好的大數據公司，80％的精力用來做什麼？

據 InfoQ編輯所了解，目前市面上有很多大數據公司，他們的技術團隊 /數據團隊有 80%的精力都用來做什麼工作呢？

數據準備

剩下的 20%精力，又有很大部分是用在部署集群、安裝框架、調優等這些「雜活兒」上面了。

從當前的客觀情況來看，這是把數據分析業務做好的一個基本功。然而從理想世界的角度來看，這樣的現狀是驚人的浪費。這就好比在雲計算出現之前，可能 80%的時間是用在買伺服器、安裝操作系統、調試資料庫、部署擴容等跟開發應用無關的事情上了。現在的數據領域，跟那個年代的應用開發領域其實是非常相似的——一半以上的時間都不是用來產出的。——轉自 InfoQ文章《為什麼你應該關注 Amazon SageMaker》

在 2017年 11月的 re:Invent大會上，AWS發布了新的全託管端到端機器學習服務，名為 Amazon Sagemaker。他的出現就是讓有能力去改進框架和演算法的開發者，儘可能少花費精力在那些跟主業無關的事情上。

所以，我們要做什麼

我們希望能更好地教會大家如何快速上手 Amazon Sagemaker，幫開發者、數據科學家或大數據公司儘可能節約數據準備、集群部署的時間，而更專註於訓練模型和發布模型這樣的重點工作。

5月 29日（下周二），InfoQ邀請到 AWS解決方案架構師劉旭東來主講機器學習開發者如何在降低成本的同時，開展大規模的機器學習訓練；如何縮短訓練、調整和部署機器學習模型所需的時間，並將模型快速部署到生產中。想參會？文末有驚喜。

為什麼這堂課不能錯過

基礎篇

教授機器學習相關開發應該掌握哪些主流工具？

目前主流應用機器學習演算法是什麼？

從演算法設計到產品發布還有哪些要考慮的？

成長篇

Amazon Sagemaker蘊含哪些黑科技

如何利用 Amazon Sagemaker縮短訓練、部署模型的時間

達人篇

完成 Amazon Sagemaker上手實操

Amazon Sagemaker上手過程難點拆解

如何獲得免費聽課席位

5月 29日下午 14:00-15:30 （1小時課程 +0.5小時在線答疑）

地點：在線直播

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！