1,000万美元亚马逊云科技人工智能和机器学习奖学金(Amazon AI & ML Scholarship)项目旨在为全球范围内来自弱势群体和服务设施欠缺地区的学生提供为未来从事机器学习相关工作做好准备的机会。
Amazon SageMaker Studio Lab让任何人都可以免费,轻松、快速地构建学习和实验机器学习的开发环境
北京2021年12月8日 /美通社/ -- 亚马逊云科技在2021 re:Invent全球大会上,宣布推出两项新举措,旨在降低机器学习使用门槛,为任何对该技术感兴趣的人提供更容易地学习和体验机会。亚马逊云科技人工智能和机器学习奖学金项目(Amazon AI & ML Scholarship)致力于为全球范围内来自弱势群体和服务设施欠缺地区的学生提供为未来从事机器学习的相关工作做好准备的机会。该项目使用Amazon DeepRacer和新的Amazon DeepRacer Student League,让学生获得机器学习基础知识,并为他们提供动手训练自动驾驶赛车机器学习模型的体验。亚马逊云科技通过Amazon SageMaker Studio 通过提供每个人都可以访问帮助客户构建、训练和部署机器学习模型的亚马逊云科技服务Amazon SageMaker的免费版本,让接触机器学习变得更容易。
亚马逊云科技全球机器学习副总裁Swami Sivasubramanian表示:“这两项新举措旨在为人们提供机器学习的教育机会,让任何对这项技术感兴趣的人都能更容易地使用它。机器学习将成为当代最具变革性的技术之一。如果我们要释放这项技术的全部潜力,解决一些世界上最具挑战性的问题,就需要来自不同背景、不同行业的人才进入该领域。我们希望通过这项新的奖学金计划激励和激发未来人才的多元化,并打破阻碍人们开始使用机器学习的成本障碍。”
新的1,000万美元教育和奖学金计划旨在为全球范围内来自弱势群体和服务设施欠缺地区的学生未来从事机器学习职业做好准备
世界经济论坛预计,到2025年,技术进步和自动化将创造9,700万个新的技术工作岗位,包括人工智能和机器学习领域。虽然技术领域的工作机会在增加,但科技职业的多样性发展缓慢。让任何对技术感兴趣的人都能获得教育资源,对于促进人工智能和机器学习强大的人才储备以及人才多样性至关重要。亚马逊云科技人工智能和机器学习奖学金旨在帮助来自弱势群体和服务设施欠缺地区的高中生和大学生,学习机器学习基本概念,并为他们未来从事人工智能和机器学习的工作做好准备。该项目除了免费提供数十小时机器学习模型训练和教育材料,还为来自弱势群体和服务设施欠缺地区的2,000名学生提供Python Udacity Nanodegree人工智能编程项目奖学金,为获得者提供机器学习的基础编程工具和技术。根据第一期Udacity Nanodegree项目的毕业生技术评估,前500名学生将获得第二期Udacity Nanodegree项目深度学习和机器学习工程奖学金,帮助他们进一步为人工智能和机器学习的职业生涯做好准备。这500名的学生还将有机会得到亚马逊和英特尔技术专家指导,获得职业洞察和建议。
亚马逊云科技人工智能和机器学习奖学金计划与英特尔合作提供,并由人才转型平台Udacity提供支持,世界各地的学生均可获得数十小时免费培训模块和涵盖机器学习基础知识及其实际应用程序的教程。学生可以通过Amazon DeepRacer,将理论转化为实际操作,学习如何训练机器学习模型驱动虚拟赛车。通过知识检查测验,成功完成教育模块,达到特定Amazon DeepRacer单圈成绩目标并提交论文的学生将可能获得Udacity Nanodegree项目奖学金。学生还可以在Amazon DeepRacer Student League中测试他们的虚拟赛车。Amazon DeepRacer Student League通过一辆由机器学习驱动的全自动驾驶 1/18 比例的赛车、3D 赛车模拟器以及一场全球竞赛,帮助各种技能水平的人学习如何构建机器学习模型。Capital One、宝马、德勤、摩根大通、埃森哲和Liberty Mutual等企业已使用Amazon DeepRacer让员工亲自构建、训练和部署机器学习模型。
Amazon SageMaker Studio Lab 提供免费的机器学习开发环境,将机器学习带给每个人
Amazon SageMaker Studio Lab提供免费版本的Amazon SageMaker,全球众多研究人员和数据科学家正使用Amazon SageMaker快速构建、训练和部署机器学习模型。用户通过Amazon SageMaker Studio Lab,无需拥有亚马逊云科技账户或提供账单详细信息,即可在亚马逊云科技上启动和运行机器学习。用户只需访问web浏览器,使用电子邮件注册,Amazon SageMaker Studio Lab即可提供机器学习开发环境。Amazon SageMaker Studio Lab提供无限制的用户会话,包括15 GB持久存储,和用于免费训练机器学习模型的长达12小时的CPU和4小时的GPU计算。使用Amazon SageMaker Studio Lab无需构建、扩展或管理云资源,用户可以像开合笔记本电脑一样轻松地开始、停止和重启机器学习项目。当用户完成实验并希望将他们的想法付诸实践时,可以轻松将其机器学习项目导出至Amazon SageMaker Studio,在亚马逊云科技上部署和扩展他们的模型。Amazon SageMaker Studio Lab可用作学生的免费学习环境或数据科学家的免费原型设计环境,用户无需支付任何费用,即可快速、轻松地开始构建和训练机器学习模型。
今年初,亚马逊推出了一项新的领导力准则:成功和规模带来更大责任。亚马逊云科技正加大力度践行这一新领导力原则,包括承诺到2025年为2,900万人提供免费的云计算技能培训,包括Amazon Future Engineer、Amazon Girls’ Tech Day和Amazon GetIT的针对年轻学者的科学、技术、工程和数学(STEM)教育计划,以及与学院和大学的合作。现在,亚马逊云科技让更多来自弱势群体和服务设施欠缺地区的人更容易获取机器学习 -- 为他们提供免费教育、奖学金,使用与世界领先的初创公司、研究机构和企业所使用的相同的机器学习技术。新宣布的两项举措进一步推动了亚马逊提供广泛教育和培训机会所做的努力。
亚马逊云科技和英特尔拥有15年的合作关系,致力于开发、构建和支持云服务,这些服务旨在管理成本和复杂性,加速业务进展,规模化满足当前和未来的计算需求。英特尔销售、市场营销和传播事业部执行副总裁兼总经理Michelle Johnston Holthaus表示:“我们需要采取更多措施来打造多元化和包容性的技术员工队伍。英特尔很高兴能够支持类似于亚马逊云科技人工智能和机器学习奖学金项目这一类创举,这与我们为弱势群体提供更多STEM机会的承诺一致,并有助于促进未来一代机器学习从业者的多元化。这项教育和奖学金计划的独特之处在于,学生从一开始就可以获得丰富的学习材料。这对真正推动进步至关重要。学习不是最终的获胜,而是过程的一部分。”
Girls in Tech是一个全球性非营利组织,致力于消除科技领域的性别差距。“要推动机器学习的多样性,我们需要提前规划,创造机会并打破障碍,正如亚马逊云科技人工智能和机器学习奖学金计划一样。” Girls in Tech创始人兼首席执行官Adriana Gascoigne表示:“只有大家共同努力,缩小多样性差距,才能将更多女性和弱势群体带入到机器学习领域。Girls in Tech很高兴看到如亚马逊云科技人工智能和机器学习奖学金等多个计划的推出,这将有助于缩小这些群体在机器学习教育方面的差距,并为他们开启的职业可能。”
Hugging Face是一个人工智能社区,用于构建、训练和部署先进的机器学习模型并开源。Hugging Face 产品营销总监Jeff Boudier表示:“在 Hugging Face,我们的使命是降低先进的机器学习 (ML) 的门槛。亚马逊云科技通过Amazon SageMaker Studio Lab做到了这一点,让任何人都可以通过web浏览器学习和试验机器学习,无需高性能电脑或信用卡即可开始使用。这让机器学习更易于获取,更易于与社区共享。 我们很高兴能参与其中,贡献Hugging Face transformers示例和资源,让机器学习更易获取!”
美国加州圣克拉拉大学金融系的使命是教育本科和研究生阶段的学生为他们的组织和社会服务。 “Amazon SageMaker Studio Lab让学生无需起步所需的云配置步骤,即可开始学习构建机器学习。现在,在我的自然语言处理课程中,学生有更多的时间来提高他们的技能。”圣克拉拉大学金融与数据科学教授 Sanjiv Das 表示:“Amazon SageMaker Studio Lab 让学生在亚马逊云科技平台上快速上手,开展数小时的工作和实验,并轻松地从中断的地方继续前进。Amazon SageMaker Studio Lab 为学习机器学习的初学者和高阶使用者带来了在云计算平台使用 Jupyter notebook 的易用性。”
宾夕法尼亚大学工程学院是现代计算机的发源地,在1946 年诞生了世界第一台大型通用电子数字计算机 ENIAC。70 多年来,宾夕法尼亚大学在计算机科学领域一直以卓越的创新而著称。宾夕法尼亚大学计算机与信息科学教授Dan Roth表示:“使用机器学习编程最困难的部分之一是配置要构建的环境,通常需要学生选择计算实例、安全策略并提供信用卡。Amazon SageMaker Studio Lab消除了这些设置所要的复杂性,并提供了一个免费的强大的实验环境。这让他们无需花时间配置机器学习环境,即可编写代码。”
