前言
通過閱讀這本實(shí)用指南，人工智能（Artificial Intelligence，AI）和機(jī)器學(xué)習(xí)（Machine Learning，ML）從業(yè)者將會(huì)學(xué)習(xí)如何在 Amazon 網(wǎng)絡(luò)服務(wù)（Amazon Web Services，AWS）上成功構(gòu)建并部署數(shù)據(jù)科學(xué)項(xiàng)目。Amazon AI 和 ML 服務(wù)棧將數(shù)據(jù)科學(xué)、數(shù)據(jù)工程和應(yīng)用開發(fā)統(tǒng)一在一起，來幫助你提升技能。這本手冊向你展示如何在云上搭建和運(yùn)行流水線，并將運(yùn)行結(jié)果在幾分鐘內(nèi)（而不是幾天）集成到應(yīng)用中。此外，本書作者還在全書每章介紹了降低開銷并提升性能的方法。
將Amazon AI 和ML 服務(wù)棧應(yīng)用到真實(shí)世界的應(yīng)用場景，如自然語言處理、計(jì)算機(jī)視覺、欺詐檢測、對話式設(shè)備等。
使用Amazon SageMaker Autopilot，通過自動(dòng)化機(jī)器學(xué)習(xí)（AutoML）實(shí)現(xiàn)特定子集的應(yīng)用場景。
深入理解一個(gè)基于BERT 的自然語言處理場景的模型開發(fā)的完整生命周期，包括數(shù)據(jù)接入、數(shù)據(jù)分析以及更多。
將所有組件包裝成一個(gè)可重復(fù)的機(jī)器學(xué)習(xí)運(yùn)維流水線。
通過Amazon Kinesis 和 Amazon Managed Streaming for Apache Kafka（MSK），在實(shí)時(shí)數(shù)據(jù)流中探索實(shí)時(shí)機(jī)器學(xué)習(xí)、異常檢測和流分析。
了解數(shù)據(jù)科學(xué)項(xiàng)目和工作流中的最佳安全實(shí)踐，包括在數(shù)據(jù)接入和分析、模型訓(xùn)練和部署過程中應(yīng)用 AWS Identity and Access Management（IAM）、鑒權(quán)、授權(quán)。
本書的概要
第1 章簡要介紹了Amazon AI 和ML 棧，這是一個(gè)極為強(qiáng)大的集合，提供了可供任何復(fù)雜度和規(guī)模的數(shù)據(jù)科學(xué)項(xiàng)目使用的各種服務(wù)、開源庫以及基礎(chǔ)設(shè)施。
第2 章描述了如何將Amazon AI 和ML 棧應(yīng)用在真實(shí)世界的使用場景來實(shí)現(xiàn)推薦、計(jì)算機(jī)視覺、欺詐檢測、自然語言理解（NLU）、對話式設(shè)備、認(rèn)知搜索、客戶支持、工業(yè)預(yù)測性維護(hù)、家庭自動(dòng)化、物聯(lián)網(wǎng)（IoT）、醫(yī)療衛(wèi)生和量子計(jì)算。
第3 章演示了如何使用SageMaker Autopilot 通過AutoML 實(shí)現(xiàn)一些上面提到的場景。
第4 ～ 9 章深入介紹了一個(gè)基于BERT 的NLP 使用場景的、完整的模型開發(fā)生命周期，包括數(shù)據(jù)接入與分析、特征選擇和工程、模型訓(xùn)練、微調(diào)和部署，這些步驟通過 Amazon SageMaker、Amazon Athena、Amazon Redshift、Amazon EMR、TensorFlow、PyTorch 和無服務(wù)器化的Apache Spark 實(shí)現(xiàn)。
第10 章通過SageMaker Pipelines、Kubeflow Pipelines、Apache Airflow、MLflow和TFX 實(shí)現(xiàn)MLOps，將所有服務(wù)組合集成進(jìn)可重復(fù)的流水線。
第11 章使用Amazon Kinesis 和Apache Kafka，展示了基于實(shí)時(shí)數(shù)據(jù)流的實(shí)時(shí)ML、異常檢測和流分析。
第12 章全面展示了數(shù)據(jù)科學(xué)項(xiàng)目和工作流中的最佳安全實(shí)踐，包括IAM、鑒權(quán)、授權(quán)、網(wǎng)絡(luò)隔離、數(shù)據(jù)靜態(tài)加密、后量子網(wǎng)絡(luò)傳輸加密、治理和可審計(jì)性。
在全書每一章，我們都提供了一些在AWS 上實(shí)踐數(shù)據(jù)科學(xué)項(xiàng)目的技巧，以優(yōu)化開銷和改進(jìn)性能。
本書的讀者對象
這本書適合每一位需要使用數(shù)據(jù)做出重大商業(yè)決策的讀者。本書提供的指導(dǎo)將幫助數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師、ML 工程師、研究科學(xué)家、應(yīng)用開發(fā)者和DevOps 工程師來拓寬其對現(xiàn)代數(shù)據(jù)科學(xué)技術(shù)棧的理解，并提升其使用云服務(wù)的技能。Amazon AI 和 ML 棧統(tǒng)一了數(shù)據(jù)科學(xué)、數(shù)據(jù)工程和應(yīng)用開發(fā)，來幫助用戶提升超越其當(dāng)前崗位的技能。我們展示了如何在云上構(gòu)建和運(yùn)行流水線，并僅使用數(shù)分鐘而不是數(shù)天，將運(yùn)行結(jié)果集成到應(yīng)用中。
為了能夠盡可能充分地理解本書的內(nèi)容，我們建議讀者在閱讀本書之前已經(jīng)擁有如下知識：
對云計(jì)算的基本理解。
基本的編程技能，如使用Python、R、Java/Scala 或 SQL。
基本熟悉數(shù)據(jù)科學(xué)工具，如Jupyter Notebook、pandas、NumPy 或scikit-learn。
其他資源
本書受到了很多偉大的作者和資源的啟發(fā)：
Aurélien Géron 編著的《Hands-on Machine Learning with Scikit-Learn, Keras,and TensorFlow》（OReilly）是一本非常棒的指導(dǎo)手冊，通過使用一些流行的工具諸如Python、scikit-learn 和TensorFlow 構(gòu)建智能ML 系統(tǒng)。
Jeremy Howard 和Sylvain Gugger 編著的《Deep Learning for Coders with fastai and PyTorch》（OReilly）對于使用 PyTorch 搭建深度學(xué)習(xí)應(yīng)用而言，是一本優(yōu)秀的參考書。
Hannes Hapke 和Catherine Nelson 編著的《Building Machine Learning Pipelines》（OReilly）是一本了不起的、易讀的參考書籍，用于使用TensorFlow 和 TFX搭建AutoML 流水線。
Eric R. Johnston、Nic Harrigan 和Mercedes Gimeno-Segovia 編著的《Programming Quantum Computers》（OReilly）通過易于理解的例子展示量子優(yōu)勢，極好地介紹了量子計(jì)算機(jī)。
Micha Gorelick 和Ian Ozsvald 編著的《High Performance Python》（OReilly）是一本高級參考，其中揭示了很多用于為高性能數(shù)據(jù)處理、特征工程和模型訓(xùn)練而建立和優(yōu)化Python 代碼的技巧。
本書有一個(gè)專門的網(wǎng)站（https://datascienceonaws.com），用于提供與本書內(nèi)容有關(guān)的進(jìn)階工作坊、月度網(wǎng)絡(luò)研討會(huì)、見面會(huì)、視頻和幻燈片等相關(guān)信息。
排版約定
本書使用了下述排版約定。
斜體（Italic）
表示新術(shù)語、URL、電子郵件地址、文件名和擴(kuò)展名。
等寬字體（Constant Width）
表示程序片段，以及正文中出現(xiàn)的變量、函數(shù)名、數(shù)據(jù)庫、數(shù)據(jù)類型、環(huán)境變量、語句和關(guān)鍵字等。
等寬粗體（constant width bold）
表示應(yīng)該由用戶輸入的值或根據(jù)上下文確定的值替換的文本。
使用本書的示例代碼
補(bǔ)充材料（示例代碼、練習(xí)等）可以在https://github.com/data-science-on-aws 下載。
本書展示的部分示例代碼已經(jīng)簡化，用于強(qiáng)調(diào)某一種特定的實(shí)現(xiàn)。這個(gè)資源庫包含本書沒有提及但非常實(shí)用的額外筆記，這些筆記按照本書的章節(jié)來組織以方便讀者查閱。
本書將幫助你完成你的工作。一般來講，如果示例代碼在本書中出現(xiàn)，你或許可以在你的程序或文檔中使用它。你不需要為使用它的許可聯(lián)系我們，除非你要大范圍地復(fù)制這些代碼。比如，你不需要為使用本書中地若干代碼塊來編寫你的程序而取得許可，而如果你需要售賣、發(fā)行 OReilly 書籍中的示例，你需要取得許可。你不需要為引用本書和本書中的示例代碼回答問題取得許可，但你在產(chǎn)品文檔中大量包含本書的示例代碼時(shí)需要取得許可。
我們很感激但不要求引用。引用通常包括標(biāo)題、作者、出版社和ISBN。例如：Data Science on AWS by Chris Fregly and Antje Barth (OReilly). Copyright 2021 Antje Barth and Flux Capacitor, LLC, 978-1-492-07939-2。
如果你覺得自身情況不在合理使用或上述允許的范圍內(nèi)，請通過郵件和我們聯(lián)系，地址是 permissions@oreilly.com。
OReilly 在線學(xué)習(xí)平臺（OReilly Online Learning）
近40 年來，OReilly Media 致力于提供技術(shù)和商業(yè)培訓(xùn)、知識和卓越見解，來幫助眾多公司取得成功。
公司獨(dú)有的專家和改革創(chuàng)新者網(wǎng)絡(luò)通過OReilly 書籍、文章以及在線學(xué)習(xí)平臺，分享他們的專業(yè)知識和實(shí)踐經(jīng)驗(yàn)。OReilly 在線學(xué)習(xí)平臺按照您的需要提供實(shí)時(shí)培訓(xùn)課程、深入學(xué)習(xí)渠道、交互式編程環(huán)境以及來自O(shè)Reilly 和其他200 多家出版商的大量書籍與視頻資料。更多信息，請?jiān)L問網(wǎng)站：https://www.oreilly.com/。
聯(lián)系我們
任何有關(guān)本書的意見或疑問，請按照以下地址聯(lián)系出版社。
美國：
OReilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中國：
北京市西城區(qū)西直門南大街2 號成銘大廈C 座807 室（100035）
奧萊利技術(shù)咨詢（北京）有限公司
我們?yōu)楸緯�建立了一個(gè)網(wǎng)頁并將勘誤表、示例和任何額外信息發(fā)表在網(wǎng)頁上。你可以通過https://oreil.ly/data-science-aws 訪問這個(gè)網(wǎng)頁。
你可以將你的評論或關(guān)于本書的技術(shù)問題通過郵件發(fā)送到 errata@oreilly.com.cn。
你可以訪問 http://oreilly.com 獲取關(guān)于我們書籍和課程的新聞和信息。
我們的Facebook：http://facebook.com/oreilly。
我們的Twitter：http://twitter.com/oreillymedia。
我們的YouTube：http://www.youtube.com/oreillymedia。
本書作者經(jīng)常在Twitter 或LinkedIn 上分享相關(guān)的博客文章、會(huì)議演講、幻燈片、meetup 邀請和工作坊的日期。
在Twitter 上關(guān)注作者：https://twitter.com/cfregly 和 https://twitter.com/anbarth。
在LinkedIn 上關(guān)注作者：https://www.linkedin.com/in/cfregly 和 https://www.linkedin.com/in/antje-barth。
致謝
我們感謝OReilly 的開發(fā)編輯Gary OBrien，他幫助我們了解書籍創(chuàng)作的流程，并且更重要的是，每次我們聊天都十分愉快。Gary，謝謝你讓我們在第1 章引入了源代碼和底層的硬件規(guī)格！我們也要感謝高級策劃編輯Jessica Haberman，她從本書最初提案到最終的頁數(shù)都給出了關(guān)鍵的建議。在提交最初提案后的七年里，你幫助我們將提案提升到了能夠被最終采納的水準(zhǔn)！特別感謝OReilly 的Mike Loukides和Nicole Taché 在我們撰寫本書早期提供的周到建議，包括章節(jié)概要、介紹和小結(jié)。我們熱忱感謝不知疲倦地審核，甚至是重新審核本書每一頁的審稿人。我們在這里以名字的字母順序列出每一位審稿人：Ali Arsanjani、Andy Petrella、Brent Rabowsky、Dean Wampler、Francesco Mosconi、Hannah Marlowe、Hannes Hapke、Josh Patterson、Josh Wills、Liam Morrison, Noah Gift、Ramine Tinati、Robert Monarch、Roy Ben-Alta、Rustem Feyzkhanov、Sean Owen、Shelbee Eigenbrode、Sireesha Muppala、Stefan Natu、Ted Dunning 和Tim OBrien。你們深厚的技術(shù)背景和翔實(shí)的反饋，不僅對這本書來說，而且對我們未來表達(dá)技術(shù)內(nèi)容的方式來說都是無價(jià)的。你們幫助這本優(yōu)秀的書更加杰出，我們十分享受與你們一起工作的過程。
Chris
我要將這本書獻(xiàn)給我已故的父親Thomas Fregly。父親：你在我8 歲那年帶回了我第一臺蘋果電腦，這永遠(yuǎn)地改變了我的生活。你幫助10 歲的我理解你的大學(xué)微積分教材并鞏固了我對數(shù)學(xué)的強(qiáng)烈興趣。你教會(huì)了我貪婪地閱讀、簡潔地寫作、有效地演講、迅速地打字和盡早地提問。當(dāng)我看你在密歇根湖修理一艘擱淺的船的引擎，我持續(xù)不斷地受到啟發(fā)，讓我深入理解了軟件賴以生存的硬件。當(dāng)我漫步在你在芝加哥太陽時(shí)報(bào)的辦公室時(shí)，我了解到每個(gè)人都可以講一個(gè)有趣的故事，包括前臺人員、首席執(zhí)行官和維護(hù)人員。你向每個(gè)人平等地問好，關(guān)心他（她）們的子女，傾聽他（她）們的故事，并用你自己的一個(gè)有趣的故事逗他（她）們笑。當(dāng)你牽著兒時(shí)的我的手漫步于你的大學(xué)校園，我了解到，我可以離開人人都走的人行道而去草地上開辟一條我自己的小徑。你說過：不要擔(dān)心，Chris。他（她）們最終會(huì)將這條小徑鋪平，因?yàn)樗�很顯然是從工程樓到餐廳的最短路徑。你說的對，父親。多年以后，我們?nèi)ゲ蛷d購買你最喜歡的無糖百事可樂飲料時(shí)，都走過那條被鋪平的小徑。從你身上，我學(xué)到了我要在生活中開辟我自己的道路，而不是一味從眾。雖然你沒有活到Windows 95 面世，但是你其實(shí)并沒有錯(cuò)過很多。而且，在這件事上你也是對的，蘋果操作系統(tǒng)（Mac OS）最終切換到了Linux。
我也要感謝本書的合著者，在許多深夜和周末與我一同工作的Antje Barth，在你的幫助下，這成為了一次非常好的寫書體驗(yàn)。盡管舊金山和杜塞爾多夫之間有8~9 小時(shí)的時(shí)差，然而你經(jīng)常會(huì)參與在線白板會(huì)議、最后的源碼改進(jìn)和關(guān)于牛津逗號的討論。我們由于這次經(jīng)歷變成了更好的朋友，如果沒有你，我不可能創(chuàng)作出含金量如此之高的優(yōu)質(zhì)書籍。我期待未來能在更多項(xiàng)目上與你合作！
Antje
我想要感謝Ted Dunning 和Ellen Friedman，作為我的偉大導(dǎo)師，二位經(jīng)常鼓勵(lì)我去接受新的挑戰(zhàn)。Ted，在我們交談時(shí)，你的智慧之言經(jīng)常幫助我從一個(gè)不同的角度看問題，無論是準(zhǔn)備一場演示比賽，還是提出建議幫助我們的讀者從本書理解最多的內(nèi)容。Ellen，我仍然記得在我剛開始向OReilly Strata 和AI 大會(huì)提交發(fā)言稿時(shí)，你如何指導(dǎo)我創(chuàng)建引人注目的會(huì)議發(fā)言提案。直至今天，我仍然為了易記的標(biāo)題而絞盡腦汁。可惜的是，OReilly 拒絕了我將本書命名為《Alexa, 請訓(xùn)練我的模型》的提議。當(dāng)你們說幫助女孩們構(gòu)建一個(gè)她們能夠?qū)崿F(xiàn)的夢想的時(shí)候，你們總是以身作則。出于同樣的原因，我想要將本書獻(xiàn)給所有擁有科技夢想或正在追求科技生涯的女性朋友們。只要你們相信自己，沒有什么能夠阻擋你們逐夢科技圈。
有太多的人在我的職業(yè)生涯中給予過我支持和鼓勵(lì)。我向你們表示衷心的感謝。我也想感謝有趣且有見解的合著者Chris。你從一而終地堅(jiān)持最高的標(biāo)準(zhǔn)，驅(qū)使我深入地探索，并鼓勵(lì)我保持好奇并提出許多問題。你幫助我簡化了我的代碼、清晰地表達(dá)我的想法，并最終接受了有爭議的牛津逗號！