一级方程式集团正在将其大部分基础设施从本地数据中心迁移到 AWS,并在 AWS 机器学习服务(包括 Amazon SageMaker)上实现标准化。
一级方程式的数据科学家正在使用过去 65 年来收集的各个汽车历史赛车数据培训深度学习模型进行赛车预测并帮助团队优化赛中决策。这些模型可以预测团队何时应该检修车辆,确定更换轮胎的最佳时机,并评估驾驶员的表现。
一级方程式使用 AWS 数据流、分析和媒体服务,为超过 5 亿车迷提供有关驾驶员决策和车辆性能的见解。
由于一级方程式在 AWS 的可扩展环境中运行其高性能计算工作负载,该企业可以在 F1 赛车体验、车辆设计等方面进行创新,而无需担心容量问题。
Intuit 将一切都迁移到了 AWS 上,并使用广泛的 AWS 产品来提供处理高度季节性流量模式所需的弹性。自 2013 年以来,Intuit 已将其基础设施、应用程序、数据和机器学习功能全部移至 AWS。
Intuit 探索机器学习,因为它试图使艰巨的任务(例如报税)变得简单,甚至令客户满意。
利用 Amazon SageMaker,Intuit 减少了部署机器学习模型所需的成本和时间。数据科学家现在可以创建一个模型并将其扩展到众多服务器上,过去需要六个月的时间,现在只需一周。
通过授权数据科学家,Intuit 不断开发和增强产品来履行使命:促进全球客户繁荣昌盛。
MLB 几十年来一直在收集其球员和俱乐部的统计数据,并在 2015 年开始使用 AWS 来收集和分配比赛统计数据,改善球迷体验。
这些模型可帮助 MLB 省去手动且费时的记录保存和统计数据流程,如记分、捕捉比赛纪要和投球分类。
MLB 计划使用 Amazon ML Solutions Lab 继续改进 Statcast(其用以分析球员表现的跟踪技术),包括测试投球预测的准确性和创建个性化的观众体验。
Matson 构建了一款旗舰版移动应用程序,用于跟踪全球集装箱,以便客户对其货件进行实时跟踪。该应用程序中的其他重要功能包括:交互式船舶时间表搜索、基于位置的港口地图查找和实时大门摄像头上传数据。
Matson 的客户依靠准确的最新集装箱跟踪和船舶状态信息。通过使用 Amazon CloudWatch、Amazon SNS、Amazon SES、AWS Lambda 和 CloudWatch Logs,实现了对系统事件的监控和提醒。
Matson 现在可以为客户提供端到端无服务器应用程序,从而帮助跟踪他们的货件,且无需维护基础设施。
Roomba 900 系列可完成家庭清洁任务,并返回底座进行充电。
AWS Lambda 接收清洁任务元数据并将格式解析为 Amazon DynamoDB。Amazon Kinesis 可批量处理任务数据并将其存储在 Amazon S3 中。Amazon S3 可用作进行分析的 iRobot 数据湖,所有消息数据都可在这里进行压缩和存储。数据存储在 Amazon S3 中后,iRobot 就会使用 AWS Analytics 工具集。Amazon Athena 可让 iRobot 在数据中探索和发现模式,而无需一直运行计算资源。
用户会收到提醒,通知他们 Roomba 900 系列成功完成了清洁任务。
BP 的 IT 团队管理着全球数千名员工在供应链、采购和财务等领域使用的 SAP 应用程序。
该团队现在可以在数小时而不是数周或数月内按需构建系统。BP 正在全面提升性能,其中润滑油 ERP 系统的速度提高了 40%。
在云迁移过程中,BP 使用 AWS Config、AWS Identity and Access Management (IAM)、Amazon CloudWatch 和 AWS Trusted Advisor 重新设定了安全标准。这些新标准帮助 BP 开发了一个运营其 IT 团队的安全框架。
美国东部
弗吉尼亚北部(6 个)、俄亥俄(3 个)
美国西部
加利福尼亚北部(3 个)、俄勒冈(3 个)
亚太地区
孟买(2 个)、首尔(2 个)、新加坡(3 个)、悉尼(3 个)、东京(4 个)、大阪当地(1 个)
加拿大
中部(2 个)
中国
北京(2 个)、宁夏(3 个)
欧洲
法兰克福(3 个)、爱尔兰(3 个)、伦敦(3 个)、巴黎(3 个)
南美洲
圣保罗(3 个)
GovCloud(美国)
美国东部(3 个)、美国西部(3 个)
巴林
开普敦
中国香港特别行政区
米兰
斯德哥尔摩