機器學習 (ML) 已成為成功組織推動創新的一項核心技術要素。現時，逾十萬間組
織正運用 Amazon Web Services (AWS) 的人工智慧 (AI) 和 ML 解決方案與服務，
來達成可觀的商業成果。這些企業涉足幾乎各種產業，包括金融服務、醫療、媒
體、職業運動、零售業及工業領域等。
預計 ML 的實用性和影響將會加速增長。根據 IDC 的調查，到了 2025 年，全球
的 AI 支出將達到 2040 億。
1
在 ML 獲得成功和成長的同時，實現 ML 普及化的議題仍然面臨各種挑戰。許多
曾受 ML 眾多潛在利益所吸引的組織，因 ML 進展遲緩和不盡人意的投報率而感
到無奈。若要達到目標，這些組織必須要更迅速地、以更低的成本在生產上運用
ML 模型，並最終透過擴展技術來為整個業務創造成果。
在這本電子書中，首先，我們將探索實現 ML 可擴展性和成功的主要障礙；接著，
我們將展示 AWS 的解決方案和服務如何協助幾乎所有的組織克服這些挑戰，並運
用 ML 推動創新並取得具體的商業成果。
2
簡介
解決關於機器學習可擴展性的問題
1
"Investment in Artificial Intelligence Solutions Will Accelerate as Businesses Seek Insights, Efficiency, and Innovation,
According to a New IDC Spending Guide" (人工智慧解決方案的投資會隨企業尋求相關的洞察、效率和創新而加速發展，
來自新的一份 IDC支出指引的觀點)， IDC，2021 年 。
大規模取得運用機器學習的成果的五大障礙：
資料處理
1
昂貴的基礎
設施
4
缺乏開發工具和
MLOps
5
習得資料科
學技能
2
負責任地使用機
器學習
3
