Amazon WebServicesInc今天推出了一个新的开源库，帮助开发人员编写代码，其中只有几行基于机器学习的应用程序使用图像、文本或表格数据集。
构建依赖于这些数据的机器学习应用程序并不是一件容易的事情。例如，开发人员需要知道如何调整代表构建人工智能模型时所做选择的“超参数”。他们还需要处理神经架构搜索等问题，这使他们能够为自己的机器学习模型找到最佳架构设计。
AutoGluon实现了许多复杂任务的自动化，并且可以通过在默认范围内自动调整给定任务的已知良好选择，创建一个只有三行代码的新机器收入模型。所有开发人员要做的就是指定他们希望模型被训练的速度。AutoGluon将在给定的时间范围内提出最强的模型。
亚马逊表示，AutoGluon可以识别任务模型，包括图像和文本分类、目标检测和表格预测。它还为更有经验的开发人员提供了一个应用程序编程接口，以便他们能够提高模型的预测性能。
AWS应用科学家Jonas Mueller在一份声明中表示：“我们开发AutoGluon是为了真正实现机器学习的民主化，并为所有开发人员提供深度学习的力量。”AutoGluon解决了这个问题，因为所有的选择都会在默认范围内自动调整，这是众所周知的，对于特定的任务和模型来说表现很好。
星座研究公司(Constellation Research Inc .)分析师霍尔格穆勒(Holger Mueller)告诉SiliconANGLE，许多企业缺乏快速构建新的机器学习模型所需的开发人才，因此对能够简化这一过程的工具的需求很大。
穆勒说：“亚马逊的AutoGluon是朝着这个方向迈出的关键一步，它授权开发者在AWS的云基础设施上使用先进的AI技术。”限制CPU搜索最合适模型的能力尤其有价值，因为预算和时间上的实际限制也适用于人工智能解决方案。现在，这将是关于在开发人员的基础上看到AutoGluon的采用。不用说，人工智能领导地位的争夺不会由开发人员赢得，而是由技术头脑温和的商业用户利用人工智能。"
AutoGluon只是AWS推出的新产品，因为它有望让机器学习民主化。该公司最近更新了SageMaker工具，以持续培训机器学习模型并将其部署到云和边缘环境中。更新包括SageMaker Studio，这是一个模型训练和工作流管理工具，可以收集所有使用过的代码和笔记本模型，并保存在一个地方，以及SageMaker automatic，它通过自动选择最佳算法并根据特定任务进行调整来自动创建模型。