亚马逊云科技大中华区产品部总经理陈晓建表示 ：[随着企业数据越来越多，机器学习模型越来越先进，很多企业期望通过大数据与机器学习技术的融合，进一步带动业务创新，提升产出。但企业往往面临一个困境，有大量的数据和分析技术储备，也尝试了很多先进的机器学习模型，但就是很难有实际的业务产出。企业不能只靠机器学习，而应在云中打造统一的数据基础底座，实现大数据与机器学习的‘双剑合璧’。 在大数据与机器学习领域，亚马逊云科技提供广泛而深入的服务，既有能打通两个领域的数据治理底层服务，还能实现大数据与机器学习之间的相互赋能。我们希望能凭借在这两个领域的领先技术以及服务全球数百万客户的实践经验，帮助客户加速实现大数据和机器学习融合的落地，为企业节本增效，提供业务发展的新动力。]
[云、数、智三位一体]的亚马逊云科技大数据与机器学习融合服务组合
亚马逊云科技 [云、数、智三位一体]的大数据和机器学习融合服务组合，是亚马逊云科技[智能湖仓]架构的重要组成。亚马逊云科技通过在云中构建统一的数据治理底座，提供数据分析服务保障机器学习的生产实践，实现机器学习反向赋能智能化数据分析，促进云、数、智三者的统一与融合，帮助客户推进机器学习项目的落地。
• 构建云中统一的数据治理底座， 打破数据及技能孤岛。 亚马逊云科技能帮助客户构建统一的数据治理底座，实现大数据和机器学习的数据共享，数据权限的统一管控，以及两者统一的开发和流程编排。云中统一的数据治理底座不仅能提升大数据和机器学习的高效融合，还能减少大数据和机器学习重复构建的工作，并且显著降低成本。其中， Amazon Lake Formation推出诸多新功能，实现了数据网格跨部门的数据资产共享，以及基于单元格的最细粒度的权限控制机制。Amazon SageMaker Studio可一站式地完成数据开发、模型开发及相关的生产任务，该服务基于多种专门构建的服务，如交互式查询服务Amazon Athena、云上大数据平台Amazon Elastic MapReduce （Amazon EMR）、云数据仓库服务Amazon Redshift、Amazon SageMaker等，为大数据和机器学习提供统一的开发平台。
• 助力机器学习由实验转为实践，为机器学习提供生产级别的数据处理能力。 机器学习项目成功的关键是对复杂的数据进行加工和准备。亚马逊云科技提供多种灵活可扩展、专门构建的大数据服务，帮助客户进行复杂的数据加工及处理，应对数据规模的动态变化，优化数据质量。其中，Amazon Athena能够对支持多种开源框架的大数据平台，包括Amazon EMR、高性能关系数据库Amazon Aurora、NoSQL数据库服务Amazon DynamoDB、Amazon Redshift等多种数据源，对这些数据源进行联邦查询，快速完成机器学习建模的数据加工。 以Amazon Redshift、Amazon Managed Streaming for Apache Kafka （Amazon MSK）和 Amazon EMR 为代表的无服务器分析能力，可以让客户无需配置、扩展或管理底层基础设施，即可轻松地处理任何规模的数据，为机器学习项目提供兼具性能和成本效益的特征数据准备。
• 让数据分析智能化，赋能业务人员探索创新。 亚马逊云科技还不断提供更加智能的数据分析服务，赋能业务人员进行智能分析、模型效果验证以及自主式创新。例如，在日常分析工具中集成机器学习模型预测能力，其中深度集成机器学习Amazon SageMaker模型预测能力的Amazon QuickSight 、在分析结果中添加基于模型预测的Amazon Athena ML，可帮助用户使用熟悉的技术，甚至通过自然语言来使用机器学习。亚马逊云科技还提供如Amazon Redshift ML、可视数据准备工具Amazon Glue Databrew、零代码化的机器学习模型工具 Amazon SageMaker Canvas等服务，让业务人员探索机器学习建模。
查看更多关于亚马逊云科技打造“云、数、智三位一体”服务组合，加速融合大数据和机器学习的详细内容...