Amazon SageMaker Studio 客户

BMW Group 使用 Amazon SageMaker Studio 构建了一个经济高效且可扩展的机器学习环境，促进了其全球数据科学与工程团队之间的无缝协作，使机器学习团队能够专注于支持使用案例和加速人工智能创新。

借助 SageMaker Studio，AstraZeneca 得以快速部署解决方案来分析大量数据，加速洞察，同时减少其数据科学家的手动工作负载 – 这对于 AstraZeneca 的使命，即为世界各地的人们发现和开发改变生活的药物至关重要。    

“我们可以在 Amazon SageMaker Studio 中轻松将大部分机器学习开发流程自动化，而无需创建许多手动流程。”

INVISTA 使用 Studio 中的 Amazon SageMaker Experiments 进行模型跟踪。通过使用一个简单的界面来管理实验，获得更广泛的项目，并以结构化的方式添加新的模型、指标和性能，INVISTA 加速了数据科学价值的实现。

“借助 Amazon SageMaker Studio，我们现在能够将数据科学任务置于同一位置。这使我们能够节省管理基础设施和存储库的时间，并帮助我们缩短将算法和分析项目部署到生产环境中的时间。”

借助 SageMaker Studio 和 Experiments，SyntheticGestalt 可以以 2 倍的速度确定最佳实验设置，最终加速生产改变生命的候选分子的能力。

“SageMaker 能帮助我们的研究人员轻松比较数千个实验设置；他们只需一步就能完成以前需要我们的研究人员耗费数小时才能完成的工作。”

使用 Studio 内的 SageMaker JumpStart，MyCase 通过一次点击启动了一些端到端解决方案，并访问了一系列模型以便满足他们的需求。

“借助 SageMaker JumpStart，我们可以在四到六周的时间内为我们自己的使用案例部署机器学习解决方案，而无需三到四个月。”

Lyft 是一个领先的拼车平台，将北美数百万乘客与司机联系起来，大量利用机器学习来优化其拼车网络并增强用户体验。

“在 Lyft，我们的团队使用 SageMaker Studio 笔记本构建复杂的优化模型并进行广泛的超参数调优。借助 SageMaker AI 的远程 IDE 连接，科学家和机器学习工程师现在只需点击一下即可将其自定义的 Cursor 或 VS Code 环境与 SageMaker AI 连接起来。通过我们的本地开发环境与 SageMaker AI 的托管式基础设施之间的这种无缝集成，我们能够利用我们熟悉的工具，同时访问 SageMaker 强大的计算资源。结果是模型开发工作流程更快，节省了数小时的运营开销，使我们能够专注于最关键的机器学习问题。”

借助与 SageMaker AI 的远程连接，我们的数据科学家能够灵活选择最能提升其工作效率的 IDE。我们的团队可以在利用自身定制化本地设置的同时，访问 SageMaker AI 的基础设施和安全控件。作为一家注重安全的公司，这一点对我们极为重要，因为它既能确保敏感数据得到保护，又能让我们的团队安全协作并提高工作效率。

“借助与 SageMaker AI 的远程连接，我们的数据科学家能够灵活选择最能提升其工作效率的 IDE。我们的团队可以在利用自身定制化本地设置的同时，访问 SageMaker AI 的基础设施和安全控件。作为一家注重安全的公司，这一点对我们极为重要，因为它既能确保敏感数据得到保护，又能让我们的团队安全协作并提高工作效率。”