Was ist maschinelles Lernen?

Amazon Machine Learning ist ein verwalteter Service zum Aufbauen von ML-Modellen und Generieren von Prognosen, mit denen Sie robuste, skalierbare intelligente Anwendungen entwickeln können. Mit Amazon Machine Learning können Sie leistungsstarke Technologien zum maschinellen Lernen nutzen, ohne auf umfassendes Hintergrundwissen über Algorithmen und Techniken des maschinellen Lernens zurückgreifen zu müssen.

Das Verfahren zum Aufbauen von ML-Modellen mit Amazon Machine Learning besteht aus drei Vorgängen: Datenanalyse, Modelltraining und Bewertung. Im Datenanalyseschritt wird die Verteilung Ihrer Daten berechnet und visualisiert und werden Veränderungen vorgeschlagen, mit deren Hilfe der Modelltrainingsprozess optimiert werden kann. Der Modelltrainingsschritt findet und speichert die prognostizierten Muster innerhalb der transformierten Daten. Im optionalen abschließenden Schritt wird das Modell hinsichtlich der Präzision bewertet.

In Amazon Machine Learning sind leistungsstarke Algorithmen für maschinelles Lernen mit interaktiven visuellen Tools kombiniert, die Sie beim Erstellen, Bewerten und Bereitstellen von Machine Learning-Modellen anleiten. Die integrierten Datentransformationen gewährleisten, dass die zugrunde liegenden Datenbestände für eine maximale Prognosequalität des Modells nahtlos umgewandelt werden. Wenn ein Modell aufgebaut ist, hilft die intuitive Konsole bei der Modellbewertung und Feinabstimmung, sodass Sie ihre Stärken und Schwächen kennenlernen und die Leistung Ihren Geschäftszielen anpassen können.

Einführung in Amazon Machine Learning

Mit Amazon Machine learning (ML) können Sie historische Daten nutzen, um bessere geschäftliche Entscheidungen zu treffen. ML-Algorithmen entdecken Muster in Daten und entwickeln Prognosemodelle mithilfe dieser Muster. Anschließend können Sie diese Modelle nutzen, um Prognosen über zukünftige Daten aufzustellen. Eine mögliche Anwendung von ML wäre zum Beispiel, auf der Grundlage des früheren Verhaltens zu prognostizieren, ob ein Kunde ein bestimmtes Produkt kaufen wird, und diese Prognose dazu zu verwenden, dem betreffenden Kunden eine E-Mail mit einem personalisierten Sonderangebot zuzusenden.  

Wichtigste Funktionen

Integriert mit AWS-Services für einfachen Datenzugriff

Mit Amazon Machine Learning ist es einfach, mit Daten zu arbeiten, die bereits in der AWS-Cloud gespeichert sind. Sie können Datenbestände nutzen, die bereits als CSV-Dateien in Amazon S3 gespeichert sind, oder Sie können Amazon Redshift- oder MySQL-Datenbanken in Amazon RDS abfragen, um ML-Modelle zu erstellen und zu nutzen.  

Datenvisualisierung und ‑nutzung

Daten von hoher Qualität sind von entscheidender Bedeutung beim Aufbau präziser Prognosemodelle, aber die tatsächlich vorhandenen Datenbestände sind häufig unvollständig oder nicht konsistent. Interaktive Diagramme, mit denen Sie Ihre Eingangs-Datenbestände visualisieren und analysieren können, helfen, die Dateninhalte und ihre Verteilung zu verstehen bzw. fehlende oder falsche Datenattribute zu entdecken.

Screenshot_NumericAttributes_Thumbnail
(zum Vergrößern klicken)
Screenshot_NumericAttributes
Modellbewertungs- und Interpretationstools

Mit Amazon Machine Learning ist es einfach, die Leistung Ihres Modells zu verstehen, indem Sie branchenübliche Qualitätskennzahlen berechnen und das Modellverhalten visualisieren. Amazon Machine Learning kann auch dazu beitragen, die Interpretation der Prognosen zu verfeinern. Wenn Ihr ML-Modell zum Beispiel eingesetzt wird, um Käufe als rechtmäßig oder betrügerisch zu klassifizieren, hilft Amazon Machine Learning beim Visualisieren der Prognoseergebnisse und entscheidet, wie die Prognosen anzupassen sind, um die optimalen Ergebnisse für Ihre intelligente Anwendung bereitzustellen.

Screenshot_ModelPerformance_Edited_Thumbnail
(zum Vergrößern klicken)
Screenshot_ModelPerformance_Edited
APIs für die Modellerstellung

Amazon Machine Learning bietet APIs zum Modellieren und Verwalten, mit deren Hilfe Sie Datenquellen, Modelle und Bewertungen erstellen, prüfen und löschen können. Auf diese Weise können Sie die Erstellung neuer Modelle automatisieren, wenn neue Daten verfügbar werden. Sie können die APIs auch verwenden, um frühere Modelle, Datenquellen, Bewertungen und Batch-Prognosen zur Verfolgung bzw. Wiederholbarkeit zu prüfen.

Algorithmen für maschinelles Lernen

Mit Amazon Machine Learning ist es einfach, mit Daten zu arbeiten, die bereits in der AWS-Cloud gespeichert sind. Sie können Datenbestände nutzen, die bereits als CSV-Dateien in Amazon S3 gespeichert sind, oder Sie können Amazon Redshift- oder MySQL-Datenbanken in Amazon RDS abfragen, um ML-Modelle zu erstellen und zu nutzen.  

Integriert mit AWS-Services für einfachen Datenzugriff

Amazon Machine Learning nutzt skalierbare und robuste Implementierungen von ML-Algorithmen, die zum Branchenstandard gehören. Mit Amazon Machine Learning können Entwickler Modelle erstellen, die Werte von binären Attributen (binäre Klassifizierung), Kategorieattributen (Einordnung in mehrere Klassen) oder numerischen Attributen (Regression) prognostizieren. Ein Modell für binäre Klassifizierung kann zum Beispiel eingesetzt werden, um vorherzusagen, ob es sich bei einem Website-Kommentar um Spam handelt (zum Beispiel „Ja“ oder „Nein“). Modelle zur Einordnung in mehrere Klassen können verwendet werden, um Kundendienstanfragen an die richtige Abteilung weiterzuleiten (zum Beispiel „Fakturierung“, „Technischer Kundendienst“ oder „Auftragsstatus“). Regressionsmodelle können verwendet werden, um die Anzahl der Tage bis zur nächsten Kundeninteraktion mit einer Anwendung oder einem Service vorherzusagen.

Datentransformationen

Die Qualität Ihres Machine Learning-Modells ist abhängig von der Qualität der Eingabedaten und wie die Daten umgewandelt werden, bevor sie in den ML-Algorithmus einfließen. Um Ihnen zu helfen, Ihre Daten optimal zu nutzen, stellt Amazon Machine Learning Implementierungen von gängigen ML-Datentransformationen bereit. Amazon Machine Learning schlägt für Ihre Eingabedaten automatisch Datentransformationen vor und Sie können beim Modelltraining einfach anpassen, welche Transformationen auf die Attribute in Ihren Daten angewendet werden.

APIs für Batch- und Echtzeit-Prognosen

Nachdem Sie Ihre Modelle für maschinelles Lernen erstellt haben, bietet Amazon Machine Learning APIs, mit deren Hilfe Sie Prognosen erstellen und daraus bequem intelligente Anwendungen entwickeln können. Mithilfe der Batch-Prognose-API kann es Milliarden von Prognosen erstellen oder mit einer Echtzeit-API bei hohem Durchsatz und niedriger Latenz Prognosen liefern. Die Batch-Prognose-API ruft eine große Anzahl von Datensätzen ab und generiert alle Prognosen in einem Schub, während die Echtzeit-Prognose-API die Prognosen mit niedriger Latenz synchron generiert.

Vollständig verwaltet

Amazon Machine Learning verwaltet die gesamte Infrastruktur und alle Workflows, die zum Ausführen und Skalieren der ML-Modellerstellung und zum Generieren der Prognosen erforderlich sind, sodass Sie sich auf Ihre Anwendung konzentrieren können. Sie können so viele Modelle erstellen, wie Sie möchten, und Volumen und Durchsatz der von diesen Modellen generierten Prognosen skalieren, ohne sich Gedanken über die Bereitstellung von Hardware, Verteilung und Skalierung der Datenverarbeitungslast, Verwaltung der Abhängigkeiten oder Überwachung und Fehlerbehebung bei Ihrer ML-Flotte machen zu müssen.

Nutzungsabhängige Zahlung

Bei Amazon Machine Learning bezahlen Sie nur für das, was Sie nutzen. So ist die Skalierung einfach und kostengünstig, ob Sie nun wenige Prognosen pro Tag oder Hunderte pro Sekunde erstellen. Für die Rechenzeit zum Aufbauen der Prognosemodelle wird Ihnen ein Stundensatz berechnet und ein Satz pro Prognose sowohl für Batch- als auch für Echtzeit-Prognosen. Ihnen werden auch Echtzeit-Prognosen auf der Grundlage des für jedes Modell erforderlichen Arbeitsspeichers berechnet.

Weitere Informationen über Preise von Amazon Machine Learning

Zur Seite mit den Preisen
Sind Sie startbereit?
Registrieren
Haben Sie Fragen?
Kontakt