- 1,000萬美元AWS人工智慧和機器學習獎學金（Amazon AI & ML Scholarship），希望為全球弱勢族群和資源匱乏地區的學生做好機器學習領域的職涯準備
- Amazon SageMaker Studio Lab讓任何人都可以免費、輕鬆、快速地打造學習和實驗機器學習的開發環境
AWS在2021 re:Invent全球大會上宣佈推出兩項新措施，旨在降低機器學習的使用門檻，為任何對該技術有興趣的人提供學習和體驗機會。AWS人工智慧和機器學習獎學金計畫（Amazon AI & ML Scholarship）致力於為全球弱勢族群和資源匱乏地區的學生做好從事ML相關工作的準備。該專案使用Amazon DeepRacer和新的Amazon DeepRacer Student League，讓學生獲得ML基礎知識，並提供實作體驗（訓練自動駕駛賽車的機器學習模型）。AWS進一步透過Amazon SageMaker Studio Lab提供每個人免費版的Amazon SageMaker（協助顧客建構、訓練與部署ML模型的AWS服務），讓接觸ML變得更容易。
AWS機器學習副總裁Swami Sivasubramanian表示：「這兩項新措施旨在為人們提供機器學習的教育機會，讓任何對這項技術感興趣的人都更容易使用它。機器學習將成為當代最具革命性的科技之一。若要釋放這項科技的全部潛力、解決世上最具挑戰的問題，就需要不同背景、不同產業的人才進入。我們希望透過這個新的獎學金計劃激勵未來人才、激發多元性，並降低阻礙人們使用機器學習成本的障礙。」
新投入1,000萬美元教育和獎學金計劃，旨在為全球弱勢族群和資源匱乏地區的學生，對未來從事機器學習相關工作做好準備
世界經濟論壇預估，科技進步和自動化到2025年將創造9,700萬個新的科技職位，包括在AI和ML領域。雖然科技領域的工作機會增加，但科技職涯的多樣性發展緩慢。讓任何對科技感興趣的人都能獲得教育資源，對於建立AI和ML領域健全與多樣的人才儲備非常重要。AWS人工智慧和機器學習獎學金，旨在協助弱勢族群和資源匱乏的高中生和大學生學習ML基本概念，並為他們做好準備，未來從事人工智慧和機器學習相關工作。該專案除了免費提供數十小時機器學習模型訓練和學習素材，還為來自弱勢族群和資源匱乏地區的2,000名學生提供Python Udacity Nanodegree AI編碼專案獎學金、ML的基礎編碼工具和技術。第一期Nanodegree專案的畢業生將獲邀參加技術審核，成績前500名將獲得第二期Udacity Nanodegree專案深度學習和ML工程獎學金，協助他們進一步為AI和ML的職涯做好準備。這500名學生還有機會得到Amazon和Intel技術專家指導，獲得職業洞察和建議。
AWS人工智慧和機器學習獎學金計劃是與Intel合作提供，並由人才轉型平台Udacity提供支援，世界各地的學生均可獲得數十小時的免費培訓課程，和涵蓋機器學習基礎知識及實際應用的指導。學生可以透過Amazon DeepRacer將理論化為實作，學習如何訓練機器學習模型驅動虛擬賽車。完成教育訓練（通過知識檢查測驗、達到特定Amazon DeepRacer單圈成績並提交論文）的學生將可能獲得Udacity Nanodegree專案獎學金。學生們還可以在Amazon DeepRacer Student League中測試虛擬賽車。Amazon DeepRacer Student League透過一輛由ML驅動的18分之1比例全自動賽車、3D賽車模擬器以及一場全球競賽，幫助各種技術水平的人學習如何建構ML模型。第一資本（Capital One）、BMW、勤業眾信（Deloitte）、摩根大通（JP Morgan Chase）、埃森哲（Accenture）和利寶互助保險（Liberty Mutual）等企業已使用Amazon DeepRacer讓員工以實作方式學習，親自建構、訓練和部署機器學習模型。瀏覽awsaimlscholarship.com深入瞭解AWS人工智慧和機器學習獎學金。
Amazon SageMaker Studio Lab 提供免費的ML開發環境，將ML帶給所有人
Amazon SageMaker Studio Lab提供免費版的Amazon SageMaker。全球眾多研究人員和資料科學家正使用 Amazon SageMaker快速建構、訓練和部署機器學習模型。透過Amazon SageMaker Studio Lab，用戶無需擁有AWS帳戶或提供繳費資訊，即可在AWS上啟動和執行ML。用戶只需用電子郵件在網頁上註冊，Amazon SageMaker Studio Lab即可提供ML開發環境。Amazon SageMaker Studio Lab免費提供無上限的用戶專案數量，包括15GB永久儲存空間、12小時CPU運算和4小時GPU運算以訓練ML模型。使用Amazon SageMaker Studio Lab無需建構、擴展或管理雲端資源，用戶可以像打開或闔上筆記型電腦一樣輕鬆地開始、停止和重啟機器學習專案。當用戶完成實驗並希望將他們的想法付諸實踐時，可以輕鬆將其ML專案導出至Amazon SageMaker Studio，在AWS上部署和擴展他們的模型。Amazon SageMaker Studio Lab可當作學生的學習環境或資料科學家的原型設計環境。用戶無需支付任何費用，即可快速、輕鬆地開始建構和訓練機器學習模型。欲開始使用Amazon SageMaker Studio Lab，請瀏覽aws.amazon.com/sagemaker/studio-lab。
今年稍早，Amazon提出一個新的領導力原則：成功和規模帶來更多責任。AWS正加大力度實踐這一領導力原則，包括承諾2025年前為2,900萬人提供免費的雲端運算技能培訓、給年輕學子的STEM教育計劃（包括Amazon Future Engineer、Amazon Girls’ Tech Day和Amazon GetIT），以及與大專院校合作。現在，AWS讓弱勢族群和資源匱乏地區的人更容易開始使用ML：為他們提供免費教育、獎學金，並與引領全球的新創公司、研究機構和企業使用相同的ML技術。新宣佈的兩項措施將進一步讓更多人有機會獲得教育與訓練機會。
AWS和Intel擁有長達15年的合作關係，致力於開發、建構和支援雲端服務，這些服務旨在管理成本和複雜的工作、加速業務發展以及滿足當前和未來的運算需求。Intel銷售、行銷和傳播事業部執行副總裁暨總經理Michelle Johnston Holthaus表示：「我們需要採取更多措施來打造多元和包容的科技勞動力。Intel很高興能夠支援類似於AWS人工智慧和機器學習獎學金專案這類創舉，這與我們為弱勢族群提供更多STEM機會的承諾一致，並提升下一代機器學習從業者的多元性。這項教育和獎學金計劃的獨特之處在於，學生從一開始就可以獲得豐富的學習素材。這對推動進步至關重要。學習不是最終的獲勝，而是過程的一部分。」
Girls in Tech是一個全球性非營利組織，致力於消弭科技領域的性別差距。Girls in Tech創辦人兼執行長Adriana Gascoigne表示：「要推動機器學習的多樣性，我們需要提前規劃，創造機會並打破障礙，正如AWS人工智慧和機器學習獎學金計劃一樣。只有大家共同努力，縮小多樣性的差距，才能將更多女性和弱勢族群帶入到機器學習領域。Girls in Tech很高興看到如AWS人工智慧和機器學習獎學金等多個計劃的推出，這將有助於縮小這些族群在機器學習教育方面的差距，並為他們開啟職業潛力。」
Hugging Face是一個AI社區，用於建構、訓練和部署先進的機器學習模型並開源。Hugging Face 產品行銷總監Jeff Boudier表示：「Hugging Face的使命是降低先進的機器學習門檻。AWS透過Amazon SageMaker Studio Lab做到了：任何人都可以透過網頁瀏覽器學習和測試機器學習，無需高效能電腦或信用卡即可開始使用。這讓機器學習更易於取得、更易於與社區共享。我們很高興能參與其中，貢獻Hugging Face transformers案例和資源，讓機器學習更易取得！」
美國加州聖塔克拉拉大學（Santa Clara University）金融系的使命是教育大學和研究生階段的學生為他們的組織和社會服務。聖塔克拉拉金融與資料科學教授Sanjiv Das表示：「Amazon SageMaker Studio Lab讓學生無需雲端設定步驟即可開始學習建構機器學習。現在，在我的自然語言處理課程中，學生有更多的時間來提高他們的技能。Amazon SageMaker Studio Lab讓學生在AWS平台快速上手，展開數小時的工作和實驗，並輕鬆地從中斷的地方繼續。Amazon SageMaker Studio Lab為學習機器學習的初學者和進階使用者帶來了在雲端運算平台使用Jupyter notebook的易用性。」
賓夕法尼亞大學（University of Pennsylvania）工程學院是現代電腦的發源地，在1946年誕生了世界第一台電子數值積分計算機ENIAC。70多年來，賓夕法尼亞大學在電腦科學領域一直以卓越的創新著稱。賓夕法尼亞大學電腦與資訊科學教授Dan Roth表示：「使用機器學習編碼最困難的部分之一是配置要建構的環境，通常需要學生選擇運算執行個體、安全政策並提供信用卡。Amazon SageMaker Studio Lab消除了這些設置的複雜性，並提供一個免費且強大的沙盒，讓他們無需花時間配置機器學習環境即可編寫程式碼。」