了解全球领先的组织如何使用 Amazon SageMaker 构建、训练和部署机器学习模型。 

Intuit

Intuit 是一家商业和财务软件公司,主要开发和销售适合小型企业、会计师和个人使用的财务、会计和税务筹划软件及相关服务。

“借助 Amazon SageMaker,我们可以通过在该平台上构建和部署我们自己的算法来大规模加快人工智能计划的实施。我们将创建新的大规模机器学习和 AI 算法,并将它们部署到该平台上,来解决推动客户发展需要解决的复杂问题。”

Intuit 首席数据官 Ashok Srivastava

GE Healthcare

GE Healthcare

利用硬件、软件和生物技术的数据和分析,GE Healthcare 正在通过为提供商和患者提供更好的结果来推动医疗保健行业的变革。 

“Amazon SageMaker 让 GE Healthcare 能够访问强大的人工智能工具和服务,以改善对患者的护理。Amazon SageMaker 的可扩展性及其可与本地 AWS 产品集成的功能为我们增加了巨大的价值。我们期待看到 GE Health Cloud 和 Amazon SageMaker 之间的持续协作将如何为我们的医疗保健提供商合作伙伴带来更好的结果,并提供更好的患者护理。”

GE Healthcare AI 工程负责人 Sharath Pasupunuti

MLB Statcast

Major League Baseball

Major League Baseball (MLB) 是美国历史上最悠久的职业棒球联盟,由美国和加拿大的 30 个会员俱乐部组成,代表着最高水平的职业棒球。Statcast 是 MLB 推出的一种最先进的跟踪技术,允许以过去难以实现的方式收集和分析大量棒球数据。

“将机器学习融入我们的系统和实践,是让我们球迷和 30 个俱乐部对比赛的理解提升到一个全新高度的绝妙方式。我们之所以选择 AWS,是因为他们在提供机器学习服务方面拥有强大的实力、深厚、成熟的专业知识。我们期待在许多令人振奋的项目上与 Amazon ML Solutions Lab 合作,包括检测关键事件并实现自动化,同时期待创造新的机会,见证前所未有的成果。”

美国职业棒球大联盟首席技术官 Jason Gaedtke

Dow Jones

Dow Jones

Dow Jones & Co. 是全球新闻和商业信息提供商,通过报纸、网站、移动应用程序、视频、新闻通讯、杂志、专有数据库、会议和无线电广播为消费者和组织提供内容。

“随着 Dow Jones 继续专注于将机器学习与我们的产品和服务集成,我们发现 AWS 一直是出色的合作伙伴。在我们近期举办的“机器学习黑客马拉松”活动的准备过程中,AWS 团队为参与者提供了有关 Amazon SageMaker 和 Amazon Rekognition 的培训,并为所有团队提供全天候支持。结果是,我们的团队就如何应用机器学习提出了一些不错的想法,并且我们将根据其中多个想法在 AWS 上继续开发。该活动取得了巨大成功,同时也是良好合作伙伴关系的一个例子。”

Dow Jones 首席产品和技术官 Ramin Beheshti

ProQuest

ProQuest

ProQuest 策划全球最大的期刊、电子书、原始材料、论文、新闻和视频,并构建强大的工作流程解决方案,帮助图书馆获取和增长其收藏。ProQuest 产品和服务应用于 150 个国家/地区的高等院校图书馆、幼儿园、小学和中学图书馆、公共图书馆以及企业和政府图书馆。

“我们正在与 AWS 合作,为图书馆读者打造更具吸引力的视频用户体验,使他们在搜索时能返回相关度更高的结果。通过与 AWS ML Solutions Lab 合作,我们使用 Amazon SageMaker 测试了不同算法、通过超参数优化调整了模型并对机器学习 (ML) 模型的部署进行了自动化。我们对目前的结果感到满意,现在正在考虑将 ML 技术应用于其他产品。”

ProQuest 研究工具、服务和平台副总裁 Allan Lu

Celgene

Celgene

Celgene 是一家全球生物制药公司,致力于改善全球患者的生活。该公司重点关注癌症、免疫炎症和其他医学未攻克疾病的患者,为他们发现、开发创新疗法并实现商业化。

“Celgene 的愿景是提供真正创新和改变生活的治疗方法,改善全球患者的生活质量。有了 Amazon SageMaker 和 Apache MXNet,与以往相比,我们能够更快、更轻松地构建和训练深度学习模型来开发解决方案和流程,并且可以轻松扩展我们的工作,发现治疗方法并生产药物。利用 SageMaker 和 Amazon EC2 P3 实例,我们加快提供时间训练模型并提高了生产率,让我们的团队能够专注于突破性的研究和发现。”

Celgene 董事 Lance Smith

Thomson Reuters

Thomson Reuters

Thomson Reuters 是全球专业市场新闻和信息的主要来源。 

“在过去 25 年来,我们一直致力于开发先进的机器学习功能来挖掘、连接、加强、组织和传递信息给我们的客户,成功帮助他们简化工作并从中获得更多价值。我们借助 Amazon SageMaker 为一款问答应用程序设计了自然语言处理功能。我们的解决方案需要使用 Amazon SageMaker 的多个功能,对深度学习配置进行数次迭代。”

Thomson Reuters 的 AI 和认知计算中心 Khalid Al-Kofahi

Atlas Van Lines

Atlas Van Lines

Atlas Van Lines 是由运输和储存行业的一群企业家于 1948 年创立,是北美第二大长途货运公司。该组织的发展目标是,在遵循商业黄金法则的同时从一个海岸扩展到另一个海岸。除了广泛的业务范围外,Atlas 还具有超越该行业要求的严格的代理质量要求。

在繁忙的货运季节,Atlas 代理网络在各个市场相互协作,以满足客户需求。过去,他们需要大量人力和劳力来预测容量。他们凭借的是智慧和对资源的直觉以及多年的经验。Atlas 拥有 2011 年以来的历史数据,希望找到一种能够根据未来的市场需求动态调整容量和价格的方法。

Atlas 与 APN 核心级咨询合作伙伴 Pariveda Solutions 合作,使长途货运行业的主动容量和价格管理成为可能。Pariveda 准备了数据,开发并评估了机器学习模型,并调整了性能。他们使用 Amazon SageMaker 训练和优化模型,然后使用 Amazon SageMaker 的模块化特性将其导出,以使用 Amazon EC2 运行。

Tinder

Tinder

迄今为止,Tinder 已经见证了 200 亿次成功配对,成为全球最受欢迎的交友应用程序。

“支持每次 Tinder 滑动的是一个每分钟管理数百万个请求、每天管理数十亿次滑动且在超过 190 个国家/地区均可用的系统。Amazon SageMaker 简化了机器学习,可帮助我们的开发团队构建预测模型来创建新的联系,而这是我们无法通过其他方式实现的。”

Tinder 首席执行官 Elie Seidman

Edmunds

Edmunds

Edmunds.com 是一个汽车销售网站,提供有关车辆的详细信息,并且会不断更新,每月的访客达到 2000 万。

“我们有一项战略举措,那就是让我们的所有工程师都能利用机器学习技术。Amazon SageMaker 是帮助我们实现这一目标的关键,它使工程师能够更轻松地大规模构建、训练和部署机器学习模型和算法。我们期待看到 Edmunds 将如何在组织内使用 SageMaker 为我们的客户构建新的创新型解决方案。”

Edmunds.com 首席信息官 Stephen Felisan

Hotels.com

Hotels.com

Hotels.com 是一个领先的全球酒店品牌,运营着 90 个支持 41 种语言的本地化网站。

“Hotels.com 愿意尝试各种方法来推动发展,以利用最新技术并保持创新。借助 Amazon SageMaker 的分布式训练、优化算法和内置的超级参数功能,我的团队可以基于我们最大的数据集快速构建更准确的模型,为将模型投产节约了大量时间。只需要一个简单的 API 调用,Amazon SageMaker 将显著降低机器学习的复杂性,使我们能够快速创造更好的客户体验。”

Hotels.com 和 Expedia Affiliate Network 副总裁兼首席数据科学官 Matt Fryer

formosa-plastics-600x400

台塑

台湾塑胶工业股份有限公司是一家不断发展的垂直整合塑料树脂和石化产品供应商。台塑提供全系列的聚氯乙烯、聚乙烯和聚丙烯树脂、苛性钠和其他石化产品,可提供客户所需的一致性、性能和质量。

“台塑是台湾顶级石化公司之一,是世界领先的塑胶制品制造商之一。我们决定探索机器学习,以便更准确地检测缺陷并降低人工劳动成本,我们选择 AWS 作为首选云提供商来帮助我们实现这一目标。AWS ML Solutions Lab 与我们一起完成了流程的每个步骤,从发现研讨会到定义业务用例,到构建和选择适当的 ML 模型,再到实际部署。使用 Amazon SageMaker,机器学习解决方案减少了一半的员工人工检查时间。借助 Solutions Lab 的帮助,我们现在能够在条件变化时自行优化 SageMaker 模型。”

台湾塑胶工业股份有限公司副总裁助理 Bill Lee

Zendesk

Zendesk

Zendesk 可以构建有助于建立更好客户关系的软件。它使组织能够提高客户参与度并更好地了解他们的客户。超过 150 个国家/地区的 94000 多个付费客户账户都在使用 Zendesk 产品。

“Amazon SageMaker 能帮助我们降低使用机器学习的成本,并提高其速度。借助 Amazon SageMaker,我们可以从现有的自主管理 TensorFlow 部署过渡到完全托管服务。Amazon SageMaker 还使我们能够更轻松地获取其他热门的深度学习框架,同时通过管理基础设施来编写、训练和服务于我们的模型。”

Zendesk 战略技术总监 David Bernstein

Regit

Regit

Regit 以前称为 Motoring.co.uk,是一家汽车技术公司,同时也是英国的一项领先的针对驾驶者的在线服务。他们提供基于汽车牌照的数字汽车管理服务,并向司机提供信息提醒,如交通运输部 (MOT) 税务、保险和召回。

Regit 与 APN 高级咨询合作伙伴 Peak Business Insight 合作,应用可同时处理类别和可变数据的“类别机器学习模型”,以预测用户更换汽车的可能性,从而为 Regit 带来销量。

Peak 使用 AWS 产品(例如 Amazon SageMaker)进行实时摄取、建模和数据输出。Amazon SageMaker 每天为 Regit 处理 5000 个 API 请求,根据相关数据要求无缝扩展和调整,并管理销售线索评分结果的交付。同时,Amazon Redshift 和 Amazon Elastic Compute Cloud (Amazon EC2) 实例会高效并持续优化模型性能和结果。在 Peak 的帮助下,Regit 已经能够预测其 250 万用户中的哪一个将在何时买车。这意味着他们能以更加个性化和更具针对性的方式为客户提供服务,从而使呼叫中心的收入增加四分之一以上。

Zocdoc

Zocdoc

Zocdoc 提供一个有关医学实践和个体医生坐诊表信息的集成解决方案,为最终用户提供医疗保健搜索服务。该公司关注患者的需求并提供最佳医疗保健体验。

“在 Zocdoc,我们的工作重点是帮助患者轻松找到适合的医生,并且预约最方便的时间和地点。Zocdoc 工程师发现使用 Amazon SageMaker 可以非常轻松快速地构建、训练和部署模型,这让他们兴奋不已。我们有位移动工程师曾经能够在一天之内从零开始训练和部署专业医生推荐模型,而且我们最终也将其投入生产。过去,我们的数据科学团队必须投身于所有模型作品的开发,这会拖慢产品团队的进度。有了 Amazon SageMaker,我们能以更快的速度将概念付诸生产,这要得益于 SageMaker 简化了端到端功能。”
Realtor.com

Realtor.com

Move, Inc. 网络(包括 realtor.com®、Doorsteps® 和 Moving.com™)可以在一系列网站和移动设备上为消费者和房地产专业人士提供房地产信息、工具和专业知识。

“我们认为,在我们帮助消费者拥有自己的住房的过程中,Amazon SageMaker 是对 realtor.com® 工具集的变革性补充。过去需要很长时间的机器学习工作流程(如训练和优化模型)的效率提高了,并且可由更多开发人员来完成,这使我们的数据科学家和分析师能够专注于为用户创造最丰富的体验。”

Move, Inc 首席数据官兼高级副总裁 Vineet Singh

Grammarly

Grammarly

通过结合运用自然语言处理和先进的机器学习技术,Grammarly 的算法在跨设备的多个平台上提供书写帮助,每天帮助数百万人更有效地通信。

“Amazon SageMaker 使我们能够在分布式训练环境中开发 TensorFlow 模型。我们的工作流程还与 Amazon EMR 集成以进行预处理,因此我们可以从 Amazon S3 获取数据,并通过 Jupyter 笔记本使用 EMR 和 Spark 过滤数据,然后使用同一笔记本在 Amazon SageMaker 中进行训练。SageMaker 还具有灵活性,能够满足我们不同的生产要求。我们可以在 SageMaker 上运行推理;如果我们只需要模型,则可以将其从 S3 中下载下来,并运行针对 iOS 和 Android 客户的移动设备实施的推理。”

Grammarly 技术主管 Stanislav Levental

DigitalGlobe

DigitalGlobe

作为高分辨率地球图像、数据和分析的世界领先提供商,DigitalGlobe 每天都需要处理海量数据。

“作为高分辨率地球图像、数据和分析的世界领先提供商,DigitalGlobe 每天都需要处理海量数据。借助 DigitalGlobe,人们可以更轻松地查找、访问我们总容量达 100PB 的图像库(存储在 AWS 云中),并对其运行计算,从而将深度学习应用于卫星图像。我们计划使用 Amazon SageMaker,借助托管 Jupyter 笔记本针对 PB 级的地球观测图像数据集训练模型,以使 DigitalGlobe 的 Geospatial 大数据平台 (GBDX) 用户只需按下一个按钮,创建一个模型,即可将其大规模部署到一个可扩展的分布式环境中。”

Maxar Technologies 首席技术官兼 DigitalGlobe 创始人 Walter Scott

Intercom

Intercom

Intercom 的消息传送优先产品与其他公司的网站和移动应用程序无缝集成,帮助他们获取、接触客户并为其提供支持。公司成立于 2011 年,在旧金山、伦敦、芝加哥和都柏林设有办事处。

“在 Intercom,我们拥有一支不断成长的数据科学家和以数据为导向的工程师团队,我们经常需要快速迭代,探索新的数据驱动产品解决方案。在使用 Amazon SageMaker 以前,我们尝试了多种不同的方案来构建这些产品,但每种方案都有这样那样的挑战 – 难以实现代码共享,大数据集测试速度非常缓慢,在我们自己的环境中预置和管理硬件也有诸多问题。使用 SageMaker 后,所有这些问题都迎刃而解。特别是,我们使用它来为我们的搜索平台和机器学习功能开发算法,发现 SageMaker 的托管 Jupyter Notebook 可帮助我们快速构建和迭代。特别关键的是,SageMaker 这种托管式的服务可让我的团队专注于手头的任务,无需他顾。对 Intercom 而言,Amazon SageMaker 是一个极有价值的服务,我们很高兴随着我们公司的成长越来越多地使用它。”

Intercom 机器学习部门高级数据科学家 Kevin McNally

Kinect Energy Group

Kinect Energy Group

Kinect Energy Group 是 World Fuel Services 的一家子公司,World Fuel Services 是一家财富 100 强企业,主要通过空运、海运和陆运方式,为商业和工业客户提供能源采购咨询服务、供应履行、交易和支付管理解决方案。Kinect Energy 是北欧的主要能源供应商,依赖于该地区多风气候带来的天然风电资源。

该公司最近推出了一系列 AWS 的 AI/ML 服务。借助 Amazon SageMaker,该公司可以预测即将到来的天气趋势,从而预测未来几个月的电力价格,实现前所未有的远程能源交易,这代表了行业领先的前瞻性思维方法。

“我们开始使用 Amazon SageMaker,在 AWS ML 解决方案团队和解决方案架构团队的帮助下,我们利用创新日获得了动力,此后其影响一直很大。我们已经多次发展我们的 AI 团队,以充分利用 AWS 技术提供的新优势。我们通过根据尚未发生的天气设定价格来获利。我们已经“全面”使用 AWS,包括将数据存储在 S3 中,使用 Lambda 执行,以及除 SageMaker 之外的步骤功能。而且,借助与 AWS ML Solutions Lab 的合作伙伴关系,我们现在可以自给自足,能够迭代构建的模型和持续改进业务。”

Kinect Energy Group 首席业务分析师 Andrew Stypa

Frame.io

Frame.io

Frame.io 是所有视频的中心。Frame.io 是视频审核与协作领域的领导者,全球有 70 万客户,从自由职业者到企业等各种视频专业人士都通过 Frame.io 审核、批准和交付视频。

“作为面向全世界用户开放的云原生视频审核与协作平台,为客户提供一流的安全性势在必行。凭借构建到 Amazon SageMaker 中的异常检测模型,我们能够利用机器学习快速识别、检测和拦截所有不必要的 IP 请求,以确保我们客户的媒体保持安全并始终得到保护。开始使用 Amazon SageMaker、随着时间推移进行维护、跨平台扩展,以及调整以适应具体工作流程一向简单而直接。在 SageMaker 中的 Jupyter 笔记本的帮助下,我们能够试验不同模型,从而提高准确度,更快速地找出能够进一步提升 Frame.io 安全性的方法。”

Frame.io 副总裁兼信息安全主管 Abhinav Srivastava

Sportograf

Sportograf

Sportograf 由几个学科的竞技运动员创立,因此它对体育有一种自然的亲近感。他们的使命是尊重每位运动员的表现,并提供专业的优质图片。

“我们拥有数百万张体育赛事的图片,因此我们面临的挑战是以较高的速度和准确性按号码布整理照片。在寻找解决方案时,Sportograf 决定不使用特殊的二维码或其他标记,因为它们会引入大量的复杂工作负载,使得无法响应自发的客户请求。为了解决这个难题,Sportograf 使用 Amazon Rekognition 进行文本识别,并使用 Amazon SageMaker 使我们能够构建自己的机器学习解决方案,从而以近乎实时的方式进一步识别赛车手的号码布。”

Sportograf 总经理 Tom Janas

Cookpad

Cookpad

Cookpad 是日本规模最大的食谱分享服务,在日本每月约有 6000 万用户,在全球每月约有 9000 万用户。

“随着对 Cookpad 食谱服务的易用性要求不断提高,我们的数据科学家将构建更多机器学习模型,以优化用户体验。在尝试尽可能减少训练任务的迭代次数以获得最佳性能的过程中,我们认识到部署 ML 推理终端节点时面临的重大挑战,而该挑战会减慢我们的开发速度。为了自动执行 ML 模型部署以便数据科学家可以自行部署模型,我们使用了 Amazon SageMaker 的推理 API,并证明 Amazon SageMaker 消除了应用程序工程师部署 ML 模型的需要。我们期望在生产中使用 Amazon SageMaker 自动执行此流程。” 

Cookpad 研究工程师 Yoichiro Someya

Cookpad

Fabulyst

Fabulyst 是一家专注于时装商贸的印度初创公司,通过人工智能为顾客提供更积极、更个性化的体验,帮助零售商提高转化率。

“Fabulyst 通过将库存商品与用户特定的个性化查询进行匹配(例如适合其身体类型或肤色),让顾客能够更方便地找到最优的商品。此外,我们根据社交媒体、搜索、博客等渠道的数据,使用计算机视觉来预测月度趋势,同时在零售商客户的目录内自动标记这些趋势,从而帮助零售商进一步提高有效转化率。Fabulyst 使用 AWS 来交付先进的解决方案,包括使用 Amazon SageMaker 来处理支持我们产品和服务的许多预测。借助 SageMaker 和其他 AWS 服务,我们得以向用户保证价值(例如保证零售商的增量收入提升 10%),并且坚信我们始终能够兑现最佳结果。”

Komal Prajapati,Fabulyst 创始人兼首席执行官

Terragon Group

Terragon Group

Terragon Group 是一家数据和营销技术企业,通过洞察信息覆盖非洲的移动用户,为企业挖掘商业价值。多年来,Terragon Group 已经成为移动领域的领导者,服务多个区域的本地和跨国品牌。在合适的时间向合适的用户传递合适的广告信息需要个性化服务,Terragon 使用数据、见解和人工智能帮助企业在非洲找到正确的受众。

“Amazon SageMaker 为我们提供了端到端机器学习工作流程,不需要设置任何底层基础设施。我们的数据科学和机器学习团队能够在短短几个小时内从数据探索迅速过渡到模型训练和生产。对于一家总部位于非洲、工程人才稀缺的企业来说,我们没有其他方法能够在不到 90 天的时间内构建和部署机器学习模式来解决现实生活中的问题。”

Terragon Group 首席技术官 Deji Balogun

SmartNews

SmartNews

SmartNews 是日本最大的新闻应用程序,每月向全球 1100 多万活跃用户提供优质信息。借助机器学习技术,SmartNews 帮助用户获得最相关、最有趣的新闻故事。SmartNews 的机器学习算法对数以百万计的文章、社交讯号和人类互动进行评估,目前提供了 0.01% 的最重要的新闻故事。

“我们的使命是发现并向世界提供高质量的故事,AWS(尤其是 Amazon SageMaker)为我们提供支持,它帮助我们缩短了开发周期,以便更快为客户服务。使用 Amazon SageMaker 对我们的新闻策划方法大有帮助,包括使用深度学习进行文章分类,预测生命时间值以及对文本和图像进行复合建模。我们期待通过 AWS 的 Amazon SageMaker 和其他人工智能解决方案实现更高的目标。”

SmartNews, Inc. 联合创始人兼首席执行官 Kaisei Hamamoto

SIGNATE

Signate

SIGNATE 使用 AI 提供外包、招聘和咨询服务解决方案。SIGNATE 也称为数据科学社区,拥有超过 16000 名成员,他们相互竞争,在竞争中制作出最佳模型。该公司还使用 Amazon SageMaker 提供服务,帮助其客户将通过竞争获得的模型部署到生产应用程序中。

“我们利用 Amazon SageMaker 作为构建机器学习模型的主要工具,这使我们的模型管理系统“Aldebaran”更具扩展性。SageMaker 实现了与我们工作流程的无缝集成,包括同时构建、训练和部署 ML 模型。以前需要 3 至 6 个月才能将模型部署到生产环境中。使用 SageMaker,我们可以在 1 至 4 周内将模型部署到生产环境中,从而节省时间并提高了生产效率。SageMaker 是我们所有 ML 模型的首选标准 ML 平台。”

Signate Inc. 总裁、首席执行官兼首席开发官 Shigeru Saito

Pioneer

Pioneer

Pioneer 是一家跨国公司,专门从事数字娱乐,包括汽车电子和移动服务。Pioneer 以“触动您的心弦,分享您的感受”为企业理念,为客户提供能够为他们的日常生活提供帮助的产品和服务。

“利用 Amazon SageMaker 和 Automatic Model Tuning 等模型训练功能,我们能够开发出高度准确的机器学习模型,并为客户隐私提供持续保护。我们也期待利用适用于 Machine Learning 的 AWS Marketplace 获取算法和预先训练的模型,以构建盈利平台。”

Pioneer 信息服务工程部门总经理 Kazuhiro Miyamoto

Dely

Dely

Dely 运营着日本最好的烹饪视频服务 Kurashiru。让烹饪服务影响世界是它每天努力的目标。Kurashiru 每天都会帮助很多人,它有很多烹饪视频介绍各种美味的食谱,为你的餐桌增添色彩。在日本,有数千万人观看和收听每月的食谱服务。

“自从推出广受欢迎的 Kurashiru 服务以来,我们的移动应用程序在两年半内下载量超过 1500 万次。我们相信,利用机器学习等先进技术,在合适的时间向用户交付合适的内容至关重要。为了实现这一点,我们使用 Amazon SageMaker,它帮助我们在 90 天内构建和部署了机器学习模型。我们还通过内容个性化,使点击率提高了 15%。”

Dely, Inc. 首席技术官 Masato Otake

Ayla Networks

Ayla Networks

Ayla Networks 是一家总部位于旧金山的 IoT 平台即服务软件公司,为消费者和商业市场开发解决方案。

“在 Ayla Networks,我们发现我们的客户主要在 AWS 基础设施上运行,因为它的可扩展性和可靠性得到了验证。特别是,我们发现商业制造商通过 Amazon SageMaker 利用 Ayla 云中的设备性能数据。借助 Amazon SageMaker 和我们的 Ayla IQ 产品,企业可以获取见解和发现异常,从而提高产品和服务质量,甚至可以预测机器故障并在故障发生之前进行修复。此解决方案可确保我们的客户顺畅运营,以便他们的企业可以毫无顾虑地持续发展、继续生产并扩大规模。”

Ayla Networks 全球营销副总裁 Prashanth Shetty

FreakOut

FreakOut

FreakOut 是一家专注于数字广告的领先科技公司。该公司提供用于互联网广告的实时广告库存交易的产品以及网页浏览数据分析。FreakOut 利用机器学习来实现点击率 (CTR) 和转化率 (CVR) 预测。

“我们正在将机器学习训练环境从本地迁移到 Amazon SageMaker。Amazon SageMaker 为我们的业务提供了更具扩展性的解决方案。借助 Amazon SageMaker 的 Automatic Model Tuning 功能,我们可以根据自己的要求优化和估计高度准确的模型。”

FreakOut 首席技术官 Jiro Nishiguchi

发现更多 Amazon SageMaker 功能

访问功能页面
准备好开始使用了吗?
注册
还有更多问题?
联系我们