Իմացեք, թե ինչպես պայքարել կլիմայի փոփոխության դեմ՝ օգտագործելով մեքենայական ուսուցման հմտությունները խոշորագույն տեխնոլոգիական համաժողովներից մեկում

Ժամանակ առ ժամանակ ես խորհում եմ, թե որքան բախտավոր եմ, որ անում եմ մի գործ, որը ինձ իսկապես դուր է գալիս: Ենթադրում եմ, որ մեքենայական ուսուցման պրակտիկանտներից շատերը համաձայն են ինձ հետ. մենք սիրում ենք անել մեր աշխատանքը, քանի որ այն զվարճալի է, հետաքրքիր, դժվարին և անընդհատ փոփոխվող: Այդուհանդերձ, երբեմն կանգ եմ առնում և մտածում. բացի ինտելեկտուալ բավարարվածությունից, կարո՞ղ եմ հպարտանալ նրանով, ինչ անում եմ նաև բարոյական իմաստով։ Արդյո՞ք ես աշխարհն ավելի լավն եմ դարձնում իմ աշխատանքով:

Անկասկած, մեր և գալիք սերնդի ամենամեծ խնդիրներից մեկը կլիմայի փոփոխությունն է։ Մենք ծանուցումներ ենք գրում հանրային զուգարաններում՝ «Խնդրում եմ, թողեք այս վայրը գոնե այնքան կոկիկ, որքան գտել եք»: բայց մենք չենք կարող հետևել մեր մոլորակի վերաբերյալ այս պարզ հաղորդագրությանը: Այսպիսով, ի՞նչ կլիներ, եթե կարողանայիք օգտագործել ձեր մեքենայական ուսուցման հմտությունները՝ Երկիրն ավելի լավ վայր դարձնելու համար: Լավ նորությունն այն է, որ եթե ցանկանում եք իմանալ, թե ինչպես դա անել, պարզապես պետք է հետևեք AWS re:Invent-ի հետևյալ նիստերին:

Ի դեպ, ի՞նչ է AWS re:Invent-ը: Այն ամպային տարածության ամենաազդեցիկ ամենամյա ուսումնական համաժողովներից մեկն է: Amazon Web Services-ի կողմից 2021 թվականին կազմակերպված այն տեղի կունենա Նոյեմբերի 29-ից դեկտեմբերի 3-ը Լաս Վեգասում: Եթե ​​դուք չեք կարող անձամբ մասնակցել, ուսումնական նյութերի մեծ մասը հասանելի կլինի առցանց անվճար: Ես կտրամադրեմ յուրաքանչյուր նստաշրջանի նույնացուցիչը, որպեսզի կարողանաք հեշտությամբ որոնել դրանք նիստերի կատալոգում:

Ստացեք տվյալները և սկսեք կանխատեսել կլիմայի փոփոխությունը

Տվյալների բոլոր գիտնականները գիտեն, որ մեքենայական ուսուցման ցանկացած նախագծի ամենադժվար մասը լավ որակի տվյալներ ստանալն է: Եթե ​​ցանկանում եք սկսել վերլուծել կլիմայի և եղանակի հետ կապված տվյալները, ձեր բախտը բերել է. դուք կարող եք գտնել ավելի քան 50 տվյալների հավաքածուներ, որոնք արդեն հավաքվել, կազմակերպվել և հրապարակվել են իրենց Բաց տվյալների գրանցամատյանում, որոնք բոլորը կարող են անվճար մուտք գործել:

Բայց ինչպե՞ս սկսել: Սովորեք երկրագնդի գիտնական Զակ Ֆլամիգից Կլիմայի և եղանակային տվյալների վերլուծության մեթոդները (WPS202) կավճային ելույթում: Նա խոստանում է ձեզ ցույց տալ գործնական խնդիրներ լուծելը, օրինակ, թե որքան շոգ է լինելու վաղը, եթե ձեր շենքը ավելի հաճախ կհեղեղվի հաջորդ 100 տարվա ընթացքում կամ որքան արևային էներգիա կստեղծեք հաջորդ մեկ ժամում:

Այսքան երկար և շնորհակալություն բոլոր ձկների համար

Հաջորդ անգամ, երբ ուտեք ձեր թունա նիգիրի սուշին կամ թասը, մի պահ մտածեք խիզախ տղաների մասին, ովքեր նվիրում են իրենց կրիչին, որպեսզի թույլ տան ձեզ ձուկ ուտել նույնիսկ վաղը և մյուս օրը: Իրոք, լայնածավալ ձկնորսությունը լրջորեն սպառնում է թունա տեսակների անհետացմանը։

Արձագանքելով այս խնդրին, ոչ առևտրային կազմակերպությունները, ինչպիսին է The Nature Conservancy-ն, ստեղծում են թունաների մատակարարման կայուն շղթաների մոդել: Եվ գուշակեք, նրանք նաև օգտագործում են մեքենայական ուսուցում դրա համար: Պարզեք, թե ինչպես AI/ML հանուն կայունության նորարարության. Խորաթափանցություն եզրին խորագրով նիստում (AIM207), որն անցկացվել է Նելսոն Գոնսալեսի՝ AWS-ի Գլոբալ ազդեցության հաշվարկման բաժնի ղեկավարի և Մարկ Զիմրինգի՝ Ձկնորսության լայնածավալ ծրագրի տնօրենի կողմից։ The Nature Conservancy-ում:

Քոթեջը կամ ձեր ասպարեզը, կառուցեք այն զրոյական ածխածնի արտանետումներով

Բնակարանային տնտեսությունը պատասխանատու է ԱՄՆ-ում CO2 արտանետումների մեկ երրորդի համար, ուստի կայուն շենքերի կառուցումը կարող է մեծ տարբերություն ունենալ: Amazon-ը ցանկանում է ձեզ ասել, թե ինչպես են դա անում: Ինչպես միշտ, նրանք շատ են մտածում. նրանք նոր են ավարտել իրենց Climate Pledge Arena-ի վերակառուցման աշխատանքները Սիաթլում՝ վերածելով այն աշխարհում առաջին զրոյական ածխածնի ասպարեզի:

Մեքենայական ուսուցումը նույնպես կարևոր դեր ունի այս ոլորտում. էներգիայի, ջրի և օդի որակի տվյալների ճշգրիտ վերլուծությունը և կանխատեսման մոդելների կառուցումը կարող են օգնել այս ռեսուրսների օպտիմալ բաշխմանը: Ստուգեք նրանց բեկումնային նիստը «Driving stabil operations at Amazon and Climate Pledge Arena» (AMZ202); միգուցե դուք կարող եք մի քանի հուշումներ ստանալ, թե ինչպես կարելի է նաև քոթեջ կառուցել ավելի կանաչ եղանակով:

Ստացեք մեծ պատկերը

Մեր մոլորակը շարունակաբար փոխվում է։ Մենք ունենք հազարավոր արբանյակներ, որոնք ամեն վայրկյան վերահսկում են այն՝ ամեն օր արտադրելով հարյուրավոր տերաբայթ տվյալներ: Ինչպե՞ս վարվել այս տվյալների հետ: Իսկ ինչպե՞ս կարելի է հնարավորինս արագ նկատել համեմատաբար փոքր փոփոխություն, օրինակ՝ անտառային հրդեհ, կամ նավթատարի արտահոսք։

Դուք ճիշտ գուշակեցիք՝ օգտագործելով մեքենայական ուսուցում: Ursa Space Systems-ը հենց այդպես էլ վարվում է, և նրանք ձեզ կպատմեն, թե ինչպես են դա անում կավիճով ելույթում Պատկերազարդում ենք Երկրի վրա փոփոխությունները՝ տիեզերքի պատկերացումներով (WPS209): Եթե ​​ցանկանում եք տեսնել մեծ պատկերը, ապա այս նիստը ձեզ համար է:

Բոնուսային ուղին

Այսպիսով, դուք փրկեցիք մոլորակը նաև այսօր: Դուք արժանի եք մի քիչ զովանալու. եկեք ձեռք բերենք թարմ գարեջուր: Կցանկանայիք այսօր ինչ-որ նոր բան փորձել, բայց որտեղի՞ց այն ձեռք բերել:

Խուճապի մի՛ մատնվեք, re:Invent-ն ունի նաև այս հարցի պատասխանը՝ գտեք ձեր նոր բազուկը Craft Beer բջջային հավելվածի միջոցով: Անհատականացված առաջարկներ, որոնք ստեղծվել են մեքենայական ուսուցման մոդելների կողմից: Իրական ժամանակի հետադարձ կապը հաշվի է առնվել ապագա առաջարկները բարելավելու համար: Էլ ի՞նչ կցանկանայիք: Մտեք ինքներդ ձեզ «Կառուցեք հավելված՝ ձեր հաջորդ սիրելի եփուկը գտնելու համար» (BOA302) դասընթացին և ստացեք … գոնե մի քանի գարեջրի առաջարկներ:

Ես Յանոս Տոլգյեսին եմ, մեքենայական ուսուցման լուծումների ճարտարապետ և Neosperience-ի ML թիմի ղեկավար: Ես հինգ տարի աշխատում եմ ML տեխնոլոգիաներով, իսկ ութ տարի՝ AWS ենթակառուցվածքով: Ես սիրում եմ իրեր կառուցել, թող դա լինի վիդեո վերլուծական հավելված եզրին կամ օգտվողի պրոֆիլավորող՝ հիմնված սեղմումային իրադարձությունների վրա։ Հարցերի դեպքում կարող եք գտնել ինձ Medium կամ Twitter-ում որպես @jtolgyesi