本文是 fast.ai 聯合創始人 Jeremy Howard 所寫的客座文章。

Amazon AI 的目標是通過開發 Amazon SageMaker 之類的平臺來讓機器學習變得大眾化，而 fast.ai 的目標正好與其相同：提供平等教育機會，以便每個人都可以掌握機器學習並提高工作效率。fast.ai 的宣傳語是“讓神經網路觸手可及。”這不是一場降低深度神經網路熱門度的比賽，而是要讓其吸引力和可訪問性不僅僅侷限於主導該領域研究的學術精英。

隨著深度學習用例 (例如，計算機視覺、自然語言處理和機器翻譯) 的激增，我們還發現，開發人員社群對了解機器學習及其在眾多問題上的應用產生了濃厚的興趣。在實際應用方面，“深度學習納米學位”開發公司 Udacity 在全球的使用者數量已超過 800 萬。其中，5 萬多名使用者志在獲得納米學位，獲得這些學位的很大一部分使用者專注於深度學習。我們開始注意到，機器學習掀起熱潮，但這方面的教育仍舊沿襲一般教育方式，從研究開始，然後才是應用。進入 fast.ai 世界，感受

fast.ai 2017 年課程

fast.ai 於 2017 年 12 月剛剛錄製完其最新的深度學習課程。這些課程構成了最近釋出的 2017 年底上線的 MOOC 的基礎。這些課程是在 USF Data Institute 現場錄製的，當時有 120 名學生 (包括 40 多名多樣化學員) 到場上課，有 400 名世界各地的國際學員通過 YouTube 直播上課。

部分 fast.ai 2017 國際學員的分佈位置

這些學生取得了不俗的成績，並發表數篇文章來解釋課程中涉及的許多概念。以下是他們所取得成績的一小部分示例：

• 通過學習率改進我們的工作方式介紹了在處理學習率計劃方面的最新進展，這是應用型深度學習最重要的其中一部分。
• 小影象資料集的趣味性展示瞭如何僅使用 14 張影象來訓練影象分類器，實現高精確度。
• 解碼 ResNet 架構以一種引人入勝的方式介紹了這一出眾的 ImageNet 架構。
• 結構化深度學習展示瞭如何使用深度學習獲得含有結構化資料 (例如，資料庫表和電子表格) 的先進成果。
• 我們如何“訓練”神經網路介紹了梯度下降 (所有深度學習的基礎) 的基本理念。

特別的禮物

2016 年來自孟加拉國的 fast.ai 國際學員 Tahsin Mayeesha 說：“許多小的和看似不重要的細節對於想要學習的發展中國家學生來說反而成了障礙。”fast.ai 擔心，許多國際學員難以獲得可以註冊 AWS 的信用卡，而訪問 AWS 深度學習例項每小時需要支付0.90 USD 對很多人來說可能比較昂貴必要時，學生需要使用 GPU 訓練模型。使用適合深度學習的 GPU 構建 PC 至少需要花費 1,000 USD，而且搭建耗時並需要大量的專業知識。因此，AWS 是學生的理想平臺，因為他們前期不需要任何投入便可開始學習。

在幫助我們的學生實現互聯方面，一些熱情貼心的 AWS 人員給予了我們很大幫助，因此我們再次向他們尋求幫助。我們得到的迴應令我們欣喜異常：AWS 為我們的學生提供了大約 250,000 USD 的貸款，資助學生完成 fast.ai 學習的各個方面！

當我們告訴學生他們的 AWS 費用已經全額支付時，他們震驚不已。forums.fast.ai 上匯聚了數個我們的深度學習社群，數百名學生表達了他們的感激和興奮之情。如果沒有這份大禮，我們的許多學生可能無法取得成功。

fast.ai 和 AWS：讓深度學習觸手可及

2016 版 fast.ai 免費線上課程面向程式設計人員的深度學習已經為 10 萬餘名學生提供了 25 小時的課程，供具備高中數學知識和基本程式設計經驗的人員學習。課程內容全面，從如何使用預先訓練的網路進行基本影象識別到從頭開始踐行最新的深度學習論文，不一而足。學生會學習如何建立並連線 AWS 上託管的深度學習伺服器，他們將使用該伺服器完成課程作業。

正如 Forbes 在人工智慧教育將改變不斷髮展的世界中所說的那樣，這些學生會繼續在世界各地啟動大量重要的專案。得益於 AWS，現在有更多的學生有機會成為一流的深度學習從業者。

您是否期待教授一節課或者只是講授如何以最快的方式大規模執行 ML？

Amazon SageMaker 是一項完全託管的服務，可以幫助開發人員和資料科學家快速輕鬆地構建、訓練和部署任何規模的機器學習模型。它採用模組化架構，可以結合使用，也可以單獨使用，具體取決於您的工作流程。Amazon SageMaker 提供最常見的機器學習演算法並且針對性能進行了優化，藉助自動超引數優化，可以縮短模型優化時間。通過 Amazon SageMaker，還可以加入您自己的容器以及您偏愛的任何深度學習框架。

下一步工作?

• 訪問此處，檢視最新的 fast.ai MOOC，詳細瞭解深度學習中的從實際編碼到前沿編碼。
• 從幾個示例 Jupyter notebook (包括 AWS 作者 Randall Hunt 編寫的有關如何開始使用的博文) 中選擇一個來試用 Amazon SageMaker。
• 利用深度學習 AMI 快速開始使用 PyTorch、Apache MXNet 和 TensorFlow 等框架。

作者簡介

Jeremy Howard 是 fast.ai 的創始研究人員，fast.ai 是一家致力於讓深度學習廣為人用的研究機構。另外，他還是舊金山大學一位有名望的研究科學家、奇點大學的教職工、世界經濟論壇的全球青年領袖。

Joseph Spisak 負責領導 AWS 的合作伙伴生態系統，重點關注人工智慧和機器學習。他在 Amazon、Intel 和 Motorola 等公司獲得了 17 年以上的豐富技術經驗，主要研究視訊、機器學習和人工智慧。閒暇時，他喜歡打冰球和閱讀科幻小說。