AWS DeepLens：它是一款完全可编程的摄像机，配有教程、代码和预训练模型，旨在扩展深度学习技能。它为提供示例项目，在不到10分钟的时间内为你提供深度学习的实践和实践经验。只需从AWS管理控制台点击几下，就可以将在Amazon SageMaker中..的模型发送到AWS DeepLens。
Amazon ML：这是一项提供可视化工具和向导的服务，可指导创建机器学习模型，而无需学习复杂的ML算法和技术。使用简单的API，你可以轻松获得应用程序的预测。它具有高度可扩展性，每天可以生成数十亿的预测，并以实时和高吞吐量提供这些预测在AWS上进行深度学习
AWS Deep Learning AMIs：这提供了基础架构和工具，可以在任何规模上加速云中的深度学习。要训练复杂的自定义AI模型，或者尝试新算法，可以快速启动Amazon EC2实例，这些实例预先安装在流行的深度学习框架中，如Apache MXNet和Gluon， TensorFlow，Microsoft Cognitive Toolkit，Caffe，Caffe2，Theano，火炬，PyTorch，Chainer和Keras。
Apache MXNet on AWS：这是一个快速、可扩展的..和推理框架，具有易于使用、简洁的机器学习API。它允许所有技能水平的开发人员开始使用Gluon，在云端、边缘设备和移动应用程序上进行深入学习。你可以在几行Gluon代码中构建线性回归、卷积网络和用于对象检测、语音识别、推荐和个性化的循环LSTM。
TensorFlow on AWS：你可以使用TensorFlow快速轻松地开始在云中进行深度学习。AWS为提供Amazon SageMaker的全面管理TensorFlow体验。你还可以使用AWS Deep Learning AMI通过TensorFlow和其他流行框架（如Apache MXNet和Gluon，Caffe，Caffe2，Chainer，Torch，Keras和Microsoft Cognitive Toolkit）构建自定义环境和工作流。结论
机器学习和人工智能可能很昂贵——技能和资源可能会花费很多。因此，MLaaS将成为云中极具影响力的发展趋势。
是的，AWS，Azure和GCP提供的服务范围令人印象深刻，但它确实是最显著的便捷性和便利性。通过这些服务，可以轻松设置和运行机器学习算法，从而增强业务流程和操作、客户交互和整体业务战略。你不需要博士学位，也不需要从头开始编写算法。随着越来越多的公司意识到潜在的机器学习对其业务的影响，MLaaS市场可能会继续增长。当然，未来是否能提供比现有云提供商更好的服务集呢？这有待观察。
