亚马逊AWS主任科学家Anima Anandkumar宣布即将离职

亚马逊AWS主任科学家Anima Anandkumar宣布即将离职，并在个人主页上发表离职感言，详细梳理了两年来在AWS的工作成果和历程，并对AWS和共事的同事以及Jeff Bezos表示感谢，不过她在文中并未透露下一步的去向。

今天，亚马逊AWS主任科学家Anima Anandkumar在其个人主页上发布的离职感言，文中比较详细地梳理了她两年来的在亚马逊AWS的工作历经，并对AWS和与其共事的同事以及Jeff Bezos表示感谢，文中并没有透露自己下一步的去向。新智元对此文编译如下：

我最近将离开亚马逊AWS主任科学家的岗位。在这里，我想回忆一下我过去两年丰富的学习经历以及我们所取得的惊人成就。

加入亚马逊AWS是我一次在学术界之外的“产业界”任职。我选择AWS有几个原因。我认为人工智能的民主化具有巨大潜力，AWS是功能最全面、应用范围最广的云平台。两年前，云AI仍然是一个未知的领域，让这份工作成为一次令人兴奋的冒险。将应用AI研究引入AWS这件事也很吸引我。

在担任这个职位初期，我很兴奋，也很忙碌。我们是一个新的团队，工作环境和氛围和创业公司类似，同时与西雅图团队和更大的亚马逊生态系统保持联系。学习所有AWS服务，软件工程实践，产品管理等方面有着陡峭的学习曲线，我们一边忙着拓展团队，设计新的人工智能服务，同时考虑研究方向的问题。

我为过去两年取得的成就感到自豪。我们在各个层面都推出了大量AI服务。

底层是计算实例，最新的GPU实例就是功能强大的NVIDIA Tesla V100。

中间层包括SageMaker，一个高性能dockerized机器学习算法的完全托管服务，以及首款无缝集成AWS的深度学习相机Deeplens。

顶层包括计算机视觉，自然语言处理，语音识别等服务。我们在客户扩展方面取得了很大进展，如今AWS云机器学习服务的客户数量为业界最高。

此外，AWS机器学习实验室还为自定义用例提供高级解决方案。我与许多客户进行了交流，了解不同领域的真实AI部署令人大开眼界。

我最关注的是SageMaker的设计、开发和推出。SageMaker的广泛采用使得AWS的机器学习用户群比去年增加了250％以上。SageMaker让机器学习的每个步骤不再那么繁重、复杂、依靠猜测。SageMaker主题建模可以自动对文档进行大规模分类，分类速度比其他任何开源框架快几倍。

在AWS开展应用研究是很令人兴奋的事。我们努力寻找现实世界中构成最大障碍的问题。 “数据问题”即众所周知的“房间里的大象”问题。虽然研究人员在现有的基准数据集上进行研究，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。我们在许多领域开发并测试了高效的深度主动学习，以及众包和半监督学习方法。我们发现深度网络可以用很少的数据（不到25％）进行训练。

我也很高兴将我的关于张量的早期研究与深度学习联系起来，开发出新的深度网络，能够自然编码数据维度和高阶相关性。Tensorly是类似Keras的前端，可以在任何后端的深度学习中轻松使用张量代数运算。

而且，在实践中，即使理论无法解释，简单的方法也能发挥作用。我们试图通过寻找简单方法可证明成功的条件，然后通过实验验证这些条件来缩小理论与实践的差距。例如，我们发现1位梯度量化几乎没有精度损失，但在理论上和实践中都降低了分布式机器学习的通信要求。所有这些项目都由一群优秀的实习生和AWS的科学家来执行。

2017年3月，Anima Anandkumar与Jeff Bezos等人在一起

AWS为我提供了一个社区外延平台，实现人工智能的民主化。我努力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，建立云学分制度，这正在改变加州理工学院的基础科学研究。此外，我们还在帕萨迪纳建立了一个新的AWS办公室，由Stefano Soatto和Pietro Perona掌舵。

我有幸与许多杰出的人一起工作并向他们学习。从资深AWS工程师和团队副总裁Swami Sivasubramanian那里了解AWS发展的早期阶段，让我很受启发。我有幸从最优秀的人那学习新的技能：如JosephSpisak的产品管理，Craig Wiley的团队管理，LeoDirac的软件工程，Zachary Lipton的清晰明确的表述，Sunil Mallya的机器学习实践经验等。参加MARS并与Jeff Bezos和许多其他超级巨星互动，也让我倍感荣幸。

总而言之，我非常感谢我在AWS学习的经历。接下来，我将谈谈我即将推出的计划。敬请关注！

Anima Anandkumar人物简介

Anima Anandkumar，曾任亚马逊AWS主任科学家，她的研究兴趣领域包括大规模机器学习，非凸优化和高维统计。她一直致力于机器学习张量算法的开发和分析。张量是矩阵的多维扩展，可以编码数据中的高阶关系。在AWS担任主任科学家期间，致力于在堆栈的所有层级上构建AI服务。

她是多个奖项的获得者，P. Sloan奖学金，微软教师奖学金，谷歌研究奖，ARO和AFOSR青年研究员奖，NSF职业奖，UCI早期职业卓越研究奖，ACM Sigmetrics社会最佳论文奖，IBM Fran Allen博士奖学金及最佳论文奖。

她于2004年获得IIT Madras电气工程学士学位，并于2009年获得康奈尔大学博士学位。2009年至2010年在麻省理工学院担任博士后研究员，在英国担任助理教授。 2010年至2016年任加州大学埃尔文分校助理教授，2012年和2014年在新英格兰微软研究院担任客座研究员，自2016年起担任亚马逊AWS主任科学家，自2017年起担任加州理工学院Bren教授。