio del servicio en la nube, y a través de navegadores, que son muy importantes ya sea que esté ejecutando una pequeña empresa, sea un empresario o una persona que simplemente quiera más espacio.

dificil de decir:

si es para aprender cómo procesar big data, y almacenar y luego hacer ML:

hay muchas plataformas para ti:

• Cloudera: extendido con una tonelada de tutoriales pero la VM es bastante codiciosa
• Hortonworks: ¡muchos tutoriales también!
• Servicios web de Amazon: ¡las acreditaciones garantizan altos salarios!

• puede ser complicado de configurar!

Mis favoritos fueron Cloudera y Hortonworks para descubrir herramientas Big D (trabajo distribuido con Spark / Hadoop), cuando descubrí las ciencias de datos.

Ahora que estoy inscrito como estudiante de maestría en ciencias de datos, también me estoy mudando a los servicios web de Amazon. De la capacitación que recibo (certificación AWS) definitivamente es muy completa (¡elección de VM y configuración adicional!) Y potente.

Al final, debe estar bien informado con muchos de ellos, ya que el software utilizado tiende a variar de una compañía a otra.

Espero eso ayude.