亚马逊AWS主任科学家宣布离职，感谢贝索斯

本篇文章1958字，读完约5分钟

新智元报道

资料来源:anima-ai

编译:大明

[新智元指南]亚马逊aws的首席科学家阿尼玛·阿南德·库马尔宣布她即将离开，并在她的个人主页上发表了辞职演说。她详细梳理了她在aws工作两年的成就和历史，并感谢aws、同事和杰夫贝佐斯，但她没有在文章中透露她的下一步。

今天，亚马逊aws首席科学家阿尼玛·阿南德库玛(anima anandkumar)在个人主页上发表了辞呈，详细梳理了她在亚马逊aws两年的工作经历，感谢了aws、她的同事和杰夫·贝佐斯，但没有透露她的下一个目的地。新智元将这篇文章整理如下:

最近我将离开亚马逊首席科学家的职位。在这里，我想回忆一下我过去两年丰富的学习经历和我们惊人的成就。

加入亚马逊aws是我第一次在学术界以外的行业工作。我选择aws有几个原因。我认为人工智能的民主化潜力巨大，aws是功能最全面、应用范围最广的云平台。两年前，云人工智能还是一个未知的领域，这使得这项工作成为一个令人兴奋的冒险。将应用人工智能研究引入aws对我也很有吸引力。

在这个职位开始的时候，我非常兴奋和忙碌。我们是一个新团队，在与初创企业相似的环境和氛围中工作，并与西雅图团队和更大的亚马逊生态系统保持联系。在学习所有aws服务、软件工程实践、产品管理等方面有一条陡峭的学习曲线。我们正忙于扩大团队和设计新的人工智能服务，同时考虑研究方向。

我为过去两年取得的成就感到骄傲。我们已经在各级推出了大量的人工智能服务。

底层是一个计算示例，最新的gpu示例是功能强大的nvidia tesla v100。

中间层包括sagemaker和deeplens，sage maker是一个高性能分类机器学习算法的完全托管服务，deep lens是第一个无缝集成aws的深度学习相机。

顶层包括计算机视觉、自然语言处理、语音识别和其他服务。我们在客户拓展方面取得了巨大的进步，现在aws云机器学习服务拥有业内最多的客户。

此外，aws机器学习实验室为定制用例提供高级解决方案。我已经与许多客户交流过，了解不同领域的真正人工智能部署令人大开眼界。

我主要关心的是sagemaker的设计、开发和发布。与去年相比，sagemaker的广泛采用使aws的机器学习用户群增加了250%以上。Sagemaker使机器学习的每一步都变得不那么繁琐、复杂和依赖猜测。Sagemaker主题建模可以大规模自动对文档进行分类，分类速度比任何其他开源框架都快几倍。

在自动气象站开展应用研究是非常令人兴奋的。我们努力寻找现实世界中构成最大障碍的问题。数据问题被称为房间里的大象问题。尽管研究人员对现有的基准数据集进行了研究，但现实世界中的大部分时间和精力都花在了数据收集和清理上。我们已经在许多领域开发和测试了高效的深度主动学习、众包和半监督学习方法。我们发现可以用很少的数据(不到25%)来训练深层网络。

我也很高兴将我早期对张量的研究与深度学习联系起来，开发出一个新的深度网络，它可以自然地对数据维数和高阶相关进行编码。Tensorly是一个类似keras的前端，它可以很容易地在任何后端的深度学习中使用张量代数运算。

而且，在实践中，即使理论不能解释它，简单的方法也能发挥作用。我们试图找到简单的方法来证明成功的条件，然后通过实验来验证这些条件，以缩小理论和实践之间的差距。例如，我们发现1比特梯度量化几乎没有精度损失，但是它在理论和实践上降低了分布式机器学习的通信要求。所有这些项目都是由一群优秀的实习生和aws科学家完成的。

2017年3月，阿尼玛·阿南德·库马尔和杰夫·贝佐斯等人在一起

Aws为我提供了一个使人工智能民主化的社区扩展平台。我试图与大学和非营利组织建立伙伴关系。加州理工学院与亚马逊的合作资助了研究生奖学金并建立了云信用体系，这改变了加州理工学院的基础科学研究。此外，我们在帕萨迪纳建立了一个新的aws办事处，由stefano soatto和pietro perona领导。

我很幸运能和许多优秀的人一起工作，并向他们学习。我从swami sivasubramanian那里了解到aws开发的早期阶段，swami sivasubramanian是一名高级aws工程师，也是团队的副总裁。我很幸运地从最优秀的人那里学到了新的技能，比如josephspisak的产品管理、craig wiley的团队管理、leodirac的软件工程、zachary lipton的清晰表达、sunil mallya的机器学习实践经验等等。我也很荣幸能参与火星项目，并与杰夫.贝佐斯和许多其他超级明星互动。

总之，我非常感谢我在aws的经历。接下来，我将谈谈我即将到来的计划。请注意！

anima anandkumar简介