重磅发布:PAI-DSW 探索者版|学习笔记

本文涉及的产品
交互式建模 PAI-DSW,每月250计算时 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
模型训练 PAI-DLC,100CU*H 3个月
简介: 快速学习重磅发布:PAI-DSW 探索者版。

开发者学堂课程【PAL 平台学习路线:机器学习入门到应用:重磅发布:PAI-DSW 探索者版】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/855/detail/14230


重磅发布:PAI-DSW 探索者版

 

内容介绍:

一、探索者版本的基本简介

二、产品的核心优势

三、整个的生态战略

 

一、探索者版本的基本简介

随着机器学习和深度学习的发展,越来越多的开发者开始进入这个领域进行学习。我们回想一下在十几年前上大学的时候,大家在学习机器学习、深度学习是什么样的场景?在那个时候想要获得一个简简单单的数据资源是非常复杂的。有些时候我们需要在实验室,还需要等待服务器空闲才能提供给我们进行深度学习训练。这个等待有时是3-5天,有时甚至更长的时间。但是 PAI-DSW 为广大的用户提供了交互式 NOTEBOOK 编程的环境,其背后依托云计算的资源能够使得我们在短时间之内快速的获得各种各样的计算资源,不论是 CPU 还是 GPU。

在去年就发布了 DSW 的开发者版本,今年将其升级为探索者版本,希望助力广大的开发者能够快速的学习,快速上手。

 

二、产品的核心优势

有哪些方面的内容能够让开发者学习变得更简单呢?

1、超快速的拉起时间

在实验室等待服务器的时候需要等待很长时间,具有不确定性,目前解决了这个问题。

在云上首次创建实例以后,要去拉起一个 NOTEBOOK 的实例往往也需要花几十秒、1、2分钟的时间。那么 PAI-DSW探索者版本将拉起的时间缩短到了10秒。 

2、免费的计算和存储资源

当进行机器学习,尤其是深度学习开发的时候异构的计算资源往往会产生不一样的效果,学习的时候写的代码也会产生些许的差异。但是异构计算资源是非常昂贵的,作为学习者来说很难承受高昂的学习成本。探索者版本提供了免费的计算和存储资源,不管是 CPU 还是 GPU,来到平台就可以免费使用。 

3、打通天池开发者社区

当在学习机器学习、深度学习的时候,工具和平台固然重要,但是针对学习本身来说,所学习的内容也是非常关键的。当想要学习一个模型是如何构建的,学习AI是如何服务一个具体的场景的时候,如果没有真实的数据、场景,是不可能学习好的。探索者版本同阿里云的开发者社区打通,支持挂载天池的数据集。天池是阿里云多年耕耘出来的开发者社区,上面沉淀了大量的机器学习的实例。这可以使得开发者快速获得数据,以及真实的数据场景,以便于快速的学习。

下面通过三个非常简单的 demo 来看一下在这三个领域里面的建树:

首先超快速的拉起,这里已经是 DSW 整个的产品界面。整个机器学习的 notebook 已经被拉起过一次了,10秒就可以快速的拉起机器学习的快速服务让你的学习没有等待。

第二部分会提供免费的 CPU 和 GPU 资源,屏幕上出现一键切换 CPU 和 GPU 的资源。开发者可以在 CPU 上面开发,开发完之后切换到 GPU 资源上跑相应的训练。真正使得学习唾手可得。不论是 CPU 资源还是异构的 GPU 资源。

第三部分:当在学习机器资源的时候,有些同学会无从下手。在新的探索者版本中,我们同天池社区做了整合,无论是数据还是数据背后的案例都可以通过搜索框快速的找到。这样开发者就可以瞬间对接海量的数据源,快速的进行真实案例的学习。

 

三、整个的生态战略

整个的生态战略是面向全网各种各样的客户的,例如:

1、高校的师生

在学习的过程中需要实际的案例,新的版本可以使得师生快速的获得数据以及计算资源并且可以在平台上更好的交流。

2、科研机构

一方面可以免费的范例,另一方面我们拥有全世界真实的场景在平台上面;使得科研不仅仅只是停留在科研本身。

3、个人开发者

最大的用户;随着整个 AI 和机器学习的发展越来越多的开发者进入这个领域,不管是做什么开发的,不会做机器学习和深度学习就会感到落后。PAI-DSW 面向全网的开发者提供探索者版本,大家都可以到平台上进行相应的开发和学习。同时PAI本身就是一个机器学习平台,这个平台涵盖了基础的数据管理,数据标注,到单机训练、分布式训练再到上层的模型优化,不管是训练优化还是推理优化,再到上面的 infrunce 服务。也就是一旦进入机器学习,PAI平台就可以提供从学习到开发到生产一系列的服务设施。

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
机器学习/深度学习 编解码 计算机视觉
Python机器学习和图像处理学习笔记
Python机器学习和图像处理学习笔记
|
机器学习/深度学习 算法
学习笔记: 机器学习经典算法-决策边界(decision boundary)
机器学习经典算法-个人笔记和学习心得分享
896 0
学习笔记: 机器学习经典算法-决策边界(decision boundary)
|
机器学习/深度学习 算法 搜索推荐
【吴恩达机器学习笔记】十五、大规模机器学习
【吴恩达机器学习笔记】十五、大规模机器学习
97 0
|
机器学习/深度学习 算法
【吴恩达机器学习笔记】九、机器学习系统的设计
【吴恩达机器学习笔记】九、机器学习系统的设计
94 0
|
机器学习/深度学习 算法
【吴恩达机器学习笔记】八、应用机器学习的建议
【吴恩达机器学习笔记】八、应用机器学习的建议
117 0
|
机器学习/深度学习 算法 前端开发
学习笔记: 机器学习经典算法-集成学习策略
机器学习经典算法-个人笔记和学习心得分享
224 0
|
机器学习/深度学习 算法 Python
学习笔记: 机器学习经典算法-决策树(Decision Tress)
机器学习经典算法-个人笔记和学习心得分享
209 0
|
机器学习/深度学习 资源调度 算法
学习笔记: 机器学习经典算法-核SVM(KernelSVM)
机器学习经典算法-个人笔记和学习心得分享
164 0
|
机器学习/深度学习 资源调度 算法
学习笔记: 机器学习经典算法-线性SVM(LinearSVM)
机器学习经典算法-个人笔记和学习心得分享
163 0
|
机器学习/深度学习 算法
学习笔记: 机器学习经典算法-空间内一点到超平面的距离推广公式
机器学习经典算法-个人笔记和学习心得分享
170 0