عملاء Amazon SageMaker AI

«قام سجل نماذج Amazon SageMaker بتحويل سير عمل نشر تعلم الآلة في أسبوعين فقط. من خلال التكامل السلس مع بنية التحتية كرمز (IaC) عبر واجهات API الأصلية، استطعنا إدارة مكونات النماذج وحالاتها تلقائيًا، مما سرّع بشكل ملحوظ عملية الوصول إلى الإنتاج. بفضل هذا التكامل الفعّال والدعم الاستثنائي من AWS، استطعنا تحقيق كفاءة هندسية ملموسة، مع بناء قاعدة مستدامة لإدارة عمليات تعلّم الآلة وحوكمة النماذج."

David Preble, Senior Technical Leader, Webex by Cisco

«قمنا بإنشاء Figma AI لمساعدة الفرق على العمل بكفاءة أكبر وإطلاق العنان للإبداع. وبالمثل، نريد أن تقضي فرقنا الهندسية وقتًا أطول في إطلاق منتجات وأنظمة عالية الجودة، ووقتًا أقل في أداء المهام التكرارية والمملة. تُبسِّط Amazon SageMaker AI عملية بناء ونشر نماذج تعلم الآلة التي تدعم Figma AI، مما يمكّن مهندسينا من تقديم قيمة للمستخدمين بسرعة».

Tommy MacWilliam, Engineering Manager at Figma 

"لقد ساعدتنا Amazon SageMaker HyperPod بشكل كبير في إدارة وتشغيل مواردنا الحاسوبية بشكل أكثر كفاءة مع الحد الأدنى من وقت التعطل. لقد كنا من أوائل المستخدمين لخدمة HyperPod القائمة على Slurm واستفدنا من ميزات سهولة الاستخدام والمرونة، مما أدى إلى تحسين الإنتاجية بنسبة تصل إلى 35% والتوسع السريع لعمليات الذكاء الاصطناعي المُولِّد (GenAI). بصفتنا جهة تعتمد Kubernetes، يسعدنا الآن الإعلان عن دعم Amazon EKS لـ SageMaker HyperPod. يُعد هذا تغييرًا جذريًا بالنسبة لنا لأنها تندمج بسلاسة مع مسارات التدريب الحالية لدينا، وتُسهِّل علينا إدارة وتشغيل مجموعات Kubernetes واسعة النطاق. بالإضافة إلى ذلك، يساعد هذا أيضًا عملاءنا النهائيين حيث أصبحنا الآن قادرين على تجميع هذه الإمكانية وإنتاجها في منصة الذكاء الاصطناعي المُولِّد (GenAI)، مما يمكّن عملاءنا من إجراء التدريب وتحسين أعباء العمل بطريقة أكثر بساطة."

Arun Subramaniyan, Founder and CEO of Articul8 AI

"كشركة ناشئة سريعة الحركة وشركة أبحاث في مجال الذكاء الاصطناعي، كان دعم Amazon EKS في SageMaker HyperPod مفيدًا في تسريع وقت الإطلاق في السوق. تمكنا باستخدام SageMaker HyperPod من إطلاق منصة مستقرة وآمنة لتقديم تطبيقات الحوسبة عالية الأداء (HPC) في حاويات كخدمة لعملائنا النهائيين والتي تشمل أفضل برامج أبحاث الذكاء الاصطناعي بالجامعة والشركات الناشئة في مجال الذكاء الاصطناعي والمؤسسات التقليدية. من خلال استخدامنا لـ SageMaker HyperPod، لم يعد يتعين على عملائنا والفرق الداخلية القلق بشأن تشغيل وتكوين لوحة تحكم Kubernetes. وتوفر SageMaker HyperPod أداء الشبكة والتكوينات المحسّنة لدعم أعباء عمل الحوسبة عالية الأداء (HPC) المعقدة. من خلال دعم EKS في SageMaker HyperPod، يمكننا تقليل الوقت الذي نقضيه في المهام الثقيلة غير المميزة المتكررة لإدارة البنية التحتية، وتقليل التكاليف التشغيلية بأكثر من 30%."

Vamsi Pandari, Founder of Observea

"تم تبسيط العملية بأكملها. باستخدام SageMaker HyperPod، يمكننا الاستفادة من ميزات مرونة المجموعة التي تحدد مهام التدريب وتستعيدها تلقائيًا من آخر نقطة تفتيش محفوظة في حالة فشل الأجهزة. نحن ندير أعباء عمل متنوعة للغاية - من التطبيق والاستدلال والتدريب - مع Kubernetes كخيط مشترك. بالنسبة لنا، تعمل Amazon EKS مع SageMaker HyperPod بكل سلاسة: إذ تنضم العقد تلقائيًا إلى المجموعة."

Nathan Wilce infrastructure/data lead, Recursal

"تفخر Rocket Mortgage بأن تكون في طليعة الشركات التي تدمج الذكاء الاصطناعي وعلوم البيانات في رحلة ملكية المنازل، مع AWS كشريك رئيسي. باستخدام Amazon SageMaker AI، نعمل على تحويل عمليات تعلم الآلة لدينا، وتعزيز الكفاءة والدقة. يوفّر المحرر المرئي لمسارات SageMaker Pipelines إمكانية تقييم أداء النماذج اللغوية الكبيرة مفتوحة المصدر بسرعة (LLMs)، من خلال تشغيلها عبر مسار التحقق المؤتمت لدينا. يقلل ذلك من الوقت اللازم لتقييم الإصدارات الجديدة، وهو أمر بالغ الأهمية في المشهد سريع الحركة. تتيح سهولة الاستخدام لفرق علوم البيانات لدينا التركيز على الابتكار بدلاً من إعادة كتابة الأكواد."

Shawn Malhotra, Chief Technology Officer of Rocket Companies

SatSure هي شركة عالمية رائدة في حلول الذكاء التحليلي الجغرافي؛ وهي تستخدم بيانات مراقبة الأرض ونماذج التعلم العميق لتوليد رؤى لمختلف حالات الاستخدام، من مراقبة المحاصيل في جميع الأحوال الجوية وتقييم مخاطر المزارع، إلى كشف تغيّرات تغطية الأرض، وإدارة الغطاء النباتي، ومخاطر الحرائق، وتحديد ملامح الأرض.

"نحن نستفيد من مسارات Amazon SageMaker لإنشاء نماذج لتطبيق يحدد حدود المزارع الزراعية في صور الأقمار الصناعية منخفضة الدقة. يُعد تطوير نماذج التعلم العميق الحديثة من مجموعات بيانات صور الأقمار الصناعية الكبيرة أمرًا صعبًا للغاية. نحن قادرون على التركيز أكثر على الابتكار باستخدام الذكاء الاصطناعي وتقليل الوقت المُستغرق في العمليات اليدوية لأن المسارات تمكننا من أتمتة المعالجة المسبقة المتكررة للبيانات وتدريب النماذج وعمليات نشرها. تسهّل واجهة السحب والإفلات على علماء البيانات الجدد الانضمام بسرعة للفريق وإنشاء سير عمل لتعلّم الآلة دون الحاجة إلى فهم عميق لأطر تنسيق سير العمل المحددة."

Prateep Basu, Founder & CEO, SatSure Ltd.

"من أجل تلبية طلب عملائنا للحصول على رؤى بيانات عالية الجودة، فإننا نبحث باستمرار ونقدم إمكانات جديدة مدعومة بتعلم الآلة (ML). من خلال واجهة السحب والإفلات الجديدة في مسارات Amazon SageMaker، سيتمكّن علماء البيانات لدينا من التركيز على تحديات الرؤية الحاسوبية دون الانشغال بإدارة عمليات تعلم الآلة (MLOps). نحن بصدد إنشاء مسارات تُمكِّن علماء البيانات من تسجيل نماذجهم ببساطة في SageMaker AI دون الحاجة إلى التنسيق مع مهندسي تعلم الآلة (ML) لتحسين بيئة خدمة النماذج. سيقوم المسار متعدد الخطوات تلقائيًا بنشر النماذج المسجلة إلى نقاط نهاية استدلال Amazon SageMaker في بيئات ضمان الجودة لاختبار التحميل، وكذلك نشرها في بيئات الإنتاج؛ وذلك في حالة موافقة مهندسي تعلم الآلة (ML). شهدنا تحسنًا كبيرًا في سرعة التطوير الشامل لنماذج تعلّم الآلة (ML)، بفضل سهولة دمج مسارات Amazon SageMaker مع خدمات AWS الأخرى (مثل CI/CD وخدمات الرسائل) لبناء عمليات سير عمل عالية التخصيص لتعلم الآلة (ML).

Garrett Hemann, Head of AI/ML, EagleView

تسعى GoDaddy إلى تمكين رواد الأعمال من مختلف الخلفيات عبر توفير الأدوات التي يحتاجونها لإطلاق مشاريعهم بثقة ونجاح. قال Jing Xi، الذي يشغل منصب VP Applied ML and AI في GoDaddy: "نحن نخدم العملاء ذوي الاحتياجات المتنوعة. غالبًا ما يتواصلون مع الشركات التي يدعمونها على مدار الساعة وعبر قنوات تواصل متعددة بما في ذلك البريد الإلكتروني والدردشة ووسائل التواصل الاجتماعي." "اليوم، يعمل الذكاء الاصطناعي المولّد على تكافؤ الفرص للشركات الصغيرة من خلال منحها قدرًا لا يُصدق من القوة والمعرفة، التي عادةً ما تكون حكرًا على الشركات الكبرى، في متناول يدها. ومع ذلك، فإن أحد أكبر التحديات التي تواجهها فرق تطوير الذكاء الاصطناعي المولّد لدينا هو محاولة معرفة أي نموذج تخصيص (FM) مناسب لحالات الاستخدام لديها. من المهم بالنسبة لنا أن نكون قادرين على مقارنة النماذج بسهولة بناءً على معايير محددة هي الأكثر أهمية لعملائنا وأن نحقق التوازن الأمثل بين تكلفة النموذج ووقت الاستجابة ودقة النموذج والأداء. تساعدنا قدرة تقييم النماذج الجديدة من Amazon SageMaker AI على تسريع الوقت المستغرق للانتقال من الفكرة إلى مرحلة التنفيذ عن طريق إزالة التعقيدات التي تنطوي عليها عملية اختيار النموذج، وإجراء التجارب والتطوير والنشر وإدارة الإصدارات الجديدة من هذه النماذج بسهولة. نحن متحمسون لتوسيع نطاق الوصول إلى هذه الإمكانية الجديدة عبر المزيد من الفرق حتى يتمكن المطورون لدينا من زيادة إنتاجيتهم، وإطلاق العنان لقوة الذكاء الاصطناعي المولّد للعملاء لتنمية أعمالهم."

"لطالما كانت GoDaddy رائدة في استخدام تعلّم الآلة لتقديم ميزات مخصصة للعملاء وتحقيق وفورات ملموسة في العمليات الداخلية. يعمل علماء تعلم الآلة (ML) لدينا على العديد من المشاريع لتحقيق هذه الأهداف. يعد التكرار السريع لسير عمل تعلم الآلة (ML) الخاص بمعالجة البيانات وتسجيل التجارب وإدارة أدوات النموذج باستخدام سجل النموذج والنشر أمرًا ضروريًا لتقديم القيمة. عبّر علماء تعلّم الآلة لدينا عن حاجتهم الملحّة والواضحة لأداة مُخصصة مثل MLflow لتلبية متطلباتهم. Amazon SageMaker AI توفّر لعلماء تعلّم الآلة منصةً مُدارةً وخاضعةً للحوكمة لتنفيذ سير عمل شامل لتعلّم الآلة، وإتاحة استخدام أداة معيارية مثل MLflow ضمن SageMaker AI يُعزِّز دورة حياة تطوير النماذج بشكل كبير. نحصل على الأمان على مستوى المؤسسة ونضج المنتجات مثل سجل نماذج Amazon SageMaker مع الاستفادة أيضًا من تتبع تجارب تعلم الآلة (ML) القياسية في الصناعة عبر MLflow. أدى اعتماد MLflow من خلال SageMaker AI ضمن فرقنا إلى تقليل العبء التشغيلي الناتج عن إدارة مثيلات MLflow المستضافة داخليًا، مع الحفاظ على سرعة التسليم وتعزيز التعاون. نحن سعداء بالتعاون مع فريق SageMaker AI منذ المراحل الأولى لتعزيز هذا المنتج مع تقديم قيمة مضافة في الوقت ذاته لعلماء تعلّم الآلة لدينا (ML).

Karthik Iyer, Director, Engineering Machine Learning

"في بنك KBC، نعتقد أن تمكين علماء البيانات لدينا بالأدوات المناسبة أمر ضروري لتعزيز الابتكار. من الطرق الفعّالة للابتكار إجراء تجارب مستمرة، مما يتيح لنا استكشاف أفكار جديدة وتحسين نماذجنا. توفر MLflow منصةً قويةً لإدارة التجارب وتوثيقها. توفّرها كخدمة مُدارة سيُحسّن تجربة المستخدم لعلماء البيانات لدينا، مع تبسيط إعداد وصيانة منصة تعلّم الآلة لدينا."

Thiago Alves, MLOps Engineer

"من أجل الإدارة الفعالة للعدد المتزايد من تجارب تعلم الآلة وضمان النشر الناجح للنماذج، من الضروري أن يكون لديك نظام قوي لتتبع التجارب وتسجيل النماذج. توفر MLflow حلاً فعالاً لهذا الغرض، لأنها تسمح بالتتبع السلس لجميع تجارب تعلم الآلة (ML) بالتفصيل، مما يتطلب الحد الأدنى من التعديلات على قاعدة الأكواد لدينا. يُسهِّل ذلك اختيار النموذج الأمثل لـ Wallapop ويضمن عملية تطوير مبسطة وفعالة لتعلم الآلة (ML). وبالتالي، فإن دمج هذه المنصة وإدارتها بشكل مباشر داخل AWS يسمح لفريقنا بالتركيز على القيمة الفعلية لحلول تعلم الآلة (ML) لدينا، بدلاً من القيام بكل الأعمال الثقيلة التي تتطلبها هذه الخدمة."

Martí Jordà Roca, Machine Learning Engineer

"تتيح لنا خدمة Amazon SageMaker AI إنشاء نماذج تعلّم الآلة الموزعة على نطاق واسع بسهولة. بدلاً من الاعتماد على العمليات اليدوية، يمكننا أتمتة معظم عمليات التطوير بسلاسة داخل Amazon SageMaker AI. نحن بحاجة إلى طريقة موثوقة لتتبع أداء مهام التدريب المؤتمتة لدينا حتى نتمكن من مقارنة المهام والعثور على أفضل النماذج ونشرها في مرحلة الإنتاج. من خلال التكامل مع MLflow، يمكننا تحقيق ذلك دون تحمّل أعباء إعداد وإدارة MLflow داخليًا. يعزز هذا من سير العمل لدينا بشكل أكبر، من خلال توفير وظائف قوية لمقارنة النماذج وتسجيلها، مما يُحسّن كفاءة التطوير والنشر بشكل كبير.

Eyal Trabelsi, Data Architect

"لقد قدمت Amazon SageMaker AI مع MLflow قيمة كبيرة كتكامل بسيط ولكنه فعال للغاية مع SageMaker AI لتتبع وإدارة التجارب وجودة النموذج. أصبح تتبّع النماذج وترقيتها أكثر سهولة بفضل التكامل المباشر بين MLflow وAmazon SageMaker AI. نظرًا لكونها خدمة مُدارة، فلا داعي للقلق بشأن البنية التحتية الأساسية، مما يسمح لنا بالتركيز على تحسين نماذجنا وتسريع دورة التطوير لدينا."

Sumeet Kishnani, Managing Data Scientist

"كانت Thomson Reuters في طليعة تطوير الذكاء الاصطناعي لأكثر من 30 عامًا، ونحن ملتزمون بتقديم حلول مفيدة تساعد عملاءنا على تحقيق النتائج بشكل أسرع، مع وصول أفضل إلى المعلومات الموثوقة. لتسريع ابتكاراتنا في الذكاء الاصطناعي المولّد، بالإضافة إلى الشراكة مع مزودي النماذج اللغوية الكبيرة (LLM)، نستكشف أيضًا نماذج التدريب المخصصة بشكل أكثر كفاءة من خلال المحتوى الفريد والمملوك والخبرة البشرية. تساعدنا مكتبات التدريب الموزعة من SageMaker HyperPod على تحسين أداء تدريب النموذج واسع النطاق. وميزة المرونة الخاصة بها توفر الوقت بينما نراقب البنية التحتية ونديرها. سيؤدي تدريب نماذج التأسيس لدينا على SageMaker HyperPod إلى تسريع وقت إطلاق نموذجنا في السوق ومساعدتنا على توفير حلول عالية الجودة لعملائنا بوتيرة سريعة."

Joel Hron, Head of AI and Labs - Thomson Reuters

"لقد تمكنا من تلبية متطلبات التدريب على نماذج اللغة الكبيرة باستخدام Amazon SageMaker HyperPod. باستخدام Amazon EKS على SageMaker HyperPod، تمكنا من زيادة السعة وإدارة مهام التدريب بسهولة، مما مكننا من الاستفادة من مزايا نماذج اللغة الكبيرة (LLMs) في مجالات مثل التلخيص القانوني والتصنيف."

John Duprey, Distinguished Engineer, Thomson Reuters Labs

"شركة Hugging Face تستخدم SageMaker HyperPod لإنشاء نماذج تأسيس مفتوحة جديدة مهمة مثل StarCoder وIDEFICS وZephyr والتي تم تنزيلها ملايين المرات. لقد مكنت قدرات المرونة والأداء المصممة خصيصًا لـ SageMaker HyperPod فريق العلوم المفتوحة لدينا من التركيز على الابتكار ونشر التحسينات المهمة للطرق التي يتم بها بناء نماذج التأسيس، بدلاً من إدارة البنية التحتية. لقد أحببنا بشكل خاص قدرة SageMaker HyperPod على اكتشاف فشل أجهزة تعلم الآلة (ML) واستبدال الأجهزة المعيبة بسرعة دون تعطيل التدريب المستمر للنماذج. نظرًا لأن فرقنا بحاجة إلى الابتكار بسرعة، فقد ساعدتنا ميزة استعادة الوظائف الآلية هذه في تقليل التعطيل أثناء عملية تدريب نموذج التأسيس، مما ساعدنا على توفير مئات الساعات من وقت التدريب في عام واحد فقط."

Jeff Boudier, head of Product at Hugging Face.

"كنا نبحث عن البنية التحتية المناسبة لتعلم الآلة لزيادة الإنتاجية وخفض التكاليف من أجل بناء نماذج لغات كبيرة عالية الأداء. بعد إجراء بعض التجارب الناجحة، انتقلنا إلى AWS من موفري السحابة الآخرين من أجل استخدام Amazon SageMaker HyperPod. لقد استخدمنا HyperPod خلال الأشهر الأربعة الماضية لبناء وضبط نماذج اللغة الكبيرة (LLMs) لتشغيل محرك إجابات المحادثة Perplexity الذي يجيب على الأسئلة مع المراجع المقدمة في شكل اقتباسات. نظرًا لأن خدمة SageMaker HyperPod تراقب تلقائيًا كفاءة المجموعة وتعالج أعطال وحدة معالجة الرسومات (GPU)، فإن مطورينا قادرون على التركيز على بناء النماذج بدلاً من قضاء الوقت في إدارة البنية التحتية الأساسية وتحسينها. ساعدتنا البيانات المضمنة والمكتبات النموذجية المتوازية في SageMaker HyperPod على تحسين وقت التدريب على وحدات معالجة الرسومات (GPU) ومضاعفة سرعة التدريب. ونتيجة لذلك، يمكن الآن إجراء تجاربنا التدريبية بسرعة مضاعفة، وهذا يعني أن المطورين لدينا يمكنهم التكرار بسرعة أكبر، مما يؤدي إلى تسريع وتيرة تطوير تجارب الذكاء الاصطناعي المولّد الجديدة لعملائنا."

Aravind Srinivas, co-founder and CEO at Perplexity AI

"تعتمد أكثر من 10000 منظمة حول العالم على Workday لإدارة أصولها الأكثر قيمة: موظفوها وأموالهم. نحن نقدم حلولاً مسؤولة وشفافة للعملاء من خلال اختيار أفضل نموذج تأسيس يعكس سياسات شركتنا حول الاستخدام المسؤول للذكاء الاصطناعي. بالنسبة لمهام مثل إنشاء توصيفات الوظائف، التي يجب أن تكون عالية الجودة وتعزز تكافؤ الفرص، قمنا باختبار قدرة تقييم النموذج الجديد في Amazon SageMaker AI ونحن متحمسون للقدرة على قياس نماذج التأسيس عبر مقاييس مثل التحيز والجودة والأداء. ونتطلع إلى استخدام هذه الخدمة في المستقبل لمقارنة واختيار النماذج التي تتوافق مع المعايير الصارمة للذكاء الاصطناعي المسؤول لدينا."

Shane Luke, vice president of AI and Machine Learning at Workday.

"نتبنى في Salesforce مقاربة النظام المتكامل المفتوح لنماذج التأسيس، وتلعب Amazon SageMaker AI دورًا أساسيًا في تعزيز وتوسيع بنيتنا التقنية وتسريع طرح المنتجات في السوق. من خلال استخدام ميزة الاستدلال الجديدة في SageMaker AI، تمكّنا من نشر جميع نماذجنا على نقطة نهاية واحدة في SageMaker AI، والتي أدارت تلقائيًا تخصيص موارد الحوسبة ومشاركتها، مما سرّع الأداء وقلّل من تكلفة نشر نماذج التأسيس."

Bhavesh Doshi, vice president of Engineering at Salesforce.

"أحد أكبر التحديات التي تواجه Aura هو استخراج إحصاءات مفيدة من مجموعة كبيرة من البيانات المهنية غير المهيكلة. من خلال استخدام نماذج اللغة الكبيرة عبر Amazon SageMaker Canvas، قمنا بأتمتة عملية استخراج البيانات، وتحويل كيفية تقييم الشركات لكفاءات القوى العاملة والهياكل التنظيمية. لم يساعدنا هذا النهج في توسيع نطاق تحليل البيانات فحسب، بل تجاوز أيضًا قيود طرق تحليل البيانات التقليدية مثل مطابقة الكلمات المفتاحية. باستخدام إعداد البيانات الجديدة وقدرات نماذج اللغة الكبيرة (LLM) في SageMaker Canvas، تستطيع Aura تقييم الشركات كميًا وقياس أدائها مقارنةً بشركات أخرى بناءً على فعالية هيكلها التنظيمي ومهارات القوى العاملة والأداء من حيث النتائج المالية."

Purna Doddapaneni, CTO of Founder’s Studio and partner at Bain & Co.

"يساعدنا استدلال خدمة Amazon SageMaker AI على نشر النماذج عبر مناطق توافر الخدمات المتعددة وإجراء التنبؤات على نطاق واسع، إما عبر الإنترنت أو في الوضع المُجمَّع."

Itamar Keller, Research and Development Team Leader, Wix

"وجود منصة موحدة تعتمد على Amazon SageMaker AI يُسهّل عملية الامتثال. يسهل علينا إضافة البيانات الحساسة عندما تكون مجمّعة في مكان آمن ومركزي."

Lezgin Bakircioglu, Chief Technology Officer, Qred

"بصفتنا شركة الذكاء الاصطناعي المولّد الرائدة مفتوحة المصدر، فإن هدفنا هو تعظيم إمكانية الوصول إلى الذكاء الاصطناعي الحديث. نحن نبني نماذج تأسيس مكونة من عشرات المليارات من المعلمات، والتي تتطلب البنية التحتية التي يمكنها توسيع نطاق أداء التدريب المحسن. من خلال البنية التحتية المُدارة ومكتبات التحسين الخاصة بـ SageMaker HyperPod، يمكننا تقليل وقت التدريب وتكاليفه بأكثر من 50%. إنه يجعل تدريب نموذجنا أكثر مرونة وأداءً لبناء نماذج حديثة بشكل أسرع."

Emad Mostaque, Founder and CEO - Stability AI

"في iFood، نسعى جاهدين لإسعاد عملائنا من خلال خدماتنا باستخدام التكنولوجيا مثل تعلم الآلة (ML). لقد كان بناء سير عمل كامل وسلس لتطوير النماذج وتدريبها ونشرها جزءًا مهمًا من رحلتنا لتوسيع نطاق تعلم الآلة (ML). تتيح لنا مسارات Amazon SageMaker إنشاء عمليات سير عمل متعددة ومؤتمة وقابلة للتوسُّع لتعلّم الآلة بشكل سريع، مع تسهيل عمليات النشر والإدارة للنماذج. تُسهم مسارات SageMaker في تعزيز كفاءة دورة التطوير التي نعتمدها. نواصل التأكيد على ريادتنا في استخدام الذكاء الاصطناعي/تعلم الآلة (AI/ML) لتقديم خدمة عملاء وكفاءة فائقة مع كل هذه القدرات الجديدة لـ Amazon SageMaker AI."

Sandor Caetano, Chief Data Scientist, iFood

"قطاع رعاية قوي يتوازن فيه العرض مع الطلب يُعد ضروريًا للنمو الاقتصادي، بدءًا من الأسرة الفردية وصولاً إلى الناتج المحلي الإجمالي للدولة (GDP). نحن متحمسون بشأن مسارات Amazon SageMaker، حيث نعتقد أنها ستساعدنا على التوسع بشكل أفضل عبر فرق علوم البيانات والتطوير لدينا، باستخدام مجموعة متسقة من البيانات المُنسَّقة التي يمكننا استخدامها لبناء مسارات نماذج تعلم الآلة الشاملة (ML) والقابلة للتوسُّع من مرحلة إعداد البيانات إلى مرحلة النشر. بفضل قدرات Amazon SageMaker AI الجديدة المعلن عنها، يمكننا تسريع تطوير ونشر نماذج تعلّم الآلة لدينا لمختلف التطبيقات، مما يساعد عملاءنا على اتخاذ قرارات مدروسة من خلال توصيات فورية أسرع."

Clemens Tummeltshammer, Data Science Manager, Care.com

"تستخدم 3M تعلّم الآلة لتحسين منتجاتها المُجرَّبة والمُختبَرة مثل ورق الصنفرة، ودفع الابتكار في مجالات متعددة، بما في ذلك الرعاية الصحية. وبينما نخطط لتوسيع نطاق تعلم الآلة ليشمل المزيد من مجالات 3M، نشهد نموًا سريعًا في كمية البيانات والنماذج - حيث تتضاعف كل عام. نحن متحمسون لميزات SageMaker AI الجديدة لأنها ستساعدنا على التوسع. تعمل Amazon SageMaker Data Wrangler على تسهيل إعداد البيانات لتدريب النماذج بشكل كبير، وسيلغي مخزن سمات Amazon SageMaker الحاجة إلى إنشاء ميزات النموذج نفسها مرارًا وتكرارًا. أخيرًا، ستساعدنا مسارات Amazon SageMaker في أتمتة إعداد البيانات وبناء النماذج ونشرها في سير العمل الشامل حتى نتمكن من تسريع وقت إطلاق نموذجنا في السوق. يتطلع باحثونا إلى الاستفادة من السرعة الجديدة للعلوم في 3M."

David Frazee, Technical Director at 3M Corporate Systems Research Lab

"من خلال Amazon SageMaker JumpStart، تمكّنا من تجربة عدة نماذج تأسيس، واختيار الأنسب لاحتياجاتنا في مجال الرعاية الصحية، وإطلاق تطبيقات تعلّم الآلة بسرعة باستخدام نشر النماذج المتوافق مع HIPAA في SageMaker. وقد سمح لنا ذلك بتحسين سرعة وحجم عملية إدخال البيانات للوصفات الطبية وخدمة العملاء."

Alexandre Alves, Sr. Principal Engineer, Amazon Pharmacy

"في Canva، نحن في مهمة لتمكين العالم من التصميم وتسهيل قيام أي شخص بإنشاء شيء جميل على أي جهاز. من خلال الذكاء الاصطناعي المولّد، نساعد المستخدمين على تحويل أفكارهم إلى واقع بأقل قدر ممكن من التعقيد. بفضل SageMaker JumpStart، يمكننا تمكين فرقنا للبدء في استخدام الذكاء الاصطناعي المولّد واختبار نماذج التأسيس المختلفة. في فعالية الهاكاثون العالمية لدينا، تمكّن فريق Canvanauts من نشر مجموعة متنوعة من نماذج التأسيس بسهولة وتشغيل مشاريعهم بسرعة. شكّل ذلك عنصرًا محوريًا في نجاح فعالية الهاكاثون."

Nic Wittison, Engineering Lead for AI Products, Canva

"عبر الاتصالات البعيدة بخدمة SageMaker AI، يتمتع خبراء علم البيانات بإمكانية اختيار بيئة التطوير المتكاملة (IDE) الأكثر ملاءمة لاحتياجاتهم لتحقيق أعلى درجات الكفاءة والإنتاجية. يمكن لفرقنا الجمع بين إعداداتهم المحلية المخصصة وإمكانية الوصول إلى البنية التحتية وضوابط الأمان المدمجة في SageMaker AI لتحقيق أقصى قدر من المرونة والأمان. باعتبارنا شركة تعتمد مبدأ الأمن أولاً، فإن هذا الأمر يعد ذا أهمية قصوى لأنه يضمن حماية البيانات الحساسة مع إتاحة التعاون الآمن بين الفرق وتعزيز كفاءتها وإنتاجيتها."

Nir Feldman, Senior Vice President of Engineering at CyberArk

"في Dovetail، نساعد المؤسسات على تحسين جودة منتجاتها وخدماتها من خلال قوة الفهم الأفضل لعملائها. مع Amazon SageMaker JumpStart، يمكننا الوصول بسهولة إلى نماذج التأسيس المتطورة واختبارها ونشرها. استخدمنا AI21 Jurassic-2 Mid لتحسين عملية التلخيص، وتمكّنا من دمجه في تطبيق SaaS لدينا خلال أسابيع بدلاً من أن يستغرق ذلك شهورًا. يمكن لعملائنا الآن استخلاص الأفكار وفهمها بكفاءة من بياناتهم مع الحفاظ على خصوصية البيانات وضمان الأمان."

Chris Manouvrier, Enterprise Architect Manager, Dovetail

"يمتلك عملاؤنا آلاف المستندات القانونية وعملية تحليل هذه المستندات شاقة وتستغرق وقتًا طويلاً. في كثير من الأحيان، لا توجد طريقة للحصول على إجابات سريعة، مثل فهم من طرح سؤالاً خلال الشهادة. الآن مع Amazon SageMaker JumpStart، يمكننا الوصول إلى أحدث نماذج التأسيس لتشغيل منتجاتنا حتى يتمكن العملاء من معالجة مجموعة متنوعة من حالات الاستخدام، مثل اكتشاف التناقض والبحث الدلالي، عبر آلاف المستندات في وقت واحد. أصبح بإمكان المحامين استخدام المحاضر السابقة كمرجع للتحضير لمهام مستقبلية، مع ضمان الالتزام التام بمعايير الأمان والامتثال.

Jason Primuth, Chief Innovation Officer, Lexitas

"في Tyson Foods، نواصل البحث عن طرق جديدة لاستخدام تعلم الآلة (ML) في عملية الإنتاج لدينا لتحسين الإنتاجية. نحن نستخدم نماذج تصنيف الصور لتحديد المنتجات من خط الإنتاج التي تحتاج إلى وضع ملصقات تغليف. ومع ذلك، يجب إعادة تدريب نماذج تصنيف الصور باستمرار باستخدام صور ميدانية جديدة لضمان دقتها. تُمكِّن Amazon SageMaker JumpStart علماء البيانات لدينا من مشاركة نماذج تعلم الآلة (ML) مع مهندسي الدعم حتى يتمكنوا من تدريب نماذج تعلم الآلة (ML) ببيانات جديدة دون كتابة أي كود. ويؤدي ذلك إلى تسريع وقت طرح حلول تعلم الآلة في السوق، وتعزيز التحسينات المستمرة، وزيادة الإنتاجية."

Rahul Damineni, Specialist Data Scientist, Tyson Foods

"بفضل Amazon SageMaker JumpStart، يمكننا إطلاق حلول تعلم الآلة (ML) في غضون أيام لتلبية احتياجات التنبؤ باستخدام تعلم الآلة بشكل أسرع وأكثر موثوقية."

Alex Panait, CEO, Mission Automate

"أتاحت لنا Amazon SageMaker JumpStart البدء من مراحل متقدّمة، مما قلّل مدة تطوير حلول تعلّم الآلة لدينا لحالات الاستخدام الخاصة بنا من 3–4 أشهر إلى 4–6 أسابيع فقط."

Gus Nguyen, Software Engineer, MyCase

"بفضل Amazon SageMaker JumpStart، يمكننا بناء تطبيقات تعلّم الآلة مثل الكشف التلقائي عن الحالات غير الطبيعية أو تصنيف العناصر بشكل أسرع، وإطلاق الحلول من مرحلة إثبات المفهوم إلى مرحلة الإنتاج في غضون أيام."

Milos Hanzel, Platform Architect, Pivotree  

تقدّم منصة "Bundesliga Match Facts"، المدعومة من AWS، تجربةً غنيةً وتفاعليةً لمشجعي الدوري الألماني أثناء المباريات في جميع أنحاء العالم. باستخدام Amazon SageMaker Clarify، يمكن للدوري الألماني الآن شرح العناصر الرئيسية الكامنة التي ساهمت في تحديد سبب توقّع نموذج تعلّم الآلة لقيمة xGoals معينة بطريقة تفاعلية. معرفة الأثر النسبي لكل ميزة وشرح النتائج يساعد في تصحيح النموذج وزيادة الثقة في خوارزميات تعلّم الآلة، مما يؤدي إلى توقّعات بجودة أعلى.

"تتكامل Amazon SageMaker Clarify بسلاسة مع بقية منصة Bundesliga Match Facts الرقمية وهو جزء أساسي من استراتيجيتنا طويلة المدى لتوحيد سير عمل تعلم الآلة على Amazon SageMaker AI. من خلال استخدام تقنيات AWS المبتكرة، مثل تعلم الآلة، لتقديم المزيد من الأفكار المتعمقة وتزويد المشجعين بفهم أفضل للقرارات التي يتم اتخاذها في أجزاء من الثانية على أرض الملعب، تتيح منصة Bundesliga Match Facts للمشاهدين الحصول على إحصاءات أعمق حول القرارات الرئيسية في كل مباراة."

Andreas Heyden, Executive Vice President of Digital Innovations, DFL Group

"مع Amazon SageMaker JumpStart، يمكن لـ Slack الوصول إلى أحدث نماذج التأسيس لتشغيل Slack AI، مع إعطاء الأولوية للأمان والخصوصية. يمكن لعملاء Slack الآن البحث بشكل أكثر ذكاءً وتلخيص المحادثات على الفور وتحقيق أقصى إنتاجية."

Jackie Rocca, VP Product, AI at Slack

CAPCOM هي شركة ألعاب يابانية تشتهر بألعاب مثل سلسلة Monster Hunter وStreet Fighter. من أجل الحفاظ على رضا المستخدمين، احتاجت CAPCOM إلى ضمان جودة اللعبة وتحديد المتغيرات المحتملة واتجاهاتها.

"مكّننا الجمع بين AutoGluon وAmazon SageMaker Clarify من توقّع فقدان العملاء بدقة تصل إلى 94% من خلال نموذجنا الخاص بذلك. تُساعدنا SageMaker Clarify على فهم سلوك النموذج من خلال توفير إمكانية التفسير من خلال قيم SHAP. باستخدام SageMaker Clarify، قمنا بتخفيض تكلفة حساب قيم SHAP بنسبة تصل إلى 50% مقارنة بالحساب المحلي. يمنحنا الحل المشترك القدرة على فهم النموذج بشكل أفضل وتحسين رضا العملاء بمعدل أعلى من الدقة مع توفير كبير في التكاليف."

Masahiro Takamoto, Head of Data Group, CAPCOM

Domo هي سحابة الأعمال التي تعمل على تغيير طريقة إدارة الأعمال من خلال تقديم حلول ذكاء الأعمال الحديثة (BI) للجميع. مع Domo، يمكن الآن تنفيذ العمليات الحرجة التي كانت تستغرق أسابيع أو شهورًا أو أكثر على الفور، في دقائق أو ثوانٍ، على نطاق واسع جدًا.

"تقدم Domo مجموعة قابلة للتوسُّع من حلول علوم البيانات التي يسهل على أي شخص في المؤسسة استخدامها وفهمها. مع Clarify، يتم تمكين عملائنا من الحصول على رؤى مهمة حول كيفية قيام نماذج الذكاء الاصطناعي لديهم بإجراء التنبؤات. يساعد الجمع بين Clarify وDomo على زيادة سرعة الذكاء الاصطناعي والذكاء لعملائنا من خلال وضع قوة الذكاء الاصطناعي في أيدي الجميع عبر أعمالهم وأنظمتهم البيئية."

Ben Ainscough, Ph.D., Head of AI and Data Science, Domo

Varo Bank هو بنك رقمي مقره الولايات المتحدة ويستخدم الذكاء الاصطناعي/تعلم الآلة (AI/ML) للمساعدة في اتخاذ قرارات سريعة قائمة على المخاطر لتقديم منتجاته وخدماته المبتكرة للعملاء.

"لدى Varo التزام قوي بإمكانية شرح نماذج تعلم الآلة (ML) وشفافيتها ونحن متحمسون لرؤية نتائج Amazon SageMaker Clarify في تعزيز هذه الجهود."

Sachin Shetty, Head of Data Science, Varo Money

تهدف LG AI Research إلى قيادة الحقبة القادمة من الذكاء الاصطناعي من خلال استخدام Amazon SageMaker AI لتدريب نماذج تعلّم الآلة ونشرها بسرعة أكبر.

"أطلقنا مؤخرًا Tilda، الفنانة المدعومة بالذكاء الاصطناعي والمبنية على EXAONE، وهو نظام ذكاء اصطناعي فائق الضخامة قادر على معالجة 250 مليون مجموعة بيانات من الصور عالية الدقة والنصوص المرافقة لها. يسمح الذكاء الاصطناعي متعدد الوسائط لـ Tilda بإنشاء صورة جديدة بمفردها، مع قدرتها على استكشاف ما وراء اللغة التي تراها. كانت خدمة Amazon SageMaker AI أساسيةً في تطوير EXAONE، نظرًا لقدراته التدريبية القابلة للتوسع والتوزيع. على وجه التحديد، نظرًا للحسابات الضخمة المطلوبة لتدريب هذا الذكاء الاصطناعي العملاق، فإن المعالجة المتوازية الفعالة مهمة جدًا. كنا بحاجة أيضًا إلى إدارة البيانات واسعة النطاق باستمرار والتحلي بالمرونة للاستجابة للبيانات الجديدة التي نحصل عليها. وباستخدام نموذج تدريب Amazon SageMaker AI ومكتبات التدريب الموزعة، قمنا بتحسين التدريب الموزع وتدريب النموذج بشكل أسرع بنسبة 59% - دون إجراء تعديلات كبيرة على كود التدريب لدينا."

Seung Hwan Kim, Vice President and Vision Lab Leader, LG AI Research

"في AI21 Labs، نساعد الشركات والمطورين على استخدام نماذج اللغة المتطورة لإعادة تشكيل كيفية تفاعل المستخدمين مع النص، دون الحاجة إلى خبرة في معالجة اللغة الطبيعية (NLP). AI21 Studio هي منصة المطورين لدينا، وهي تتيح الوصول إلى قدرات مثل إنشاء النصوص، التلخيص الذكي، وتوليد الأكواد، استنادًا إلى نماذج اللغة الكبيرة التي نطوّرها. اعتمدنا على Amazon SageMaker AI لتدريب نموذجنا الحديث Jurassic-Grande (TM)، الذي يضم 17 مليار معلمة. جعلت Amazon SageMaker AI عملية تدريب النماذج أسهل وأكثر كفاءة، وعملت بشكل مثالي مع مكتبة DeepSpeed. نتيجة لذلك، تمكّنا من توسيع نطاق مهام التدريب الموزعة بسهولة لتشمل مئات من وحدات معالجة الرسومات Nvidia A100. ويقدّم نموذج Grande جودة في توليد النصوص تضاهي نموذجنا الأكبر الذي يحتوي على 178 مليار معلمة، ولكن بتكلفة استدلال أقل بكثير. نتيجة لذلك، يتمكّن عملاؤنا الذين ينشرون Jurassic-Grande في بيئة الإنتاج من خدمة ملايين المستخدمين في الوقت الفعلي يوميًا، والاستفادة من تحسين اقتصاديات الوحدة دون التأثير على تجربة المستخدم. 

Dan Padnos, Vice President Architecture, AI21 Labs

بمساعدة Amazon SageMaker AI ومكتبة التوازي للبيانات الموزعة في Amazon SageMaker AI ‏(SMDDP)، تقوم Torc.ai، الرائدة في المركبات ذاتية القيادة منذ عام 2005، بتسويق الشاحنات ذاتية القيادة لنقل البضائع لمسافات طويلة بأمان واستدامة في قطاع الشحن.

"أصبح فريقي الآن قادرًا على تشغيل مهام التدريب الموزعة على نطاق واسع بسهولة باستخدام ميزة تدريب النماذج في Amazon SageMaker AI ومكتبة التوازي للبيانات الموزعة في Amazon SageMaker AI ‏(SMDDP)، والتي تتضمن بيانات تدريب بأحجام بالتيرابايت ونماذج تتكون من ملايين المعلمات. لقد ساعدنا تدريب النموذج الموزع في Amazon SageMaker AI ومكتبة التوازي للبيانات الموزعة في Amazon SageMaker AI ‏(SMDDP) على التوسع بسلاسة دون الحاجة إلى إدارة البنية التحتية للتدريب. لقد قلل هذا من الوقت الذي نستغرقه في تدريب النماذج من عدة أيام إلى بضع ساعات، مما مكننا من تقليص دورة التصميم لدينا وتقديم قدرات المركبات الجديدة ذاتية القيادة إلى أسطولنا بشكل أسرع من أي وقت مضى."

Derek Johnson, Vice President of Engineering, Torc.ai

Sophos هي شركة رائدة عالميًا في حلول وخدمات الأمن السيبراني من الجيل التالي، وهي تستخدم Amazon SageMaker AI لتدريب نماذج تعلم الآلة (ML) لديها بشكل أكثر كفاءة.

"تقنيتنا القوية تكتشف الملفات التي تحتوي على برمجيات خبيثة بذكاء وتقوم بإزالتها. كان استخدام نماذج XGBoost لمعالجة مجموعات البيانات التي تبلغ عدة تيرابايتات يستغرق وقتًا طويلاً للغاية—وأحيانًا يكون غير ممكن بسبب محدودية سعة الذاكرة. باستخدام التدريب الموزّع في Amazon SageMaker AI، يمكننا تدريب نموذج XGBoost خفيف الوزن يتميّز بأنه أصغر بكثير على القرص (حتى 25 مرة) وفي الذاكرة (حتى 5 مرات) مقارنة بالإصدار السابق. وباستخدام الضبط التلقائي لنماذج Amazon SageMaker AI والتدريب الموزع على مثيلات Spot، يمكننا تعديل النماذج وإعادة تدريبها بسرعة وفعالية أكبر دون الحاجة إلى تعديل البنية التحتية التدريبية الأساسية المطلوبة للتوسع في مجموعات البيانات الكبيرة هذه."

Konstantin Berlin, Head of Artificial Intelligence, Sophos

"يعد تعلّم الآلة المتقدم والمحاكاة على نطاق واسع من Aurora أساسًا لتطوير تقنيتنا بأمان وسرعة، وتوفر AWS الأداء العالي الذي نحتاجه للحفاظ على تقدمنا. بفضل نطاقها غير المحدود عمليًا، تدعم AWS ملايين الاختبارات الافتراضية للتحقّق من قدرات نظام القيادة Aurora Driver، لضمان قدرته على التعامل الآمن مع الحالات الطرفية العديدة في القيادة الواقعية." 

Chris Urmson, CEO, Aurora

"نستخدم نماذج الرؤية الحاسوبية لتنفيذ تقسيم المشاهد، وهو أمر مهم لفهم المشهد. كانت عملية تدريب النموذج لدورة تدريبية واحدة تستغرق 57 دقيقة، مما كان يُبطئ وتيرتنا. باستخدام مكتبة التوازي للبيانات في Amazon SageMaker AI وبمساعدة مختبر الحلول Amazon ML Solutions Lab، تمكّنا من تقليص وقت التدريب إلى 6 دقائق من خلال كود تدريب مُحسّن على مثيلات 5ml.p3.16xlarge. وبفضل تقليل وقت التدريب بمعدل 10 مرات، أصبح بإمكاننا تخصيص وقت أكبر لتحضير البيانات أثناء دورة التطوير." 

Jinwook Choi, Senior Research Engineer, Hyundai Motor Company

"في Latent Space، نقوم ببناء محرك ألعاب يعتمد على التمثيل العصبي، يتيح لأي شخص الإنشاء بسرعة الفكرة. وانطلاقًا من التقدّم في نمذجة اللغة، نعمل على دمج الفهم الدلالي للنصوص والصور لتحديد ما يجب توليده. نركّز حاليًا على استخدام استرجاع المعلومات لتعزيز تدريب النماذج على نطاق واسع، ونمتلك مسارات سير عمل متقدمة في تعلّم الآلة. وتشكّل هذه البيئة تحديًا إضافيًا فوق التدريب الموزّع بسبب تنوع مصادر البيانات والنماذج التي يتم تدريبها بالتوازي. ولهذا، نعتمد على قدرات التدريب الموزّع الجديدة في Amazon SageMaker AI لتوسيع نطاق تدريب النماذج المُولِّدة الكبيرة بكفاءة."

Sarah Jane Hong, Cofounder/Chief Science Officer, Latent Space

"Musixmatch تستخدم Amazon SageMaker AI لبناء نماذج معالجة اللغة الطبيعية (NLP) ومعالجة الصوت وتقوم بتجربة Hugging Face باستخدام Amazon SageMaker AI. نختار Amazon SageMaker AI لأنها تسمح لعلماء البيانات ببناء النماذج وتدريبها وضبطها بشكل متكرر بسرعة دون الحاجة إلى القلق بشأن إدارة البنية التحتية الأساسية، مما يعني أن علماء البيانات يمكنهم العمل بسرعة أكبر وبشكل مستقل. ومع نمو الشركة، نمت أيضًا متطلباتنا لتدريب وضبط نماذج معالجة اللغة الطبيعية (NLP) الأكبر والأكثر تعقيدًا. نحن نبحث دائمًا عن طرق لتسريع وقت التدريب مع خفض تكاليف التدريب أيضًا، ولهذا السبب نحن متحمسون للمُحول البرمجي في Amazon SageMaker. يوفر المُحول البرمجي في SageMaker طرقًا أكثر كفاءة لاستخدام وحدات معالجة الرسومات (GPUs) أثناء عملية التدريب، ومع التكامل السلس بين المُحول البرمجي في SageMaker وPyTorch والمكتبات عالية المستوى مثل Hugging Face، شهدنا تحسنًا كبيرًا في وقت تدريب نماذجنا القائمة على المحوِّلات من أسابيع إلى أيام، بالإضافة إلى انخفاض تكاليف التدريب."

Loreto Parisi, Artificial Intelligence Engineering Director, Musixmatch

قامت AT&T Cybersecurity بتحسين اكتشاف التهديدات التي تتطلب تنبؤات في الوقت الفعلي تقريبًا باستخدام نقاط النهاية متعددة الوسائط في Amazon SageMaker AI.

"إن نقاط النهاية متعددة الوسائط في Amazon SageMaker AI ليست فعالة من حيث التكلفة فحسب، ولكنها تمنحنا أيضًا تعزيزًا بسيطًا للأداء من خلال تبسيط كيفية تخزين نماذجنا."

Matthew Schneid Chief Architect - AT&T

استطاعت Forethought Technologies، المتخصصة في الذكاء الاصطناعي المولّد لخدمة العملاء، خفض التكاليف بما يصل إلى 80% بفضل Amazon SageMaker AI.

"من خلال الانتقال إلى نقاط النهاية متعددة الوسائط في Amazon SageMaker AI، خفضنا تكاليفنا بنسبة تصل إلى 66% مع توفير وقت استجابة أفضل وأوقات استجابة أفضل للعملاء."

Jad Chamoun, Director of Core Engineering - Forethought Technologies

قلّلت Bazaarvoice تكاليف الاستدلال القائمة على تعلم الآلة بنسبة 82% باستخدام استدلال SageMaker بلا خادم.

"من خلال استخدام استدلال SageMaker بلا خادم، يمكننا تنفيذ مهام تعلّم الآلة بكفاءة وعلى نطاق واسع، مع نشر عدد كبير من النماذج بسرعة، وبتكلفة معقولة، وأعباء تشغيلية منخفضة."

Lou Kratz, Principal Research Engineer – Bazaarvoice

تستخدم Tapjoy خدمة Amazon SageMaker AI لنشر نماذج تعلم الآلة في أيام بدلاً من أشهر.

"كنا نستغرق ما بين ثلاثة إلى ستة أشهر لتدريب النموذج وبنائه ونشره. الآن مع SageMaker AI، يمكننا القيام بذلك في غضون أسبوع واحد، وربما أقل من ذلك."

Nick Reffitt, Vice President of Data Science and Engineering - Tapjoy

استضافت Zendesk الآلاف من نماذج تعلم الآلة (ML) في نقاط النهاية متعددة الوسائط (MME) ضمن Amazon SageMaker AI لميزة Suggested Macros، وحققت وفورات بنسبة 90% في تكلفة الاستدلال مقارنة بنقاط النهاية المخصصة.

"لقد نشرنا الآلاف من نماذج تعلم الآلة (ML)، المخصصة لعملائنا الذين يزيد عددهم عن 100 ألف عميل، باستخدام نقاط النهاية متعددة الوسائط (MME) من Amazon SageMaker AI. باستخدام نقاط النهاية متعددة الوسائط (MME) من Amazon SageMaker AI، أنشأنا بنية استدلال تدعم تعدد المستخدمين وتتناسب مع بيئة SaaS، لاستضافة عدة نماذج لكل نقطة نهاية واحدة، ما يخفض تكلفة الاستدلال بنسبة 90% مقارنة بنقاط النهاية المُخصَّصة."

Chris Hausler, Head of AI/ML – Zendesk

"مع Amazon SageMaker AI، يمكننا تسريع مبادرات الذكاء الاصطناعي لدينا بالحجم المطلوب عن طريق بناء خوارزمياتنا ونشرها على نظامنا الأساسي. سنقوم بإنشاء خوارزميات جديدة لتعلّم الآلة والذكاء الاصطناعي على نطاق واسع وننشرها على هذه المنصة لحل المشكلات المعقّدة التي يمكن أن تدعم ازدهار عملائنا."

Ashok Srivastava, Chief Data Officer - Intuit

من خلال تسخير البيانات والتحليلات عبر الأجهزة والبرامج والتكنولوجيا الحيوية، تعمل GE Healthcare على تحويل الرعاية الصحية من خلال تقديم نتائج أفضل لمقدمي الخدمات والمرضى. 

"تتيح Amazon SageMaker AI لشركة GE Healthcare الوصول إلى أدوات وخدمات الذكاء الاصطناعي القوية لتعزيز الرعاية المُحسَّنة للمرضى. قابلية التوسع في Amazon SageMaker AI وقدرتها على التكامل مع خدمات AWS الأصلية تضيف قيمة هائلة لنا. نحن متحمسون للتعاون المستمر بين GE Health Cloud وAmazon SageMaker AI، والذي سيساهم في تحقيق نتائج أفضل لشركائنا من مقدمي خدمات الرعاية الصحية وتحسين جودة رعاية المرضى.

Sharath Pasupunuti, AI Engineering Leader - GE Healthcare

ADP هي شركة تقنية عالمية رائدة تقدم حلول إدارة رأس المال البشري (HCM). تستفيد ADP DataCloud من بيانات القوى العاملة الفريدة لدي ADP من أكثر من 30 مليون موظف لتقديم رؤى قابلة للتنفيذ يمكن أن تساعد المديرين التنفيذيين على اتخاذ قرارات في الوقت الفعلي لإدارة أعمالهم بشكل أفضل.

"الاحتفاظ بالمواهب واستقطابها أمر صعب، ولهذا السبب نواصل تعزيز ADP DataCloud بإمكانات الذكاء الاصطناعي لمساعدة أصحاب العمل على الحفاظ على فرق قوية. نحن نستخدم خدمات تعلم الآلة المُقدمة من AWS، بما في ذلك Amazon SageMaker AI، لتحديد أنماط القوى العاملة بسرعة والتنبؤ بالنتائج قبل حدوثها - على سبيل المثال، معدل مغادرة الموظفين أو تأثير زيادات الرواتب. ومن خلال الاستفادة من AWS كمنصة أساسية للذكاء الاصطناعي وتعلم الآلة، قللنا الوقت اللازم لنشر نماذج تعلم الآلة من أسبوعين إلى يوم واحد فقط."

Jack Berkowitz, SVP of Product Development – ADP, Inc.

تتمثل مهمة BASF Digital Farming في تمكين المزارعين من اتخاذ قرارات أكثر ذكاءً والمساهمة في حل التحدي المتمثل في إطعام عدد متزايد من سكان العالم، مع تقليل البصمة البيئية أيضًا.

"Amazon SageMaker AI والتقنيات ذات الصلة من AWS تدعم التجريب السريع وتوفر ميزات سهلة الاستخدام وواجهات برمجة تطبيقات (APIs) تُسهم في تقليل الحواجز أمام اعتماد تعلم الآلة. بهذه الطريقة، يمكننا الاستفادة الكاملة من الإمكانات الكامنة في حالات استخدام تعلم الآلة بسرعة (ML)."

Dr. Christian Kerkhoff, Manager Data Automation - BASF Digital Farming GmbH

Cerner Corporation هي شركة عالمية متخصصة في مجالي الصحة والتكنولوجيا توفر مجموعة متنوعة من حلول وخدمات وأجهزة ومعدات تكنولوجيا المعلومات الصحية (HIT).

"تفخر Cerner بدفع عجلة الابتكار في مجالي الذكاء الاصطناعي وتعلم الآلة عبر مجموعة واسعة من التجارب السريرية والمالية والتشغيلية. من خلال القدرات الجديدة التي تم إنشاؤها بواسطة كل من النظام المتكامل لتعلم الآلة في Cerner ومعالجة اللغات الطبيعية من Cerner، والتي تم تمكينها من خلال تعاوننا مع AWS، فإننا نعمل على تسريع الابتكار القابل للتوسُّع لجميع عملائنا. تُعد Amazon SageMaker AI مكونًا مهمًا لتمكين Cerner من تحقيق هدفنا المتمثل في تقديم قيمة لعملائنا من خلال الذكاء الاصطناعي/تعلم الآلة (AI/ML). بالإضافة إلى ذلك، توفر Amazon SageMaker AI لشركة Cerner القدرة على الاستفادة من أطر العمل المختلفة مثل TensorFlow وPyTorch بالإضافة إلى القدرة على التكامل مع خدمات AWS المختلفة."

Sasanka Are, PhD, Vice President - Cerner

تعد شركة Dow Jones & Co. مزودًا عالميًا للأخبار والمعلومات التجارية، حيث تقدم المحتوى للمستهلكين والمنظمات عبر الصحف والمواقع الإلكترونية وتطبيقات الأجهزة المحمولة والفيديو والنشرات الإخبارية والمجلات وقواعد البيانات الخاصة والمؤتمرات والراديو.

"مع استمرار Dow Jones في التركيز على دمج تعلم الآلة في منتجاتنا وخدماتنا، كانت AWS شريكًا رائعًا. قبل فعالية هاكاثون الاخيرة الخاصة بتعلم الآلة، قدم فريق AWS تدريبًا للمشاركين على Amazon SageMaker AI وAmazon Rekognition، ووفّر الدعم لجميع الفرق خلال يوم الفعالية. وكانت النتيجة أن فرقنا طورت بعض الأفكار الرائعة حول كيفية تطبيق تعلم الآلة، والتي سنواصل تطوير الكثير منها على AWS. لقد حقق هذا الحدث نجاحًا كبيرًا، ومثالاً لما يمكن أن تبدو عليه الشراكة الرائعة."

Ramin Beheshti, Group Chief Product and Technology Officer - Dow Jones

Advanced Microgrid Solutions (AMS) هي شركة لخدمات ومنصات الطاقة تهدف إلى تسريع التحول العالمي إلى اقتصاد الطاقة النظيفة من خلال تسهيل نشر أصول الطاقة النظيفة وتحسينها. تستخدم شركة NEM سوقًا فورية حيث تقدم جميع الأطراف عروضًا لاستهلاك أو تزويد الطاقة كل خمس دقائق. يتطلب ذلك التنبؤ بالطلب وتقديم عروض ديناميكية خلال دقائق، مع معالجة كميات هائلة من بيانات السوق. لحل هذا التحدي، أنشأت AMS نموذج تعلم عميق باستخدام TensorFlow على Amazon SageMaker AI. لقد استفادوا من الضبط التلقائي لنموذج Amazon SageMaker AI لاكتشاف أفضل معايير النموذج وبناء نموذجهم في غضون أسابيع فقط. أظهر نموذجهم تحسنًا في توقعات السوق عبر جميع منتجات الطاقة في قياس الطاقة الصافية، وهو الأمر الذي سيترجم إلى كفاءات كبيرة.

تقوم ProQuest برعاية أكبر مجموعة في العالم من المجلات والكتب الإلكترونية والمصادر الأولية والأطروحات والأخبار والفيديو - وتبني حلول سير عمل قوية لمساعدة المكتبات في الحصول على مجموعاتها وتنميتها. تُستخدم منتجات وخدمات ProQuest في المكتبات الأكاديمية ورياض الأطفال وحتى الصف الثاني عشر والعامة والشركات والحكومية في 150 بلدًا.

"نحن نتعاون مع AWS لبناء تجربة مستخدم فيديو أكثر جاذبية لرواد المكتبة، مما يمكّن عمليات البحث لديهم من عرض نتائج أكثر صلة. من خلال العمل مع مختبر الحلول AWS ML Solutions Lab، قمنا باختبار خوارزميات مختلفة باستخدام Amazon SageMaker AI، وقمنا بضبط النماذج باستخدام تحسين المعلمات الفائقة، ونشر نماذج تعلم الآلة (ML) تلقائيًا. نحن سعداء بالنتائج حتى الآن وندرس حاليًا تقنيات تعلم الآلة (ML) لمنتجات أخرى."

Allan Lu, Vice President of Research Tools, Services & Platforms - ProQuest

Celgene هي شركة أدوية بيولوجية عالمية ملتزمة بتحسين حياة المرضى في جميع أنحاء العالم. ينصب التركيز على اكتشاف وتطوير وتسويق العلاجات المبتكرة لمرضى السرطان والالتهابات المناعية وغيرها من الاحتياجات الطبية التي لم تُلبَّى.

"في Celgene، تتمثل رؤيتنا في تقديم علاجات مبتكرة تُحدث تغيرًا جذريًا في حياة المرضى في جميع أنحاء العالم وتحسين حياتهم. باستخدام Amazon SageMaker AI وApache MXNet، أصبح بناء نماذج التعلم العميق وتدريبها لتطوير الحلول والعمليات أسرع وأسهل من ذي قبل، ونحن قادرون على زيادة جهودنا بسهولة لاكتشاف العلاجات وإنتاج الأدوية. أدى استخدام SageMaker AI ومثيلات Amazon EC2 P3 إلى تسريع وقت تدريب النماذج وزيادة الإنتاجية، مما أتاح لفريقنا التركيز على الأبحاث والاكتشافات الرائدة."

Lance Smith, Director - Celgene

Atlas Van Lines هي ثاني أكبر خط شاحنات في أمريكا الشمالية، تشكلت على يد مجموعة من رواد الأعمال في صناعة النقل والتخزين في عام 1948. تم تطوير المنظمة بهدف واحد هو الانتقال من الساحل إلى الساحل مع الالتزام بالقاعدة الذهبية للأعمال. بالإضافة إلى البصمة القوية، تفتخر Atlas بمتطلبات جودة الوكيل الصارمة التي تفوق متطلبات الصناعة.

خلال مواسم الانتقال القصوى، تتعاون شبكة وكلاء Atlas عبر الأسواق لتلبية طلب العملاء. في السابق، كانت عملية التنبؤ بالقدرة تتم بشكل يدوي وتتطلب الكثير من الجهد. وكان الاعتماد الأكبر على خبرة وحدس الأفراد ذوي الخبرة الطويلة في المجال. كان لدى Atlas البيانات التاريخية من عام 2011 فصاعدًا وكانت ترغب في إيجاد طريقة لتعديل السعة والسعر ديناميكيًا بناءً على متطلبات السوق المستقبلية.

تعاونت Atlas مع Pariveda Solutions، وهي شريك استشاري رئيسي في شبكة شركاء AWS‏ (APN)، للمساعدة في فتح آفاق الإدارة الاستباقية للسعة والتسعير في قطاع الانتقال لمسافات طويلة. قامت شركة Pariveda بإعداد البيانات وتطوير وتقييم نموذج تعلّم الآلة وضبط الأداء. لقد استخدموا Amazon SageMaker AI لتدريب النموذج وتحسينه، ثم قاموا بتصديره باستخدام الطبيعة المعيارية لـ Amazon SageMaker AI للتشغيل باستخدام Amazon EC2.

Edmunds.com هو موقع إلكتروني للتسوق لشراء السيارات يقدم معلومات مُفصَّلة ومُحدَّثة باستمرار حول المركبات إلى 20 مليون زائر شهريًا.

"لدينا مبادرة استراتيجية تهدف إلى تمكين جميع مهندسينا من استخدام تعلم الآلة. وتُعد خدمة Amazon SageMaker AI عنصرًا أساسيًا في تحقيق هذا الهدف، حيث تُسهّل على المهندسين بناء نماذج وخوارزميات تعلم الآلة وتدريبها ونشرها على نطاق واسع. نحن متحمسون لرؤية كيف ستستخدم Edmunds خدمة SageMaker AI لابتكار حلول جديدة عبر المؤسسة لخدمة عملائنا."

Stephen Felisan, Chief Information Officer - Edmunds.com

Hotels.com هي علامة تجارية عالمية رائدة في مجال الإقامة والفنادق تدير 90 موقعًا إلكترونيًا مترجمًا إلى 41 لغة.

"نهتم دائمًا في Hotels.com بطرق التحرك بشكل أسرع للاعتماد على أحدث التقنيات والاستمرار في الابتكار. باستخدام Amazon SageMaker AI، تسمح ميزات التدريب الموزع والحلول الحسابية المحسنة والمعلمات الفائقة المدمجة لفريقي بأن يبني سريعًا نماذج أكثر دقة على مجموعات بياناتنا الأكبر مما يقلل وقتًا كبيرًا نستغرقه في الانتقال بنموذج ما إلى مرحلة الإنتاج. الأمر لا يتعدى كونه مجرد استدعاء لواجهة برمجة تطبيقات (API). ستُقلل Amazon SageMaker AI كثيرًا من تعقيد تعلم الآلة مما يتيح لنا أن نبتكر تجربة أفضل لعملائنا بسرعة."

Matt Fryer, VP and Chief Data Science Officer - Hotels.com and Expedia Affiliate Network

تعتبر Formosa Plastics Corporation شركة مزدهرة ومتكاملة رأسيًا في مجال توريد الراتنجات البلاستيكية والمواد البتروكيماوية. تقدم Formosa Plastics مجموعة متكاملة من البولي فينيل كلوريد والبولي إيثيلين وراتنجات البولي بروبيلين والصودا الكاوية والبتروكيماويات الأخرى التي توفر الاتساق والأداء والجودة التي يطلبها العملاء.

"Formosa Plastics هي واحدة من أفضل شركات البتروكيماويات في تايوان وتُصنَّف بين الشركات الرائدة المُصنِّعة للبلاستيك على مستوى العالم. قررنا استكشاف تعلّم الآلة لتمكين اكتشاف العيوب بدقة أكبر وتقليل تكاليف العمالة اليدوية، ولجأنا إلى AWS باعتبارها مزود السحابة المفضل لدينا لمساعدتنا على القيام بذلك. تعاون معنا مختبر الحلول AWS ML Solutions Lab خلال جميع خطوات العملية، بدءًا من ورشة عمل الاكتشاف لتحديد حالات الاستخدام، مرورًا ببناء نماذج تعلم الآلة المناسبة واختيارها، وصولاً إلى النشر الفعلي. بفضل Amazon SageMaker AI، قلل حل تعلم الآلة الوقت الذي يقضيه موظفونا في إجراء الفحص اليدوي إلى النصف. بمساعدة مختبر الحلول (Solutions Lab)، يمكننا الآن تحسين نموذج SageMaker AI بأنفسنا لمواكبة تغيرات الظروف."

Bill Lee, Assistant Vice President - Formosa Plastics Corporation

تُعد Voodoo شركة رائدة في مجال ألعاب الأجهزة المحمولة، حيث تجاوز عدد مرات تحميل ألعابها 2 مليار تحميل، وتضم أكثر من 400 مليون مستخدم نشط شهريًا. إنهم يديرون منصة الإعلان الخاصة بهم ويستخدمون تعلم الآلة لتحسين دقة وجودة عروض الأسعار التي يتم عرضها لمستخدميهم.

"في Voodoo، نحرص على الحفاظ على تفاعل قاعدة مستخدمينا المتزايدة التي تضم ملايين اللاعبين. ومن خلال توحيد أعباء عمل تعلم الآلة والذكاء الاصطناعي لدينا على AWS، أصبح بإمكاننا التكرار بالسرعة والنطاق المطلوبَين لمواصلة نمو أعمالنا وتعزيز تفاعل اللاعبين. باستخدام Amazon SageMaker AI، يمكننا تحديد الإعلان المناسب لعرضه على اللاعبين في الوقت الفعلي، واستدعاء نقطة النهاية أكثر من 100 مليون مرة يوميًا من قبل أكثر من 30 مليون مستخدم، أي ما يقارب مليار تنبؤ يوميًا. وبفضل تقنيات تعلم الآلة من AWS، تمكنا من وضع نموذج دقيق في الإنتاج في أقل من أسبوع، بدعم من فريق صغير، وتمكنا من مواصلة البناء عليه مع نمو فريقنا وأعمالنا."

Aymeric Roffé, Chief Technology Officer – Voodoo

شركة Regit، التي كانت تُعرف سابقًا باسم Motoring.co.uk، هي شركة لتكنولوجيا السيارات وخدمة الإنترنت الرائدة في المملكة المتحدة لسائقي السيارات. إنهم يقدمون خدمات إدارة السيارات الرقمية استنادًا إلى لوحة تسجيل السيارة، ويزودون السائقين بتذكيرات إعلامية مثل ضريبة وزارة النقل (MOT) والتأمين والاستدعاءات.

تعاونت Regit مع Peak Business Insight، وهو شريك استشاري متقدم في شبكة شركاء AWS‏ (APN)، لتطبيق "نماذج تعلم الآلة التصنيفية" التي تعالج البيانات الفئوية والمتغيرة في الوقت ذاته بهدف التنبؤ باحتمالية تغيير المستخدمين لسياراتهم، ما يؤدي إلى إتمام عمليات بيع لصالح Regit.

استخدمت Peak خدمات AWS مثل Amazon SageMaker AI للاستيعاب والنمذجة وإخراج البيانات في الوقت الفعلي. تتعامل Amazon SageMaker AI مع 5000 طلب API يوميًا لصالح Regit، مع التوسع والتكيف بسلاسة وفقًا لمتطلبات البيانات ذات الصلة، وإدارة تسليم نتائج تصنيف العملاء المحتملين. وفي الوقت نفسه، تعمل Amazon Redshift ومثيلات Amazon Elastic Compute Cloud‏ (Amazon EC2) بكفاءة وبشكل مستمر على تحسين أداء النموذج والنتائج. بفضل التعاون مع Peak، تمكنت Regit من التنبؤ بأي من مستخدميها البالغ عددهم 2.5 مليون مستخدم سيقومون بتغيير سياراتهم ومتى سيحدث ذلك. وهذا يعني أنه يمكنهم خدمة العملاء بطريقة أكثر تخصيصًا واستهدافًا، مما يزيد من إيرادات مركز الاتصال بأكثر من الربع.

Move, Inc. هي شبكة تشمل realtor.com® وDoorsteps® وMoving.com™، وهي توفر المعلومات العقارية والأدوات والخبرة المهنية عبر مجموعة من مواقع الويب وتجارب الهاتف المحمول للمستهلكين والمتخصصين في مجال العقارات.

"نؤمن بأن Amazon SageMaker AI يمثل إضافة محورية لمجموعة أدوات realtor.com® بينما ندعم المستهلكين في رحلة امتلاكهم للمنازل. أصبحت مهام سير عمل تعلم الآلة، التي كانت تستغرق وقتًا طويلاً تقليديًا – مثل تدريب النماذج وتحسينها – أكثر كفاءة، ويمكن تنفيذها من قبل عدد أكبر من المطورين، مما يمكّن علماء البيانات والمحللين لدينا من التركيز على تقديم تجربة غنية للمستخدمين."

Vineet Singh, Chief Data Officer and Senior Vice President - Move, Inc.

تساعد خوارزميات Grammarly يوميًا ملايين الأشخاص على التواصل بشكل أكثر فعالية من خلال تقديم المساعدة في الكتابة على منصات متعددة عبر الأجهزة، من خلال مزيج من معالجة اللغة الطبيعية وتقنيات تعلم الآلة المتقدمة.

"تتيح لنا Amazon SageMaker AI تطوير نماذج TensorFlow في بيئة تدريب موزعة. تتكامل عمليات سير العمل لدينا أيضًا مع Amazon EMR للمعالجة المسبقة، حتى نتمكن من الحصول على بياناتنا من Amazon S3، وتصفيتها باستخدام EMR وSpark من دفتر ملاحظات Jupyter، ثم التدريب على Amazon SageMaker AI باستخدام نفس دفتر الملاحظات. تتميز SageMaker AI أيضًا بالمرونة لمتطلبات الإنتاج المختلفة لدينا. يمكننا تشغيل الاستدلالات على خدمة SageMaker AI نفسها، أو إذا كنا بحاجة إلى النموذج فقط، فإننا نقوم بتنزيله من S3 ونقوم بتشغيل استنتاجات تطبيقات الأجهزة المحمولة الخاصة بنا لعملاء iOS وAndroid."

Stanislav Levental, Technical Lead - Grammarly

يقع مقر Slice Labs في نيويورك ولديها عمليات في جميع أنحاء العالم، وهي تعد أول مزود لمنصات التأمين السحابية عند الطلب. تخدم Slice سوق B2C (الشركات للعملاء) بعروض تأمين فردية عند الطلب، بالإضافة إلى سوق B2B (الشركات للشركات) من خلال تمكين الشركات من بناء منتجات تأمين رقمية سهلة الاستخدام.

"في Slice، نحن على دراية تامة بالطبيعة المتغيرة باستمرار لاحتياجات العملاء في مجال التأمين، وقد اخترنا AWS كمنصتنا السحابية الأساسية نظرًا لتنوع خدماتها ومرونتها ومكانتها القوية بين شركات التأمين. نستخدم مجموعة واسعة من خدمات AWS لدعم أعمالنا، بما في ذلك خدمات تعلم الآلة من AWS للمساعدة في ربط العملاء بخيارات التأمين الأنسب لهم. ومن خلال تعاوننا مع شركات التأمين والتكنولوجيا التي تسعى إلى بناء منتجات تأمينية ذكية وإطلاقها، لاحظنا وفورات كبيرة في التكاليف وزيادة في الإنتاجية مع AWS. على سبيل المثال، قلّصنا وقت الشراء بنسبة 98%، من 47 يومًا إلى يوم واحد فقط. ونحن متحمسون لمواصلة التوسع جغرافيًا والتوسع في استخدامنا السحابي بالاعتماد على AWS."

Philippe Lafreniere, Chief Growth Officer - Slice Labs

باعتبار شركة DigitalGlobe هي الرائدة عالميًا في تقديم صور الكرة الأرضية عالية الوضوح وبياناتها وتحليلها، فإنها تتعامل مع كميات ضخمة من البيانات كل يوم.

"باعتبار شركة DigitalGlobe هي الرائدة عالميًا في تقديم صور الكرة الأرضية عالية الوضوح وبياناتها وتحليلها، فإنها تتعامل مع كميات ضخمة من البيانات كل يوم. تُسهّل DigitalGlobe على المستخدمين إمكانية البحث والوصول وتنفيذ عمليات الحوسبة على مكتبة الصور الخاصة بها التي تبلغ سعتها 100 بيتابايت والمخزّنة في سحابة AWS، لتطبيق تقنيات التعلم العميق على الصور الفضائية. نخطط لاستخدام Amazon SageMaker AI لتدريب النماذج على مجموعات بيانات صور مراقبة الأرض التي تقدر بالبيتابايت، وذلك باستخدام دفاتر سجلات Jupyter المستضافة، ليتمكن مستخدمو منصة DigitalGlobe للبيانات الجغرافية المكانية الضخمة (GBDX) من الضغط على زر واحد لإنشاء نموذج ونشره ضمن بيئة موزعة وقابلة للتوسعة."

Dr. Walter Scott, Chief Technology Officer - Maxar Technologies and founder of DigitalGlobe

تتكامل منتجات Intercom التي تركز على المراسلة أولاً بسلاسة مع مواقع الويب وتطبيقات الأجهزة المحمولة للشركات الأخرى لمساعدتها على اكتساب العملاء وإشراكهم ودعمهم. تأسست الشركة في عام 2011، ولديها مكاتب في سان فرانسيسكو ولندن وشيكاغو ودبلن.

"في Intercom، لدينا فريق متنامٍ من علماء البيانات والمهندسين المعنيين بالبيانات، وغالبًا ما نرغب في التكرار السريع واستكشاف حلول جديدة للمنتجات المعتمدة على البيانات. قبل استخدام Amazon SageMaker AI، جربنا العديد من الخيارات المختلفة لبناء هذه المنتجات، لكن كل منها واجه تحديات – مثل صعوبة مشاركة الأكواد، وبطء اختبار البيانات الكبيرة، وصعوبة توفير الأجهزة وإدارتها بأنفسنا. لكن مع قدوم SageMaker AI، تمكنا من تجاوز كل تلك المشكلات. نستخدمه بشكل خاص لتطوير الخوارزميات لمنصات البحث وميزات تعلم الآلة، ونجد أن دفاتر ملاحظات Jupyter المستضافة ضمن SageMaker AI تتيح لنا بناء النماذج بسرعة وإجراء التكرارات بكفاءة. والأهم أن SageMaker AI كخدمة مُدارة تُمكّن فريقي من التركيز على المهام الأساسية. تُعد Amazon SageMaker AI خدمة بالغة القيمة بالنسبة لنا في Intercom، ونحن متحمسون للاستمرار في استخدامها بشكل أوسع مع نمو شركتنا."

Kevin McNally, Senior Data Scientist Machine Learning - Intercom

تُعد Kinect Energy Group شركة فرعية تابعة لـ World Fuel Services، وهي شركة مدرجة ضمن قائمة Fortune 100، وتقدم خدمات استشارية في شراء الطاقة، وحلول تنفيذ الإمداد، وإدارة المعاملات والمدفوعات للعملاء من القطاعات التجارية والصناعية، وخصوصًا في صناعات الطيران والنقل البحري والبري. Kinect Energy هي مزود رئيسي للطاقة في الشمال الأوروبي وتعتمد على موارد الطاقة الطبيعية التي يوفرها المناخ العاصف في المنطقة.

شهدت الشركة تقدمًا كبيرًا مؤخرًا بفضل إدخال عدد من خدمات الذكاء الاصطناعي وتعلم الآلة (AI / ML) من AWS. بفضل Amazon SageMaker AI، أصبحت الشركة قادرة على التنبؤ بالاتجاهات المناخية القادمة وبالتالي بأسعار الكهرباء للأشهر المقبلة، مما يمكّنها من تنفيذ عمليات تداول طويلة الأجل وغير مسبوقة للطاقة، ويُعد ذلك نهجًا استباقيًا رائدًا في هذا المجال.

"بدأنا استخدام Amazon SageMaker AI وبمساعدة فريق حلول AWS ML وفريق هندسة الحلول، اكتسبنا زخمًا مع فاعلية Innovation Day وكان التأثير هائلاً منذ ذلك الحين. لقد طورنا فريق الذكاء الاصطناعي الخاص بنا عدة مرات للاستفادة الكاملة من الميزة الجديدة التي توفرها تقنيات AWS. نحن نحقق أرباحًا بطرق جديدة من خلال تحديد الأسعار بناءً على ظروف الطقس التي لم تحدث بعد. اعتمدنا بالكامل على AWS، بما في ذلك تخزين بياناتنا في S3، واستخدام Lambda للتنفيذ، وStep Functions، بالإضافة إلى استخدام SageMaker AI. وبفضل التعاون المثمر مع مختبر الحلول AWS ML Solutions Lab، أصبحنا قادرين على العمل باستقلالية، وتحديث النماذج التي أنشأناها ومواصلة تحسين أعمالنا."

Andrew Stypa, Lead Business Analyst - Kinect Energy Group

Frame.io هي منصتك المركزية لإدارة كل ما يخص الفيديو. باعتبارها الرائدة في مراجعة الفيديو والتعاون، ومع أكثر من 700 ألف عميل حول العالم، تُعد Frame.io المنصة التي يلجأ إليها محترفو الفيديو من مختلف المجالات – من المهنيين المستقلين إلى المؤسسات – لمراجعة الفيديوهات والموافقة عليها وتسليمها.

"بصفتنا منصة سحابية لمراجعة الفيديو والتعاون متاحة للمستخدمين حول العالم، فمن الضروري أن نوفر أعلى مستويات الأمان لعملائنا. وبفضل نموذج مُدمج لاكتشاف الحالات غير الطبيعية في Amazon SageMaker AI، أصبح بإمكاننا الاستفادة من تعلم الآلة لاكتشاف ومنع أي طلبات IP غير مرغوب فيها بسرعة، لضمان بقاء الوسائط الخاصة بعملائنا آمنة ومحميّة في جميع الأوقات. لقد كانت عملية بدء استخدام Amazon SageMaker AI، والحفاظ عليه، وتوسيعه على مستوى منصتنا، وضبطه ليتماشى مع سير العمل لدينا بسيطة وسلسة. وبمساعدة دفاتر ملاحظات Jupyter في SageMaker AI، تمكنا من تجربة نماذج مختلفة لتحسين الدقة والاسترجاع، مما جعل Frame.io أكثر أمانًا."

Abhinav Srivastava, VP and Head of Information Security - Frame.io

Cookpad هي أكبر خدمة لمشاركة الوصفات في اليابان، مع حوالي 60 مليون مستخدم شهريًا في اليابان وحوالي 90 مليون مستخدم شهريًا على مستوى العالم.

"مع الطلب المتزايد على الاستخدام الأسهل لخدمة وصفات Cookpad، سيقوم علماء البيانات لدينا ببناء المزيد من نماذج تعلم الآلة من أجل تحسين تجربة المستخدم. في محاولة لتقليل عدد تكرارات مهام التدريب للحصول على أفضل أداء، أدركنا وجود تحدٍ كبير في نشر نقاط نهاية استدلال تعلم الآلة، مما أدى إلى إبطاء عمليات التطوير لدينا. لأتمتة عملية نشر نماذج تعلم الآلة بحيث يتمكن علماء البيانات من نشر النماذج بأنفسهم، استخدمنا واجهات برمجة التطبيقات (APIs) الخاصة بالاستدلال في Amazon SageMaker AI، وأثبتنا أن خدمة Amazon SageMaker AI هذه تُغني عن الحاجة إلى مهندسي التطبيقات لنشر نماذج تعلم الآلة. نتوقع أتمتة هذه العملية باستخدام Amazon SageMaker AI في مرحلة الإنتاج." 

Yoichiro Someya, Research Engineer - Cookpad

Fabulyst هي شركة ناشئة مقرها الهند تركز على تجارة الأزياء التي تتيح تجارب أكثر إيجابية وشخصية للمتسوقين وتحويلات أفضل لتجار التجزئة من خلال الذكاء الاصطناعي.

"تُسهِّل Fabulyst على المتسوقين العثور على المشتريات المثالية من خلال مطابقة عناصر المخزون مع استفسارات المستخدمين المحددة والشخصية (على سبيل المثال، ما يناسب نوع أجسامهم أو لون بشراتهم). في الوقت ذاته، نساعد تجار التجزئة على تحقيق معدلات تحويل أكثر فعالية من خلال استخدام الرؤية الحاسوبية لتوقع الاتجاهات الشهرية استنادًا إلى بيانات من وسائل التواصل الاجتماعي ومحركات البحث والمدونات، وغيرها، مع تمييز هذه الاتجاهات تلقائيًا داخل كتالوجات عملائنا من قطاع التجزئة. تستخدم Fabulyst AWS لتقديم حلولنا الأفضل في فئتها، بما في ذلك Amazon SageMaker AI للتعامل مع العديد من التوقعات التي تدعم عروضنا. بالاعتماد على SageMaker AI وخدمات AWS الأخرى، يمكننا ضمان القيمة لمستخدمينا - مثل زيادة الإيرادات الإضافية لتجار التجزئة بنسبة 10% - ولدينا ثقة في قدرتنا على تقديم نتائج فائقة في كل مرة."

Komal Prajapati, Founder & CEO - Fabulyst

تُعد Terragon Group شركة متخصصة في البيانات وتقنيات التسويق، وتهدف إلى تمكين الشركات من تحقيق القيمة من خلال توظيف التحليلات للوصول إلى جمهور الهاتف المحمول في إفريقيا. على مر السنين، أصبحت Terragon Group رائدة في مجال الهواتف المحمولة التي تخدم العلامات التجارية المحلية والمتعددة الجنسيات، والتي تمتد عبر مناطق جغرافية متعددة. يتطلب إيصال الرسالة الإعلانية المناسبة للمستخدم المناسب في الوقت المناسب تخصيصًا دقيقًا، وتستخدم Terragon البيانات والتحليلات والذكاء الاصطناعي لمساعدة الشركات على الوصول إلى الجمهور المناسب في إفريقيا.

"توفر Amazon SageMaker AI لنا سير عمل متكامل لتعلم الآلة دون الحاجة إلى إدارة البنية التحتية الأساسية. وتمكّن فرق علم البيانات وتعلم الآلة لدينا من الانتقال بسرعة من استكشاف البيانات إلى تدريب النماذج ووضعها في الإنتاج خلال بضع ساعات فقط. ولشركة تعمل في إفريقيا وتواجه ندرة في المواهب الهندسية، لم يكن من الممكن بناء ونشر نماذج تعلم الآلة لحل مشكلات واقعية في أقل من 90 يومًا إلا من خلال هذه الخدمة."

Deji Balogun, CTO - Terragon Group

SmartNews هو أكبر تطبيق إخباري في اليابان، حيث يقدم معلومات عالية الجودة لأكثر من 11 مليون مستخدم نشط شهريًا في العالم. باستخدام تقنيات تعلّم الآلة، يساعد SmartNews المستخدمين في اختيار التقارير الإخبارية الأكثر صلة وإثارة للاهتمام. تقوم خوارزميات تعلّم الآلة في SmartNews بتقييم ملايين المقالات والإشارات الاجتماعية والتفاعلات البشرية لتقديم أفضل 0.01% من الأخبار الأكثر أهمية في الوقت الحالي.

"تتمثل مهمتنا في اكتشاف القصص ذات الجودة العالية وتقديمها للعالم، وقد تمكنا من تحقيق ذلك بدعم من AWS، لا سيما Amazon SageMaker AI، الذي ساعدنا في تسريع دورة التطوير لخدمة عملائنا. لقد ساعدنا استخدام Amazon SageMaker AI بشكل كبير في أساليب تنسيق الأخبار، بما في ذلك تصنيف المقالات باستخدام التعلم العميق، والتنبؤ بالقيمة العمرية (Life Time Value)، والنمذجة المركبة للنصوص والصور. نتطلع إلى تحقيق إنجازات أكبر باستخدام Amazon SageMaker AI وغيره من حلول الذكاء الاصطناعي من AWS."

Kaisei Hamamoto, Co-Founder and Co-CEO - SmartNews, Inc.

Pioneer هي شركة متعددة الجنسيات متخصصة في الترفيه الرقمي، بما في ذلك إلكترونيات السيارات وخدمات التنقل. تستند Pioneer إلى فلسفتها المؤسسية "تحريك القلب ولمس الروح"، وتقدّم لعملائها منتجات وخدمات تساعدهم في حياتهم اليومية.

"من خلال الاستفادة من Amazon SageMaker AI وميزات تدريب النماذج مثل الضبط التلقائي للنماذج (Automatic Model Tuning)، تمكنا من تطوير نماذج تعلم آلة دقيقة للغاية، مع الاستمرار في ضمان خصوصية عملائنا. كما نتطلع إلى الاستفادة من AWS Marketplace لتعلم الآلة سواء على مستوى الخوارزميات أو النماذج المدربة مسبقًا لبناء منصة لتحقيق الدخل."

Kazuhiro Miyamoto, General Manager Information Service Engineering Department - Pioneer

تدير Dely أفضل خدمة فيديو للطبخ في اليابان، وهي Kurashiru. إنها تسعى كل يوم لتقديم خدمات الطهي التي تُحدِث ثأثيرًا في العالم. تساعد Kurashiru العديد من الأشخاص يوميًا من خلال تقديم مجموعة متنوعة من وصفات الطعام الشهية التي تضفي لونًا خاصًا على مائدة الطعام عبر مقاطع فيديو للطهي. يشاهد ويستمع عشرات الملايين من الأشخاص إلى خدمة الوصفات الشهرية في اليابان.

"تجاوز عدد مرات تحميل تطبيقنا على الأجهزة المحمولة 15 مليون مرة، وذلك خلال عامين ونصف فقط منذ إطلاق خدمة Kurashiru الشهيرة. ونعتقد أن تقديم المحتوى المناسب للمستخدمين في الوقت المناسب يتطلب تقنيات متقدمة مثل تعلم الآلة. ولتحقيق ذلك، استخدمنا Amazon SageMaker AI، الذي ساعدنا في بناء نماذج تعلم الآلة ونشرها في بيئة الإنتاج خلال 90 يومًا. كما أننا حسّنّا معدل النقر بنسبة 15% من خلال تخصيص المحتوى."

Masato Otake, CTO - Dely, Inc.

Ayla Networks هي شركة برمجيات لمنصة إنترنت الأشياء (IoT) كخدمة مقرها سان فرانسيسكو تعمل على تطوير حلول لكل من الأسواق الاستهلاكية والتجارية.

"في Ayla Networks، نجد أن عملاءنا يعملون بشكل أساسي على البنية التحتية لـ AWS نظرًا لقابليتها للتوسُّع وموثوقيتها المثبتة. على وجه الخصوص، نرى أن الشركات المصنعة التجارية تستفيد من Amazon SageMaker AI لتسخير بيانات أداء المعدات من Ayla Cloud. من خلال Amazon SageMaker AI ومنتجنا Ayla IQ، يمكن للشركات اكتشاف الرؤى والشذوذات التي تسهم في تحسين جودة المنتجات والخدمات، بل ويمكنها حتى التنبؤ بالأعطال قبل وقوعها ومعالجتها مسبقًا. يضمن هذا الحل استمرارية عمل عملائنا بسلاسة، مما يتيح لأعمالهم مواصلة النمو والإنتاج والتوسع دون قلق."

Prashanth Shetty, VP of Global Marketing - Ayla Networks

FreakOut هي شركة تقنية رائدة تركز على الإعلانات الرقمية. تقدم الشركة منتجات لمعالجة معاملات مخزون الإعلانات في الوقت الفعلي ضمن مجال الإعلانات عبر الإنترنت، بالإضافة إلى تحليل بيانات تصفح الويب. وتستفيد FreakOut من تعلم الآلة في التنبؤ بمعدل النقر (CTR) ومعدل التحويل (CVR).

"نحن في طور نقل بيئات تدريب تعلم الآلة من البنية التحتية المحلية إلى Amazon SageMaker AI. وتوفر لنا Amazon SageMaker AI حلاً أكثر قابلية للتوسع ليتناسب مع احتياجات أعمالنا. ومن خلال ميزة الضبط التلقائي للنماذج (Automatic Model Tuning) في Amazon SageMaker AI، يمكننا تحسين وتقدير نماذج دقيقة للغاية لتلبية متطلباتنا."

Jiro Nishiguchi, CTO - FreakOut

في Wag!، نحتاج إلى تلبية احتياجات العرض والطلب في سوق مزدوج الأطراف. وقد رأينا فرصة لاستخدام تعلم الآلة – المدعوم من AWS – للتنبؤ بطلبات العملاء على خدمات تمشية الكلاب. ومن خلال توحيد تطبيقات تعلم الآلة لدينا على AWS، أصبح بإمكاننا مواكبة النمو المستمر في احتياجات أعمالنا بوتيرة ونطاق متسارعين، رغم محدودية الموارد الهندسية. باستخدام Amazon SageMaker AI، أصبح بإمكاننا تسريع تجارب تعلم الآلة وضغط وقت التدريب الحاسوبي من 45 يومًا إلى 3 أيام فقط."

Dave Bullock, VP of Technology of Engineering and Operations - Wag Labs Inc.

تُعد Infoblox الشركة الرائدة في خدمات الشبكات الآمنة المُدارة عبر السحابة، والمصممة لإدارة وتأمين البنية الأساسية للشبكات، أي خدمات DNS وDHCP وإدارة عناوين IP (المعروفة مجتمعة باسم DDI).

في Infoblox، قمنا ببناء خدمة تحليلات أمنية لنظام أسماء النطاقات (DNS) باستخدام Amazon SageMaker AI، تكتشف الجهات الخبيثة التي تُنشِئ أسماء نطاقات متشابهة بصريًا (homographs) لانتحال هوية نطاقات ذات قيمة عالية واستخدامها لنشر البرامج الضارة، أو سرقة معلومات المستخدمين، أو الإضرار بسمعة العلامة التجارية. تُعد AWS المعيار المؤسسي لدينا في مجال الحوسبة السحابية، ونستفيد من الميزات المتعددة التي يوفرها SageMaker AI لتسريع تطوير نماذج تعلم الآلة. باستخدام قدرات الضبط التلقائي للنماذج (Automatic Model Tuning) من SageMaker، وسّعنا نطاق التجريب وحسّنّا الدقة إلى 96.9%. بفضل SageMaker AI، تمكن كاشف أسماء النطاقات المتشابهة (IDN homographs) لدينا – كجزء من خدمة تحليلات الأمان – من التعرف على أكثر من 60 مليون عملية تصفح لنطاقات متشابهة، ولا يزال يكتشف ملايين أخرى كل شهر، مما يساعد عملاءنا على رصد إساءة استخدام العلامات التجارية بشكل أسرع."

Femi Olumofin, Analytics Architect - Infoblox

NerdWallet هي شركة متخصصة في التمويل الشخصي مقرها سان فرانسيسكو، وهي تقدم مراجعات ومقارنات للمنتجات المالية، بما في ذلك بطاقات الائتمان، والخدمات المصرفية، والاستثمار، والقروض، والتأمين.

"تعتمد NerdWallet على علوم البيانات وتعلم الآلة لربط العملاء بالمنتجات المالية المخصصة. اخترنا توحيد أعباء عمل تعلم الآلة لدينا على AWS لأنه أتاح لنا تحديث ممارسات هندسة علم البيانات بسرعة، وإزالة العقبات، وتسريع وقت التسليم. باستخدام Amazon SageMaker AI، يمكن لعلماء البيانات لدينا تخصيص المزيد من الوقت للمهام الاستراتيجية والتركيز بشكل أكبر على ميزتنا التنافسية – وهي فهمنا العميق للمشكلات التي نعمل على حلها لمستخدمينا."

Ryan Kirkman, Senior Engineering Manager - NerdWallet

Splice عبارة عن منصة إبداعية للموسيقيين، بناها الموسيقيون، لتمكين الفنانين من إطلاق العنان لإمكاناتهم الإبداعية الحقيقية. تأسست الشركة الناشئة القائمة على الاشتراك في عام 2013 لإنشاء الموسيقى، وهي تخدم الآن أكثر من 3 ملايين موسيقي يستكشفون الكتالوج بحثًا عن الأصوات المثالية.

"مع توسّع كتالوج الأصوات والإعدادات المسبقة لدينا، تزداد صعوبة العثور على الصوت المناسب. ولهذا استثمرت Splice في بناء قدرات رائدة في البحث والاكتشاف. من خلال توحيد أعباء عمل تعلم الآلة لدينا على AWS، أنشأنا عرضًا جديدًا موجهًا للمستخدمين يهدف إلى تسهيل إيصال الموسيقيين بالأصوات التي يبحثون عنها أكثر من أي وقت مضى. منذ إطلاق Similer Sounds، شهدنا زيادة بنسبة 10 بالمائة تقريبًا في عمليات تحويل البحث. بالاعتماد على Amazon SageMaker AI، تمكنا من تطوير إضافة نوعية للبحث النصي، تتيح للمستخدمين استكشاف الكتالوج والتفاعل معه بطرق جديدة وغير مسبوقة."

Alejandro Koretzky, Head of Machine Learning & Principal Engineer - Splice

"قبل أن نبدأ رحلتنا مع تعلم الآلة، كانت قدرتنا تقتصر على البحث ضمن النصوص الموجودة في السيرة الذاتية (CV)، ولكن بسبب عدم توفر قدرات التعرف الضوئي على الحروف (OCR)، لم تكن جميع السير الذاتية قابلة للبحث. باستخدام Amazon Textract، يمكننا الآن استخراج المحتوى في كافة أنواع المستندات ولدينا الكفاءة لفهرسة جميع الملفات التي تم تحميلها في مجموعة Elasticsearch. الآن يمكن البحث عن كل مستند تم تحميله باستخدام Elasticsearch، مما يوفر سرعات بحث أسرع 10 مرات من بحث SQL الأصلي. بالإضافة إلى ذلك، قمنا بتطبيق توجيه الكلمات باستخدام Amazon SageMaker AI لإضافة كلمات رئيسية ذات صلة إلى استعلام البحث. تسمح لنا هذه العملية بتصنيف المرشحين وتأهيلهم بدقة وتساعدنا على التخلص من الأخطاء الناتجة عن المرادفات أو الكلمات البديلة المستخدمة في السير الذاتية. من خلال استخدام Amazon SageMaker AI وAmazon Textract، يمكننا تقديم مرشحين أكثر ذكاءً وجودة لمسؤولي التوظيف. يعد الأداء المستقر والتوافر العالمي والموثوقية عوامل نجاح رئيسية لـ Audeosoft. عندما اتخذنا قرار الشراكة مع AWS قبل ما يقارب ثماني سنوات، كنا نعلم أنهم سيكونون شريكًا ممتازًا للمستقبل. من خلال اختيار AWS كمزود السحابة المفضل لدينا، أصبح لدينا شريك يمتلك نفس الحافز والرغبة في الابتكار مثلنا لسنوات قادمة."

Marcel Schmidt, CTO - Audeosoft

تُعد Freshworks شركة يونيكورن أمريكية/هندية تعمل في مجال البرمجيات كخدمة (SaaS) وتقدم حلولها للشركات (B2B)، وتخدم الشركات الصغيرة والمتوسطة وشركات السوق المتوسطة حول العالم. تقدم Freshworks مجموعة من التطبيقات السهلة الاستخدام وذات الإمكانات القوية لسير عمل تفاعل العملاء وتفاعل الموظفين.

"في Freshworks، قمنا ببناء منتجنا الرائد في مجال الذكاء الاصطناعي وتعلم الآلة (AI/ML)، وهو Freddy AI Skills، وذلك باستخدام نماذج فائقة التخصيص تساعد الوكلاء في التعامل مع استفسارات المستخدمين وحل تذاكر الدعم بنجاح، وتمكّن فرق المبيعات والتسويق من تحديد الأولويات وإتمام الصفقات بسرعة، كما تساهم في تقليل خطر فقدان العملاء وتنمية الأعمال بالنسبة لمديري نجاح العملاء. لقد اخترنا توحيد أعباء عمل تعلم الآلة (ML) لدينا على AWS لأنه يمكننا بسهولة إنشاء نماذج تعلم الآلة المحسّنة لحالات استخدام عملائنا وتدريبها ونشرها. بفضل Amazon SageMaker AI، قمنا ببناء أكثر من 30000 نموذج لـ 11000 عميل مع تقليل وقت التدريب لهذه النماذج من 24 ساعة إلى أقل من 33 دقيقة. يتيح لنا مراقب النماذج SageMaker Model Monitor مراقبة تغيرات البيانات وإعادة تدريب النماذج عند الحاجة لضمان الحفاظ على مستوى الدقة. بدعم من Amazon SageMaker AI، يتطور Freddy AI Skills باستمرار من خلال الإجراءات الذكية وإحصاءات البيانات العميقة والمحادثات القائمة على النوايا."

Tejas Bhandarkar, Senior Director of Product - Freshworks Platform

تُعد Veolia Water Technologies شركة تصميم رائدة وتقدم حلولاً وخدمات تقنية متخصصة في مجال معالجة المياه ومياه الصرف الصحي.

"خلال ثمانية أسابيع فقط، عملنا مع AWS على تطوير نموذج أولي يتنبأ بموعد تنظيف أو استبدال أغشية فلاتر المياه في محطات التحلية لدينا. باستخدام Amazon SageMaker AI، قمنا ببناء نموذج تعلم الآلة (ML) الذي يتعلم من الأنماط السابقة ويتنبأ بالتطور المستقبلي لمؤشرات التلوث. من خلال توحيد أعباء عمل تعلم الآلة (ML) على AWS، تمكنا من تقليل التكاليف ومنع التعطل مع تحسين جودة المياه التي يتم إنتاجها. لم يكن من الممكن تحقيق هذه النتائج دون الخبرة التقنية والثقة والتفاني من كلا الفريقين لتحقيق هدف واحد: توفير مياه نظيفة وآمنة دون انقطاع."

Aude GIARD, Chief Digital Officer - Veolia Water Technologies

Sportradar هي مُزوِّد رائد للبيانات الرياضية، وهي تقدم البيانات الرياضية في الوقت الفعلي لأكثر من 65 بطولة في جميع أنحاء العالم. في إطار سعيها لتوليد رؤى متقدمة، تعاونت الشركة مع مختبر الحلول Amazon ML Solutions Lab لتطوير أداة للتنبؤ بأهداف كرة القدم.

تعمّدنا طرح أحد أصعب تحديات الرؤية الحاسوبية على فريق مختبر الحلول Amazon ML Solutions Lab لاختبار قدرات تعلم الآلة في AWS، وقد أبهرتني النتائج بالفعل. قام الفريق ببناء نموذج تعلم آلة (ML) للتنبؤ بأهداف كرة القدم قبل ثانيتين من اللعب المباشر باستخدام Amazon SageMaker AI. لقد فتح هذا النموذج وحده الأبواب أمام العديد من فرص العمل الجديدة بالنسبة لنا. نتطلع إلى توحيد أعباء عمل تعلم الآلة (ML) على AWS لأننا نستطيع بناء وتدريب ونشر نماذج تُعزِّز الابتكار في أعمالنا وتفي بمتطلبات التكلفة ووقت الاستجابة."  

Ben Burdsall, CTO - Sportradar

F. Hoffmann-La Roche AG (Roche) هي شركة سويسرية متعددة الجنسيات لعلوم الحياة مُتخصِّصة في الأدوية والتشخيص.

"أردت حث فرقي على تنظيم سير عمل تعلم الآلة في السحابة، لذا عملنا مع مختبر الحلول Machine Learning Solutions Lab على تقديم ورش عمل Amazon SageMaker AI وتوضيح كيف تُبسّط خدمة SageMaker AI عملية إنتاج تعلم الآلة لعلماء البيانات. منذ ورشة العمل، يتم تشغيل 80% من أعباء عمل تعلم الآلة لدينا على AWS، مما يساعد فرقنا على جلب نماذج تعلم الآلة (ML) إلى الإنتاج بشكل أسرع ثلاث مرات. تُمكّننا خدمة SageMaker AI ومجموعة خدمات AWS من استخدام موارد الحوسبة للتدريب عند الطلب دون التقيد بالتوافر المحلي."  

Gloria Macia, Data Scientist - Roche

"في Guru، نؤمن بأن المعرفة التي تحتاجها لإنجاز عملك يجب أن تصل إليك. نحن نقدم حلاً لإدارة المعرفة يُسجِّل أهم المعلومات لدى فريقك وينظمها في مصدر واحد للحقيقة. نحن نستفيد من الذكاء الاصطناعي لتقديم توصيات بالمعرفة إليك في الوقت الفعلي حيثما تعمل، ونتأكد من بقائها موثقة، ونساعدك على إدارة قاعدة المعرفة لديك بشكل أفضل. يواجه فريق علوم بيانات المنتجات المتنامي لدينا جميع تحديات فرق تعلم الآلة الحديثة — من بناء النماذج وتدريبها إلى نشرها على نطاق واسع — ونعتمد على Amazon SageMaker AI لتجاوز بعض هذه التحديات. نحن حاليًا نستفيد من استدلال SageMaker لنشر نماذج تعلم الآلة (ML) لدينا بسرعة أكبر في الإنتاج، حيث تساعدنا على تحقيق هدفنا الأول - تقديم قيمة لعملائنا."  

Nabin Mulepati, Staff ML Engineer - Guru

في إطار التزام Amazon بسلامة موظفيها خلال جائحة COVID-19، قامت فرق العمليات في Amazon بنشر حل قائم على تعلم الآلة (ML) للمساعدة في الحفاظ على بروتوكولات التباعد الاجتماعي في أكثر من 1000 مبنى عمليات حول العالم. تعاونت Amazon Operations مع مختبر حلول Amazon Machine Learning Solutions Lab لإنشاء نماذج رؤية حاسوبية حديثة لتقدير المسافة باستخدام Amazon SageMaker AI.

"من خلال توحيد أعباء عمل تعلم الآلة (ML) لدينا على AWS والعمل مع الخبراء في مختبر الحلول ML Solutions Lab، أنشأنا مجموعة مبتكرة من النماذج التي نُقدِّر أنها يمكن أن توفر ما يصل إلى 30% من جهود المراجعة اليدوية. بفضل Amazon SageMaker AI، أصبح بإمكاننا تخصيص وقت أكبر للتركيز على السلامة وتحسين مستوى الدقة، من خلال تقليل مئات الساعات التي كنا نقضيها في المراجعة اليدوية يوميًا."

Russell Williams, Director, Software Development - Amazon OpsTech IT

Freddy’s Frozen Custard & Steakburgers هو مطعم وجبات سريعة يقدم مزيجًا فريدًا من شطائر اللحم المُعدَّة حسب الطلب، وهوت دوغ Vienna Beef، وبطاطس مقلية رفيعة، وغيرها من الأصناف اللذيذة إلى جانب حلوى الكاسترد المُجمَّدة الطازجة. تأسست Freddy’s في عام 2002 وبدأت بمنح حقوق الامتياز (franchise) في عام 2004، وتدير حاليًا ما يقرب من 400 مطعم في 32 ولاية.

"كنا في الماضي نعتمد على التشابه الظاهري لاختيار مطعمين للمقارنة، أما الآن فأصبح لدينا تصور دقيق للعلاقة بين عناصر قائمتنا والزبائن والمواقع المختلفة. ساعدنا Amazon SageMaker Autopilot، الذي يشغّل قدرات تعلم الآلة الجديدة في Domo، على تعزيز جهود فرق التسويق والمشتريات لتجربة ابتكارات جديدة وتحسين تجربة عملائنا."

Sean Thompson, IT Director – Freddy’s

"نحن متحمسون لأن علماء ومهندسي البيانات في Vanguard يمكنهم الآن التعاون في دفتر ملاحظات واحد للتحليلات وتعلم الآلة. الآن بعد أن أصبح لدى استوديو Amazon SageMaker عمليات تكامل مدمجة مع Spark وHive وPresto تعمل جميعها على Amazon EMR، يمكن أن تكون فرق التطوير لدينا أكثر إنتاجية. ستسمح بيئة التطوير الفردية هذه لفرقنا بالتركيز على بناء نماذج تعلم الآلة وتدريبها ونشرها."

Doug Stewart, Senior Director of Data and Analytics – Vanguard

"لقد كنا ننتظر ميزة لإنشاء مجموعات Amazon EMR وإدارتها مباشرةً من استوديو Amazon SageMaker حتى يتمكن عملاؤنا من تشغيل عمليات سير عمل Spark وHive وPresto مباشرةً من دفاتر استوديو Amazon SageMaker. نشعر بالحماس لأن Amazon SageMaker AI أصبحت تُوفِّر هذه الإمكانية بشكل مدمج، لتبسيط إدارة Spark ومهام تعلم الآلة بكل سلاسة. سيساعد ذلك مهندسي بيانات عملائنا وعلماء البيانات على التعاون بشكل أكثر فعالية لإجراء تحليل تفاعلي للبيانات وتطوير مسارات تعلم الآلة باستخدام تحويلات البيانات القائمة على EMR."

Stepan Pushkarev, CEO – Provectus

"في Climate، نؤمن بتزويد مزارعي العالم بمعلومات دقيقة تمكّنهم من اتخاذ قرارات مبنية على البيانات وتعظيم العائد من كل فدان. ولتحقيق ذلك، استثمرنا في تقنيات مثل أدوات تعلّم الآلة لبناء نماذج باستخدام كيانات قابلة للقياس تُعرف باسم الميزات (السمات)، مثل العائد لحقل المزارع. باستخدام مخزن سمات Amazon SageMaker، يمكننا تسريع تطوير نماذج تعلم الآلة (ML) من خلال مخزن ميزات مركزي للوصول إلى الميزات وإعادة استخدامها عبر فرق متعددة بسهولة. يعمل مخزن سمات SageMaker على تسهيل الوصول إلى الميزات في الوقت الفعلي باستخدام مخزن متصل بالإنترنت (أونلاين) أو تشغيل الميزات وفقًا لجدول زمني باستخدام مخزن غير متصل بالإنترنت لحالات الاستخدام المختلفة. بفضل مخزن سمات SageMaker، يمكننا تطوير نماذج تعلم الآلة (ML) بشكل أسرع."

Atul Kamboj, Senior Data Scientist - iCare, NSW Government Insurance and Care agency, AustraliaDaniel McCaffrey, Vice President, Data and Analytics, Climate

"نؤمن في Experian بأننا مسؤولون عن تمكين المستهلكين من فهم كيفية استخدام الائتمان بفعالية في شؤونهم المالية، ودعم المقرضين في التحكم بمخاطر الائتمان. بينما نواصل تنفيذ أفضل الممارسات لبناء نماذجنا المالية، فإننا نبحث عن حلول تُسرِّع إنتاج المنتجات التي تستفيد من تعلّم الآلة. يوفر لنا مخزن سمات Amazon SageMaker طريقة آمنة لتخزين الميزات وإعادة استخدامها لتطبيقات تعلم الآلة (ML) لدينا. من المتطلبات الجوهرية لأعمالنا الحفاظ على مستوى ثابت من الاتساق في التطبيقات الفورية (في الوقت الفعلي) والمُجمَّعة عبر عدة حسابات. يمكّننا استخدام القدرات الجديدة في مخزن سمات Amazon SageMaker من تمكين عملائنا من التحكم في ائتمانهم وتقليل التكاليف في الاقتصاد الجديد.

Geoff Dzhafarov, Chief Enterprise Architect, Experian Consumer Services

"في DeNA، تتمثل مهمتنا في تحقيق التأثير والبهجة باستخدام الإنترنت والذكاء الاصطناعي/تعلم الآلة (AI/ML). يتمثل هدفنا الأساسي في تقديم الخدمات القائمة على القيمة ونريد أن نضمن أن أعمالنا وخدماتنا جاهزة لتحقيق هذا الهدف. نرغب في اكتشاف الميزات وإعادة استخدامها عبر المؤسسة، ويساعدنا مخزن سمات Amazon SageMaker على إعادة استخدام الميزات لتطبيقات مختلفة بطريقة سهلة وفعّالة. كما يساعدنا مخزن سمات Amazon SageMaker في الحفاظ على تعريفات الميزات القياسية ويوفر لنا منهجية متسقة أثناء تدريب النماذج ونشرها في بيئة الإنتاج. من خلال هذه القدرات الجديدة من خدمة Amazon SageMaker AI، يمكننا تدريب نماذج تعلم الآلة (ML) ونشرها بشكل أسرع، مما يبقينا على مسارنا لإسعاد عملائنا بأفضل الخدمات"

Kenshin Yamada, General Manager / AI System Dept System Unit, DeNA

"في United Airlines، نستخدم تعلّم الآلة (ML) لتحسين تجربة العملاء من خلال تقديم عروض مخصصة، مما يتيح للعملاء الاستعداد باستخدام مركز الاستعداد للسفر. كما يمتد استخدام تعلّم الآلة (ML) إلى عمليات المطار وتخطيط الشبكة وجدولة رحلات الطيران. وفي المراحل النهائية للجائحة، لعبت خدمة Amazon SageMaker AI دورًا محوريًا في مركز الاستعداد للسفر، وأتاحت لنا التعامل مع أعداد كبيرة من شهادات اختبار COVID وبطاقات تلقي اللقاح باستخدام أتمتة النماذج القائمة على المستندات. مع قدرات الحوكمة الجديدة في Amazon SageMaker AI، لقد قمنا بزيادة التحكم وإمكانية الرؤية عبر نماذج تعلّم الآلة لدينا. يُبسّط مدير أدوار SageMaker عملية إعداد المستخدمين بشكل كبير من خلال توفير أذونات أساسية وأنشطة تعلم الآلة (ML) لكل شخصية مرتبطة بأدوار IAM. مع بطاقات نماذج SageMaker، يمكن أن تسجل فِرقنا استباقيًا معلومات النموذج ومشاركتها للمراجعة، وباستخدام لوحة معلومات نماذج SageMaker، تمكنا من البحث عن النماذج المنشورة وعرضها على MARS، منصة تعلّم الآلة الداخلية لدينا. مع كل قدرات الحوكمة الجديدة هذه، تمكنا من توفير الكثير من الوقت والتوسع."

Ashok Srinivas, Director of ML Engineering and Ops, United Airlines

"في Capitec، لدينا مجموعة كبيرة من علماء البيانات عبر خطوط منتجاتنا، يقومون بإنشاء حلول تعلّم الآلة (ML) المختلفة. يدير مهندسو تعلّم الآلة (ML) لدينا منصة تكوين نماذج مركزية تم إنشاؤها على Amazon SageMaker AI لتحسين تطوير حلول تعلّم الآلة ونشرها لكل حلول تعلّم الآلة. في غياب الأدوات المدمجة، غالبًا ما تكون جهود تتبع النماذج غير مترابطة، ما يؤدي إلى ضعف في التوثيق وانعدام وضوح الرؤية حول النماذج. مع بطاقات نماذج SageMaker، يمكننا تتبع الكثير من بيانات تتبع النماذج في بيئة موحدة، وتوفر لوحة معلومات نماذج SageMaker إمكانية رؤية أداء كل نموذج. بالإضافة إلى ذلك، يبسط مدير أدوار SageMaker عملية إدارة الوصول لعلماء البيانات في خطوط منتجاتنا المختلفة. تساهم كل منها في أن تصبح حوكمة نموذجنا كافية لكسب ثقة عملائنا بنا كمقدم خدمات مالية."

Dean Matter, ML Engineer, Capitec Bank

تُعد Lenovo™ الشركة المصنّفة رقم 1 عالميًا في صناعة الحواسيب، وقد قامت مؤخرًا بدمج Amazon SageMaker AI في أحدث عروضها للصيانة التنبؤية للأجهزة.  Ashok Srinivas, Director of ML Engineering and Ops, United Airlines.

"سيساعد SageMaker Edge Manager الجديد في القضاء على الجهود اليدوية المطلوبة لتحسين النماذج ومراقبتها وتطوير أدائها باستمرار بعد نشرها في بيئة العمل. وبفضله، نتوقع أن تعمل نماذجنا بشكل أسرع وتستهلك ذاكرة أقل مقارنة بمنصات تعلم الآلة الأخرى المماثلة. باستخدام SageMaker Edge Manager، يمكننا جمع بيانات من الأجهزة المُستهدفة تلقائيًا، وإرسالها بشكل آمن إلى السحابة، مع مراقبة جودة النماذج على كل جهاز بشكل مستمر بعد النشر. يتيح لنا ذلك مراقبة النماذج وتحسينها وتحديثها عن بُعد على أجهزتنا المتطورة حول العالم وفي نفس الوقت يوفر لنا ولعملائنا الوقت والتكاليف."

Igor Bergman, Lenovo Vice President, Cloud & Software of PCs and Smart Devices.

Basler AG هي شركة رائدة في تصنيع الكاميرات الرقمية عالية الجودة وملحقاتها للصناعة والطب والنقل ومجموعة متنوعة من الأسواق الأخرى.

"تقدم Basler AG حلولاً ذكية للرؤية الحاسوبية في مجموعة متنوعة من الصناعات، بما في ذلك تطبيقات التصنيع والطب وتجارة التجزئة. نحن متحمسون لتوسيع عروض برامجنا بميزات جديدة أتاحها لنا Amazon SageMaker Edge Manager. لضمان الكفاءة والموثوقية في حلول تعلم الآلة لدينا، نحن بحاجة إلى أداة MLOps متكاملة وقابلة للتوسُّع من الأجهزة المستهدفة إلى السحابة، تمكّننا من المتابعة الدائمة وتحسين نماذج تعلم الآلة وصيانتها على الأجهزة المستهدفة. باستخدام SageMaker Edge Manager، يمكننا جمع بيانات من الأجهزة المُستهدفة تلقائيًا، وإرسالها بشكل آمن إلى السحابة، مع مراقبة جودة النماذج على كل جهاز بشكل مستمر بعد النشر. يتيح لنا ذلك مراقبة النماذج وتحسينها وتحديثها عن بُعد على أجهزتنا المتطورة حول العالم وفي نفس الوقت يوفر لنا ولعملائنا الوقت والتكاليف."

Mark Hebbel, Head of Software Solutions at Basler.

تُعد NatWest Group مؤسسة خدمات مالية كبرى، وقد قامت بتوحيد عملية تطوير نموذج تعلم الآلة (ML) ونشره في جميع أنحاء المؤسسة، مما أدى إلى تقليل دورة التحول لإنشاء بيئات تعلم الآلة الجديدة من 40 يومًا إلى يومين وتسريع الوقت لتقييم حالات استخدام تعلم الآلة (ML) من 40 إلى 16 أسبوعًا.

"بدلاً من إنشاء العديد من العمليات اليدوية، يمكننا أتمتة معظم عمليات تطوير تعلم الآلة (ML) ببساطة ضمن استوديو Amazon SageMaker." 

Cherry Cabading, Global Senior Enterprise Architect – AstraZeneca

من خلال استخدام خدمات AWS، بما في ذلك Amazon SageMaker AI، نفّذت Janssen عملية MLOps مؤتمتة حسّنت دقة تنبؤات النماذج بنسبة 21% وسرّعت هندسة الميزات بنسبة تقارب 700%، مما ساعد الشركة على خفض التكاليف وزيادة الكفاءة.

"تعمل Amazon SageMaker AI على تحسين كفاءة فرق MLOps لدينا من خلال توفير الأدوات اللازمة لاختبار نماذج تعلم الآلة ونشرها على نطاق واسع."

Samir Joshi, ML Engineer – Qualtrics

"تمكّننا Amazon SageMaker Data Wrangler من البدء بسرعة في تلبية احتياجاتنا المتعلقة بإعداد البيانات من خلال مجموعة غنية من أدوات التحويل التي تُسرّع عملية تحضير بيانات تعلم الآلة اللازمة لطرح منتجات جديدة في السوق. وفي المقابل، يستفيد عملاؤنا من المعدل الذي نوسع به النماذج المنشورة، مما يمكننا من تقديم نتائج مستدامة قابلة للقياس تلبي احتياجات عملائنا في غضون أيام بدلاً من أشهر."

Frank Farrall, Principal, AI Ecosystems and Platforms Leader, Deloitte

"بصفتنا شريك استشارات مميز لـ AWS، تعمل فرق الهندسة لدينا بشكل وثيق مع AWS لبناء حلول مبتكرة تساعد عملاءنا على تحسين كفاءة عملياتهم باستمرار. يشكل تعلم الآلة جوهر حلولنا المبتكرة، لكن سير عمل إعداد البيانات لدينا يتطلب تقنيات متقدمة في تجهيز البيانات، مما يؤدي إلى استغراق وقت كبير لتشغيلها فعليًا في بيئة الإنتاج. باستخدام Amazon SageMaker Data Wrangler، يمكن لعلماء البيانات لدينا إكمال كل خطوة من خطوات سير عمل إعداد البيانات، بما في ذلك اختيار البيانات وإصلاحها واستكشافها وتصوّرها، مما يساعدنا على تسريع عملية إعداد البيانات ويُمكننا من إعداد بياناتنا بسهولة لمرحلة تعلم الآلة (ML). بفضل Amazon SageMaker Data Wrangler، بات بإمكاننا إعداد البيانات لمرحلة تعلم الآلة (ML) بشكل أسرع."

Shigekazu Ohmoto, Senior Corporate Managing Director, NRI Japan

"مع استمرار توسع حضورنا في سوق إدارة الصحة السكانية ليشمل المزيد من شركات التأمين الصحي، ومقدمي الخدمات، ومديري مزايا الصيدلة، وغيرها من مؤسسات الرعاية الصحية، كنا بحاجة إلى حل لأتمتة العمليات الشاملة لمصادر البيانات التي تغذي نماذج تعلم الآلة لدينا، بما في ذلك بيانات المطالبات، وبيانات التسجيل، وبيانات الصيدليات. مع Amazon SageMaker Data Wrangler، يمكننا الآن تسريع الوقت الذي يستغرقه تجميع البيانات وإعدادها لمرحلة تعلم الآلة (ML) باستخدام مجموعة من عمليات سير العمل التي يسهل التحقق منها وإعادة استخدامها. وقد أدى ذلك إلى تحسين كبير في وقت تسليم نماذجنا وجودتها، وزيادة فعالية علماء البيانات لدينا، وتقليل وقت إعداد البيانات بنسبة تقارب 50%. بالإضافة إلى ذلك، ساعدنا SageMaker Data Wrangler في توفير العديد من دورات تعلم الآلة ووقت كبير في استخدام وحدات المعالجة الرسومية (GPU)، مما سرّع العملية بأكملها لعملائنا، إذ أصبح بإمكاننا الآن إنشاء متاجر بيانات تحتوي على آلاف الميزات، بما في ذلك بيانات الصيدليات، وأكواد التشخيص، وزيارات الطوارئ، والإقامات الداخلية، بالإضافة إلى البيانات الديموغرافية والعوامل الاجتماعية الأخرى. باستخدام SageMaker Data Wrangler، يمكننا تحويل بياناتنا بكفاءة عالية لإنشاء مجموعات بيانات تدريب، واستخلاص إحصاءات من البيانات قبل تشغيل نماذج تعلم الآلة، وتحضير بيانات العالم الحقيقي للاستدلال/التنبؤات على نطاق واسع.

Lucas Merrow, CEO, Equilibrium Point IoT

iCare هي وكالة تابعة لحكومة ولاية نيو ساوث ويلز (NSW) تقدّم تأمين تعويض العمال لأكثر من 329000 جهة عمل في القطاعين العام والخاص في ولاية نيو ساوث ويلز (NSW) بأستراليا، ولما يزيد عن 3.2 مليون موظف. بالإضافة إلى ذلك، توفّر iCare التأمين للبنّائين وأصحاب المنازل، وتقدّم العلاج والرعاية للأشخاص الذين تعرضوا لإصابات خطيرة على طرق ولاية نيو ساوث ويلز؛ وتحمي أصول حكومة الولاية التي تتجاوز قيمتها 266.6 مليار دولار، بما في ذلك دار أوبرا سيدني، وجسر ميناء سيدني، والمدارس، والمستشفيات.

"في Insurance and care (iCare) NSW، رؤيتنا هي تغيير الطريقة التي ينظر بها الناس إلى التأمين والرعاية. مكّنت Amazon SageMaker AI شركة iCare من بناء وتدريب نماذج التعلّم العميق للكشف المبكر عن مرضى الأمراض التنفسية المزمنة الناتجة عن الغبار. يمكن أن يسهم هذا الكشف المبكر في الوقاية من الحالات التي تهدد الحياة. أظهرت دراسات سابقة أن أعراض السحار السيليسي (السيليكوسيس) لم تُرصد أو لم تُكتشف في 39% من الحالات. مكّنت التشخيصات المدعومة بالذكاء الاصطناعي الأطباء من التعرف بدقة على 80% من الحالات، مقارنة بنسبة 71% في التشخيص غير المدعوم. بعد تنفيذ هذا المشروع، نعتمد الآن على Amazon SageMaker AI لتطوير حلول وعمليات في مشاريع أخرى، حيث ثبت أنها أسرع وأسهل من السابق، كما أصبح بإمكاننا توسيع جهودنا بسهولة لتقديم الرعاية لسكان ولاية نيو ساوث ويلز."

Atul Kamboj, Senior Data Scientist - iCare, NSW Government Insurance and Care agency, Australia