Gängige Anwendungsfälle

Hotels.com

Hotels.com ist ein führendes, global agierendes Hotelmarkenunternehmen, das über 90 lokalisierte Websites in 41 Sprachen betreibt.

"Bei Hotels.com suchen wir stets nach neuen Möglichkeiten, schneller voranzukommen, die neuesten Technologien zu nutzen und innovativ zu bleiben. Amazon SageMaker, das verteilte Training, die optimierten Algorithmen und die integrierten Hyperparameter-Funktionen ermöglichten es meinem Team, genauere Modelle anhand unserer größten Datensätzen rasch zu erstellen, wodurch die geschätzte Zeit bis zur Überführung eines Modells in die Produktion reduziert werden konnte. Das ist einfach ein API-Aufruf. Amazon SageMaker reduziert die Komplexität des maschinellen Lernens deutlich und ermöglicht es uns, unseren Kunden ein besseres Erlebnis zu bieten – und das schnell."

– Matt Fryer, VP und Chief Data Science Officer von Hotels.com und Expedia Affiliate Network

Thomson Reuters

Thomson Reuters ist die weltweit führende News- und Informationsquelle an den Arbeitsmärkten. 

"Wir entwickeln seit über 25 Jahren fortschrittliche maschinelle Lernfähigkeiten, um unseren Kunden Informationen zur Verfügung zu stellen, die es ihnen ermöglichen, ihre Arbeitsprozesse einfacher zu strukturieren und mehr Nutzen daraus zu ziehen. Die Zusammenarbeit mit Amazon SageMaker ermöglichte es uns, eine natürliche Sprachverarbeitung im Rahmen einer Anwendung zur Beantwortung von Fragen zu entwickeln. Unsere Lösung erforderte mehrere Iterationen von Deep-Learning-Konfigurationen in großem Maßstab, wobei die Eigenschaften von Amazon SageMaker intensiv genutzt wurden."

– Khalid Al-Kofahi, Thomson Reuters Center für AI und kognitive Datenverarbeitung


Intuit ist ein Betrieb und Finanz-Software-Unternehmen, das Finanz- und Buchhaltungssoftware sowie Software für die Erstellung von Steuererklärungen und damit verbundene Services für kleine Unternehmen, Steuerberater und Einzelpersonen entwickelt.

"Mit Amazon SageMaker können wir unsere Initiativen im Bereich der künstlichen Intelligenz in großem Maße beschleunigen, indem wir unsere Algorithmen auf der Plattform entwickeln und einsetzen. Wir erstellen neuartige, groß angelegte maschinelle Lern- und AI-Algorithmen und setzen diese auf der Plattform ein, um komplexe Probleme zu lösen und unsere Kunden erfolgreicher zu machen."

– Ashok Srivastava, Chief Data Officer bei Intuit

DigitalGlobe

Als weltweit führender Anbieter von hochauflösenden Erdbildern, Daten und Analysen arbeitet DigitalGlobe täglich mit riesigen Datenmengen.

"Als weltweit führender Anbieter von hochauflösenden Erdbildern, Daten und Analysen arbeitet DigitalGlobe täglich mit riesigen Datenmengen. DigitalGlobe erleichtert die Suche, den Zugriff auf und das Berechnen unserer gesamten 100-PB-Bildbibliothek, die in der AWS-Cloud gespeichert ist, um Deep Learning auf Satellitenbilder anzuwenden. Wir möchten Amazon SageMaker verwenden, um Modelle mit Erdbeobachtungsbild-Datensätzen im Petabytebereich zu trainieren, mit Hilfe von gehosteten Jupyter-Notebooks, sodass Benutzer der DigitalGlobe Geospatial Big Data Platform (GBDX) einfach einen Knopf drücken, ein Modell erstellen und alles in einer skalierbaren, verteilten Umgebung in großem Maßstab bereitstellen können."

- Dr. Walter Scott, Chief Technology Officer von Maxar Technologies und Gründer von DigitalGlobe


Dow Jones

Dow Jones & Co. ist in New York ansässig und ein globaler Anbieter von Nachrichten und Wirtschaftsinformationen, der Kunden und Unternehmen Inhalte über Zeitungen, Websites, mobile Apps, Video, Newsletter, Zeitschriften, proprietäre Datenbanken, Konferenzen und Radio bereitstellt.

"AWS war ein toller Partner, während sich Dow Jones weiterhin auf die Integration von Machine Learning in unsere Produkte und Services konzentriert hat. Im Vorfeld unseres Machine Learning Codefests, das kürzlich stattgefunden hat, wurden vom AWS-Team Schulungen für die Teilnehmer an der Einführung von Amazon SageMaker und Amazon Rekognition sowie ein Support-Tag für alle Teams angeboten. Das Ergebnis bestand darin, dass unsere Teams einige tolle Ideen dazu entwickeln konnten, wie wir Machine Learning anwenden können. Das ist eine von vielen Lösungen, an denen wir bei AWS weiterhin arbeiten. Die Veranstaltung war ein großer Erfolg und ist ein Beispiel dafür, wie eine erfolgreiche Partnerschaft aussehen kann."

– Ramin Beheshti, Group Chief Product und Technology Officer bei Dow Jones

Cookpad

Cookpad ist Japans größter Service für den Austausch von Koch- und Backrezepten mit ca. 60 Millionen Nutzern pro Monat in Japan und ca. 90 Millionen Nutzern pro Monat weltweit.

 

"Aufgrund der wachsenden Nachfrage nach einer einfacheren Verwendung des Rezept-Service von Cookpad erstellen unsere Datenwissenschaftler weitere Machine Learning-Modelle, um das Benutzererlebnis zu optimieren. Bei dem Versuch, die Anzahl der Trainingsdurchläufe für optimale Leistung zu minimieren, haben wir eine wichtige Herausforderung im Bereich der Entwicklung von ML-Inference-Endpunkten erkannt, die unseren Entwicklungsprozess verlangsamt hat. Zur Automatisierung der ML-Modell-Bereitstellung, mithilfe derer Datenwissenschaftler Modelle selbst bereitstellen könnten, haben wir die Inference APIs von Amazon SageMaker verwendet und bewiesen, dass mit Amazon SageMaker keine Anwendungsingenieure mehr für die Bereitstellung der ML-Modelle erforderlich wären. Wir kommen der Automatisierung dieses Prozesses mit Amazon SageMaker in der Produktion zuvor." 

– Yoichiro Someya, Research Engineer bei Cookpad


Grammarly

Die Algorithmen von Grammarly bieten Unterstützung beim Schreiben auf mehreren Plattformen über Geräte hinweg an. Zudem verhelfen sie täglich Millionen von Menschen zu einer effizienteren Kommunikation mittels einer Kombination aus der Verarbeitung natürlicher Sprache und fortschrittlichen Machine Learning-Technologien.

"Amazon SageMaker ermöglicht uns die Entwicklung unserer TensorFlow-Modelle in einer dezentralisierten Trainingsumgebung. Unsere Arbeitsabläufe lassen sich für die Vorverarbeitung auch in Amazon EMR integrieren. Damit können wir unsere Daten von Amazon S3 abrufen, mit EMR und Spark von einem Jupyter Notebook filtern und anschließend in Amazon SageMaker mit demselben Notebook trainieren. SageMaker ist auch in Hinblick auf unsere unterschiedlichen Produktionsanforderungen flexibel einsetzbar. Wir können Inferenzen in SageMaker ausführen oder wenn wir nur das Modell benötigen, laden wir es von S3 herunter und führen Inferenzen unserer Implementierungen auf mobilen Geräten für iOS- und Android-Kunden aus."

– Stanislav Levental, Technischer Leiter bei Grammarly

realtor.com

Das Move Inc.-Netzwerk, das realtor.com®, Doorsteps® und Moving.com™ umfasst, bietet auf mehreren Websites immobilienbezogene Informationen, Tools und Know-how. Darüber hinaus bietet es Kunden und Immobilienfachleuten mobile Erlebnisse.

"Wir glauben, dass Amazon SageMaker ein transformativer Zusatz zum realtor.com®-Toolset ist, da wir Kunden auf dem Weg zu Ihrem Eigenheim begleiten und unterstützen. Arbeitsabläufe für maschinelles Lernen, die sich historisch gesehen lange entwickelt haben, wie z. B. das Trainieren und Optimieren von Modellen, können effizienter und von einer breiteren Palette von Entwicklern ausgeführt werden. Dadurch können sich unsere Datenwissenschaftler und -analysten darauf konzentrieren, ein optimales Erlebnis für unsere Benutzer zu schaffen."

– Vineet Singh, Chief Data Officer und Senior Vice President bei Move Inc.


Tinder

Tinder ist mit 20 Milliarden Matches die beliebteste App weltweit, wenn es um das Kennenlernen anderer Personen geht.

"Hinter jeder Wischgeste bei Tinder versteckt sich ein System, das Millionen von Anfragen pro Minute, Milliarden von Wischgesten pro Tag und über mehr als 190 Länder hinweg verwaltet. Amazon SageMaker vereinfacht das maschinelle Lernen, indem unsere Entwicklerteams bei der Erstellung von Modellen für Vorhersagen unterstützt werden. Diese Modelle stellen neue Verbindungen her, die ansonsten nicht möglich gewesen wären."

– Elie Seidman, Chief Executive Officer von Tinder

Edmunds

Edmunds.com ist eine Fahrzeugmarkt-Website, die detaillierte, ständig aktualisierte Informationen über Fahrzeuge für 20 Millionen Besucher pro Monat bereitstellt.

"Wir haben eine strategische Initiative, der zufolge wir Machine Learning in die Hände unserer Ingenieure legen. Amazon SageMaker ist entscheidend für unser Ziel, Ingenieuren die Erstellung, das Trainieren und die Bereitstellung von Machine Learning-Modellen und -Algorithmen in jedem Umfang zu erleichtern. Wir freuen uns sehr, miterleben zu dürfen, wie Edmunds SageMaker zur Schaffung von Innovationen im gesamten Unternehmen für unsere Kunden einsetzt."

– Stephen Felisan, Chief Information Officer bei Edmunds.com


GE Healthcare

Durch die Nutzbarmachung von Daten und Analysen in den Bereichen Hardware, Software und Biotech transformiert GE Healthcare das Gesundheitswesen durch bessere Ergebnisse für Dienstleister und Patienten. 

 

"Mit Amazon SageMaker ist es GE Healthcare möglich, leistungsstarke Tools und Services aus dem Bereich künstlicher Intelligenz einzusetzen und damit eine verbesserte Patientenpflege zu fördern. Die Skalierbarkeit von Amazon SageMaker und die Möglichkeit, Amazon SageMaker in native AWS Services zu integrieren, bedeutet einen enormen Mehrwert für uns. Wir freuen uns sehr darüber, dass wir durch die andauernde Zusammenarbeit zwischen der GE Health Cloud und Amazon SageMaker für verbesserte Ergebnisse bei unseren Partnern im Gesundheitswesen sorgen und eine verbesserte Patientenpflege vorantreiben können."

– Sharath Pasupunuti, AI Engineering Leader, GE Healthcare

Zendesk

Zendesk entwickelt Software für bessere Kundenbeziehungen. Es ermöglicht anderen Unternehmen, den Kundendialog zu verbessern und hilft ihnen dabei, ihre Kunden besser zu verstehen. Über 94 000 Konten von zahlenden Kunden in über 150 Ländern und Gebieten verwenden Produkte von Zendesk.

"Amazon SageMaker senkt unsere Kosten und erhöht die Geschwindigkeit für den Einsatz von maschinellen Lernprozessen. Mit Amazon SageMaker können wir von unserer bestehenden selbstverwalteten TensorFlow-Bereitstellung zu einem vollständig verwalteten Service übergehen. Amazon SageMaker ermöglicht uns außerdem einen leichteren Zugang zu anderen gängigen Systemen für Deep Learning und unterstützt uns gleichzeitig bei der Verwaltung der Infrastruktur für die Erstellung, Schulung und Bereitstellung unserer Modelle."

– David Bernstein, Director of Strategic Technology, Zendesk

 


Atlas Van Lines

Atlas Van Lines ist die zweitgrößte Umzugsfirma in Nordamerika. Das Unternehmen wurde 1948 von einer Unternehmergruppe aus der Umzugs- und Lagerbranche gegründet. Das Ziel des Unternehmens besteht seit seiner Gründung darin, Umzüge von einer Küste bis zur anderen anzubieten und dabei die goldene Geschäftsregel einzuhalten. Atlas Van Lines verfügt nicht nur über ein kerniges Profil, sondern übertrumpft seine Mitbewerber in der Branche auch durch seine strengen Qualitätsanforderungen an seine Mitarbeiter.

In der Umzugshauptsaison arbeitet das Netzwerk aus Atlas-Mitarbeitern über verschiedene Märkte hinweg zusammen, um die Kundenanforderungen zu erfüllen. Ursprünglich erfolgte die Vorhersage der Kapazitäten manuell und war arbeitsaufwendig. Das Unternehmen vertraute damals auf das Bauchgefühl und die Erfahrung der langjährigen Mitarbeiter. Atlas hatte historische Daten ab dem Jahr 2011 und wollte einen Weg finden, die Kapazität und den Preis anhand von zukünftigen Marktanforderungen dynamisch anpassen zu können.

Daraufhin arbeitete Atlas mit dem APN Premier Consulting Partner Pariveda Solutions zusammen, um diese Möglichkeit für ein aktives Kapazitäts- und Preismanagement in der Branche der Langstrecken-Umzüge zu erschließen. Pariveda hat die Daten vorbereitet, ein Machine Learning-Modell entwickelt, es bewertet und dabei die Leistung angepasst. Zum Trainieren und Optimieren des Modells wurde Amazon SageMaker eingesetzt. Anschließend wurde der modulare Aufbau von Amazon SageMaker für die Ausführung von Amazon EC2 genutzt.

Regit

Regit war ehemals unter dem Namen Motoring.co.uk bekannt, ist ein Technikunternehmen aus der Automobilindustrie und der führende Online-Service für Autofahrer in Großbritannien. Das Unternehmen bietet digitale Services für die Autoverwaltung an, die auf dem Nummernschild des entsprechenden Fahrzeugs basieren und versorgen Fahrer mit informativen Mitteilungen, z. B. zu Steuern vom Verkehrsministerium, zur Versicherung und zu Rückrufen.

Regit hat mit Peak Business Insight, einem APN Advanced Consulting Partner, zusammengearbeitet und dabei "Kategorische Machine Learning-Modelle" angewendet, die sowohl Kategoriedaten und variable Daten gleichzeitig verarbeiten, um so Vorhersagen über die Wahrscheinlichkeit treffen zu können, mit der Benutzer Fahrzeuge wechseln. Der Einsatz dieser Modelle hat sich für Regit ausgezahlt.

Peak hat AWS-Services, wie z. B. Amazon SageMaker für eine Datenaufnahme in Echtzeit, die Modellerstellung und die Datenausgabe eingesetzt. Amazon SageMaker verarbeitet 5 000 API-Anfragen pro Tag für Regit, nimmt eine nahtlose Skalierung und Anpassung an die Datenanforderungen vor und verwaltet die Lead-Scoring-Ergebnisse. Amazon Redshift und Amazon Elastic Compute Cloud (Amazon EC2)-Instances sorgen für die effiziente und kontinuierliche Optimierung der Modellleistung und Ergebnisse. Mithilfe von Peak konnte Regit vorhersagen, welche seiner 2,5 Millionen Nutzer ihr Fahrzeug wechseln würden und zu welchem Zeitpunkt. Das heißt, das Unternehmen kann Kunden personalisierter und gezielter beraten. Dadurch sind die Call Center-Umsätze um mehr als ein Viertel gestiegen.


Sportograf

Wie Leistungssportler aus verschiedenen Disziplinen hat auch Sportograf eine natürliche Affinität zu Sport. Die Mission von Sportograf besteht darin, die Leistung jedes Sportlers mit Bildern in professioneller Qualität zu honorieren und der Person damit Respekt zu erweisen.

"Da Millionen von Bildern bei Sportereignissen entstehen, bestand die größte Herausforderung für uns darin, Fotos mit hoher Geschwindigkeit und akkurat nach Startnummer zu ordnen. Auf der Suche nach einer Lösung für dieses Problem hat Sportograf sich gegen die Arbeit mit speziellen QR-Codes und andere Markierungen entschieden, da diese zu einem langen und komplexen Arbeitsablauf führen. Damit wäre es für uns unmöglich, spontan auf Kundenanfragen zu reagieren. Um sich dieser Herausforderung anzunehmen wurden Amazon Rekognition für die Text-Erkennung und Amazon SageMaker eingesetzt. Damit konnten wir unsere eigene Machine Learning-Lösung entwickeln und die Startnummern der Läufer besser identifizieren – und das beinahe in Echtzeit."

– Tom Janas, Managing Director, Sportograf

MLB Statcast

Major League Baseball (MLB) ist die geschichtsträchtigste Profi-Sportliga der Vereinigten Staaten und besteht aus 30 Mitgliedsvereinen in den USA und Kanada, die das höchste Niveau des professionellen Baseballs repräsentieren. Statcast ist eine hochmoderne Tracking-Technologie, die von der MLB eingeführt wurde und die es ermöglicht, eine riesige Menge an Baseballdaten auf eine Weise zu sammeln und zu analysieren, die in der Vergangenheit nicht möglich war.  

Die breite Palette der Cloud-basierten maschinellen Lerndienste von AWS wird es der MLB ermöglichen, die manuellen, zeitintensiven Verfahren, die mit der Führung von Aufzeichnungen und Statistiken verbunden sind, wie z.B. die Punkteerfassung, die Erfassung von Spielnoten und die Klassifizierung von Spielfeldern, abzuschaffen. Mit dem Einsatz von Amazon SageMaker unterstützt MLB seine Entwickler und Datenwissenschaftler bei der Automatisierung dieser Aufgaben, da sie lernen, schnell und einfach maschinelle Lernmodelle im Maßstab 1:1 zu erstellen, zu trainieren und einzusetzen.

MLB und Amazon ML Solutions Lab verwenden Amazon SageMaker, um zu testen, wie genau sie die Würfe vorhersagen können, indem sie den Werfer, den Schläger, den Fänger und die Situation bewerten, um den Typ und die Position des nächsten Wurfes vorherzusagen. MLB beabsichtigt auch, Amazon SageMaker und den natürlichen Sprachverarbeitungsdienst Amazon Comprehend zu nutzen, um ein Sprachmodell zu entwickeln, das eine Analyse für Live-Spiele im Ton und Stil von Kultmoderatoren erstellen würde, um diese individuelle Eigenart einer Sendung zu erfassen, die Baseballfans kennen und schätzen.


Celgene

Celgene ist ein globales biopharmazeutisches Unternehmen, das sich der Verbesserung des Lebens von Patienten weltweit verschrieben hat. Der Schwerpunkt liegt auf der Entdeckung, Entwicklung und Vermarktung innovativer Therapien für Patienten mit Krebs, immunentzündlichen und anderen unerfüllten medizinischen Bedürfnissen.

“Bei Celgene ist es unsere Vision, wirklich innovative und lebensverändernde Behandlungen anzubieten und das Leben der Patienten weltweit zu verbessern. Mit Amazon SageMaker und Apache MXNet war die Entwicklung und das Trainieren von Modellen für das tiefgehende Lernen zur Entwicklung von Lösungen und Verfahren schneller und einfacher als zuvor, und wir sind in der Lage, unsere Bemühungen, Behandlungen zu entdecken und Medikamente herzustellen, leicht zu skalieren. Die Verwendung von SageMaker und Amazon EC2 P3-Instanzen hat unsere Übungszeit-Modelle und unsere Produktivität beschleunigt, so dass sich unser Team auf bahnbrechende Forschung und Entdeckung konzentrieren kann.”

– Lance Smith, Direktor, Celgene

Zocdoc

Zocdoc bietet Endverbrauchern eine Suche für die medizinische Versorgung mit einer integrierten Lösung über Informationen zu Arztpraxen und individuellen Arztplänen. Der Schwerpunkt liegt auf den Bedürfnissen der Patienten und auf die Bereitstellung der besten Erfahrung in der gesundheitlichen Betreuung.

“Bei Zocdoc liegt unser Schwerpunkt darauf, es den Patienten zu erleichtern, den richtigen Arzt zu finden und einen Termin zur günstigsten Zeit am günstigsten Ort zu vereinbaren. Bei den Zocdoc-Ingenieuren herrscht große Begeisterung darüber, wie einfach es ist, Modelle mit Amazon SageMaker schnell zu erstellen, zu trainieren und einzusetzen. Einer unserer mobilen Ingenieure war in der Lage, ein Arzt-Spezialempfehlungsmodell an weniger als einem Tag von Grund auf neu zu trainieren und einzusetzen, welches wir schließlich in die Produktion überführten. Zuvor musste unser Datenwissenschaftlerteam zur Entwicklung jeglicher Modellarbeit beitragen, was die Produktteams verlangsamte. Mit Amazon SageMaker können wir dies vom Konzept bis zur Produktion viel schneller erreichen, dank der Einfachheit der optimierten durchgehenden Kapazitäten von SageMaker."

Entdecken Sie weitere Amazon SageMaker-Funktionen

Funktionsübersicht anzeigen
Sind Sie startbereit?
Registrieren
Haben Sie Fragen?
Kontakt