Kostenloses Konto erstellen

Bei Amazon investieren wir schon seit 20 Jahren im großen Umfang in künstliche Intelligenz, und viele der Funktionen, die Kunden verwenden, werden durch Machine Learning unterstützt. Die Empfehlungs-Engine von Amazon.com wird von Machine Learning (ML) unterstützt. Gleiches gilt auch für die Pfade, die robotergesteuerte Auswahlrouten in unseren Erfüllungszentren optimieren. Auch unsere Lieferkette, Prognosen und Kapazitätsplanung werden durch ML-Algorithmen unterstützt. Alexa wird durch Deep Learning-Funktionen mit Natural Language Understanding und Automated Speech Recognition gesteuert. Das gilt auch für unsere Drohneninitiative Prime Air und Amazon Go, die Computervisionstechnologie in unserer neuen Einzelhandelserfahrung. Bei Amazon befassen sich Tausende von Technikern mit Machine Learning und Deep Learning – ein großer Bestandteil unserer Firmenidentität.

Innerhalb von AWS konzentrieren wir uns darauf, Ihnen dieses Wissen und diese Funktionen durch die drei Ebenen des KI-Stacks zu vermitteln: Frameworks und Infrastruktur mit Tools wie Apache MXNet und TensorFlow, API-gesteuerte Services zum schnellen Hinzufügen von Intelligenz zu Anwendungen und Machine Learning-Plattformen für Datenwissenschaftler.


Es gibt viele Methoden und verfügbare Tools zum Erstellen intelligenter Anwendungen. AWS unterstützt alle größeren Deep Learning-Frameworks, um Datenwissenschaftlern und Entwicklern eine möglichst offene und flexible Umgebung bereitzustellen.

Für den schnellen Einstieg stellen wir das AWS-Deep-Learning-AMI bereit (verfügbar für Amazon Linux und Ubuntu), damit Sie verwaltete, automatisch skalierbare GPU-Cluster für Trainings und Inferenzen jeder Größe erstellen können. Es ist für Apache MXNet, TensorFlow, Caffe2 (und Caffe), Theano, Torch, Microsoft Cognitive Toolkit und Keras sowie für alle bekannten Deep Learning-Tools und -Treibern vorinstalliert.  

TensorFlow™ ist eine Open-Source-Softwarebibliothek für numerische Berechnungen mit Datenflussdiagrammen. Knoten im Diagramm stellen mathematische Operationen dar, während die Diagrammränder die mehrdimensionalen Daten-Arrays (Tensors) darstellen, die zwischen ihnen kommuniziert werden.

Nirgendwo sonst werden mehr TensorFlow-Modelle als auf AWS ausgeführt; Organisationen wie Pinterest, UCLA, OpenAI, Expedia und Claire.ai führen Produktionsanwendungen mit TensorFlow auf AWS schon heute aus.

Weitere Informationen »

Die Apache MXNet-Leistung ist besonders gut skalierbar, sodass es ein ideales Framework für Anwendungen in der Cloud, im IoT und an Edge-Standorten darstellt.

Nvidia, Carnegie Mellon University, Clarie.ai und Wolfram nutzen Apache MXNet schon heute zur Verbesserung ihrer Arbeit im KI-Bereich.

Weitere Informationen »

framework_logo_bar
nvidia-logo-amis

Amazon EC2-P2-Instances stellen leistungsstarke Nvidia-GPUs bereit, um Berechnungen zu beschleunigen, damit Sie ihre Modelle in einem Bruchteil der Zeit, die herkömmliche CPUs benötigen würden, trainieren können. Nach dem Training sind datenverarbeitungsoptimierte Amazon EC2 C4- und M4-Mehrzweck-Instances zusätzlich zu GPU-basierten Instances ideal zum Ausführen von Inferenzen mit dem trainierten Modell geeignet.

Außerdem stehen FPGAs (Field Programmable Gate Arrays) für spezielle Anwendungen zur Verfügung, für die auch sehr spezielle, komplexe Anforderungen an Machine Learning-Anwendungen bestehen. Für diese Anwendungen können Sie die höhere Flexibilität und Leistung von F1-Instances nutzen.

Sie können die Deep Learning-CloudFormation-Vorlage verwenden, um problemlos einen Cluster mit P2-Instances mithilfe des Deep Learning-AMI für größere Trainingsanforderungen einzurichten.

Weitere Informationen auf GitHub »

Cloud Formation-Vorlage

Unsere KI-Services stellen Entwicklern die Möglichkeit zum Hinzufügen von Intelligenz zu ihren Anwendungen durch API-Aufrufe an zuvor trainierte Services bereit, anstatt die eigenen Modelle zu entwickeln und zu trainieren.

Amazon Lex

Amazon Lex verwendet die gleiche Technologie wie Amazon Alexa, um erweiterte Deep Learning-Funktionen der automatischen Spracherkennung (Automatic Speech Recognition, ASR) und des natürlichen Sprachverstehens (Natural Language Understanding, NLU) bereitzustellen, damit Sie Anwendungen mit Gesprächsschnittstellen, die häufig als Chatbots bezeichnet werden, erstellen können.

Weitere Informationen »

Amazon Polly

Amazon Polly ist ein Service, der Text in natürliche Sprache konvertiert. Mit Polly können Sie Anwendungen erstellen, die in mehr als zwei Dutzend Sprachen mit verschiedenen natürlich klingenden männlichen und weiblichen Stimmen sprechen, damit Sie ganz neue Kategorien sprachfähiger Produkte entwickeln können.

Weitere Informationen »

Amazon Rekognition

Amazon Rekognition, das auf die von Amazon Prime Photos zum täglichen Analysieren von Milliarden von Bildern verwendete Technologie basiert, ist ein Service, der das Hinzufügen von Bildanalysen zu Ihren Anwendungen vereinfacht. Mit Rekognition können Sie Objekte, Szenen und Gesichter in Bildern erkennen und Gesichter zwischen verschiedenen Bildern suchen und vergleichen.

Weitere Informationen »


Für Entwickler und Datenwissenschaftler, die sich auf das Erstellen von Modellen konzentrieren möchten, entfernen die KI-Plattform-Services den undifferenzierten Aufwand für das Bereitstellen und Verwalten der Infrastruktur für Training und Hosting.

Amazon Machine Learning

Amazon Machine Learning bietet Visualisierungstools und Assistenten, die Sie durch den Aufbauprozess für Machine Learning-Modelle (ML) begleiten, ohne dass Sie komplexe ML-Algorithmen und Technologien erlernen müssen.

Weitere Informationen »

ha_ed_emr-new-2

Apache Spark auf Amazon EMR beinhaltet MLlib zum Bereitstellen skalierbarer Algorithmen für Machine Learning. Alternativ haben Sie auch die Möglichkeit, Ihre eigenen Bibliotheken zu verwenden. Durch das Speichern von Datensätzen im Arbeitsspeicher kann Spark eine großartige Leistung für Machine Learning-Anwendungen bereitstellen.

Weitere Informationen »