這些應用程式的潛在商業價值頗為驚人，而快速且大規模地操作這些應用程式所需的資源和基礎設施需
求也同樣相當驚人。訓練可讓這些使用案例成為可能的 ML 模型，需要大量資料、數以萬計的運算節點，
以及增強的節點間/內部聯網功能。
為了因應這些問題，愈來愈多組織期待雲端的魔力。雲端將資料、低成本儲存、安全、ML 服務以及高
效能的運算基礎設施結合在一起，用於模型訓練和部署。
Amazon Web Services (AWS) 實現 ML 成功的方式
相較於其他地方，發生於 Amazon Web Services (AWS) 的 ML 比較多 ，而 AWS 會提供最深、最廣的服
務組合，以加快企業轉型。各種規模的組織 (從 Fortune 500 到新創公司) 都逐漸提升 AWS 的採用，因
為 AWS 提供針對 ML 最佳化的理想高效能且低成本的基礎設施服務和機器學習服務組合。在雲端執行
ML 工作負載，客戶即可取得基礎設施和 ML 工具的隨需存取權，以便在幾分鐘內加快速度，從一個執
行個體擴展到數千個執行個體，而且只需支付實際使用量的費用 。
一起來看看一些範例，了解現今 AWS 客戶如何透過 ML 取得理想成果。
4
