Vea cómo las organizaciones líderes en todo el mundo utilizan Amazon SageMaker para crear, entrenar e implementar modelos de aprendizaje automático. 

Intuit

Intuit es una compañía de software empresarial y financiero que desarrolla y vende software financiero, contable y de preparación de impuestos, además de servicios relacionados para pequeñas empresas, contadores y particulares.

“Con Amazon SageMaker, podemos agilizar nuestras iniciativas de inteligencia artificial a escala mediante la creación y la implementación de nuestros algoritmos en la plataforma. Crearemos novedosos algoritmos de inteligencia artificial y de aprendizaje automático a gran escala y los implementaremos en esta plataforma para resolver problemas complejos que puedan traer prosperidad a nuestros clientes”.

Ashok Srivastava, director de datos de Intuit

GE Healthcare

GE Healthcare

Con el aprovechamiento de datos y análisis en hardware, software y biotecnología, GE Healthcare transforma los servicios de salud mediante el suministro de mejores resultados a proveedores y pacientes. 

“Amazon SageMaker permite a GE Healthcare obtener acceso a los servicios y las herramientas de inteligencia artificial eficientes para lograr un mejor cuidado de los pacientes. La escalabilidad de Amazon SageMaker y su capacidad de integrarse a los servicios de AWS nativos agrega un valor enorme para nosotros. Estamos ansiosos por ver de qué manera la colaboración continua entre GE Health Cloud y Amazon SageMaker impulsará mejores resultados para nuestros socios proveedores de servicios de salud y brindará un mejor cuidado de los pacientes”.

Sharath Pasupunuti, jefe de Ingeniería de inteligencia artificial de GE Healthcare

ADP, Inc.

ADP es una empresa líder mundial en tecnología que ofrece soluciones de administración de capital humano (HCM). ADP DataCloud aprovecha los datos inigualables de la fuerza laboral de ADP de más de 30 millones de empleados para brindar información procesable que pueda ayudar a los ejecutivos a tomar decisiones en tiempo real para administrar mejor sus negocios.

“Retener y atraer talento es difícil, por eso continuamos mejorando ADP DataCloud con capacidades de inteligencia artificial para ayudar a los empleados a mantener equipos fuertes. Utilizamos el aprendizaje automático de AWS, incluido Amazon SageMaker, para identificar rápidamente los patrones de la fuerza laboral y predecir los resultados antes de que sucedan, por ejemplo, la rotación de empleados o el impacto de un aumento en la compensación. Por aprovechar AWS como nuestra plataforma principal para inteligencia artificial y aprendizaje automático, hemos reducido el tiempo para implementar modelos de aprendizaje automático de 2 semana a solo 1 día”.

Jack Berkowitz, vicepresidente senior de Desarrollo de Productos, ADP, Inc.

Cerner

Cerner

Cerner Corporation es una compañía mundial de salud y tecnología que ofrece distintas soluciones, servicios, dispositivos y hardware de tecnología de información de salud (HIT, Health Information Technology).

“Cerner se enorgullece de impulsar la innovación de la inteligencia artificial y del aprendizaje automático en una gran variedad de experiencias clínicas, financieras y operativas. A través de las nuevas capacidades creadas por el Ecosistema de Machine Learning y el Procesamiento de lenguaje natural de Cerner, y gracias a nuestra colaboración con AWS, aceleramos la innovación escalable para todos nuestros clientes. Amazon SageMaker es un componente importante que permite a Cerner cumplir el objetivo de brindar valor a los clientes a través de la inteligencia artificial y del aprendizaje automático. Además, Amazon SageMaker proporciona a Cerner la capacidad de aprovechar diferentes marcos, como TensorFlow y PyTorch, así como la capacidad de integrarse con varios servicios de AWS”.

Doctor Sasanka Are, vicepresidente de Cerner

Dow Jones

Dow Jones

Dow Jones & Co. es un proveedor internacional de noticias e información empresarial que distribuye contenido a consumidores y organizaciones a través de periódicos, sitios web, aplicaciones móviles, videos, boletines, revistas, bases de datos patentadas, conferencias y emisiones radiales.

“Como en Dow Jones continuamos enfocándonos en la integración del aprendizaje automático en nuestros productos y servicios, AWS ha sido un excelente socio para ese proceso. Con una experiencia que culminó en nuestro reciente hackathon de Machine Learning, el equipo de AWS suministró formación técnica a los participantes acerca de Amazon SageMaker y Amazon Rekognition, además de ofrecer soporte en el mismo día a todos los equipos. El resultado fue que nuestros equipos desarrollaron ideas excelentes acerca de cómo podemos aplicar el aprendizaje automático. Continuaremos desarrollando muchas de estas ideas en AWS. El evento fue un éxito rotundo y una muestra de cómo puede funcionar una colaboración excelente”.

Ramin Beheshti, director grupal de Tecnología y Productos de Dow Jones

Advanced Microgrid Solutions

Advanced Microgrid Solutions

Advanced Microgrid Solutions (AMS) es una compañía de servicios y plataforma del sector energético cuyo objetivo es agilizar la transformación mundial en pos de una economía basada en energías limpias. Para ello, facilita la implementación y optimización de activos para energías limpias. La NEM utiliza un mercado de subastas en el cual todas las partes realizan ofertas para consumir o proveer energía cada 5 minutos. La tarea implica predecir la demanda y sugerir ofertas dinámicas en cuestión de minutos, al mismo tiempo que se procesan grandes volúmenes de datos de mercado. A fin de resolver este desafío, AMS creó un modelo de aprendizaje profundo mediante el uso de TensorFlow on Amazon SageMaker. Aprovecharon el ajuste automático de modelos de Amazon SageMaker para encontrar los mejores parámetros de modelos y crear un modelo propio en semanas. El modelo mostró mejoras en previsiones de mercado para todos los productos energéticos en la medición de energía neta, lo que se traducirá en un incremento significativo de la eficiencia.

ProQuest

ProQuest

ProQuest reúne la colección más grande del mundo de revistas, libros electrónicos, fuentes primarias, tesis, noticias y videos. Además, crea soluciones de flujo de trabajo eficientes que ayudan a las bibliotecas a hacer crecer sus colecciones. Los productos y servicios de ProQuest se usan en bibliotecas académicas, escolares, K-12, públicas, corporativas y gubernamentales en 150 países.

“Colaboramos con AWS para crear una experiencia de usuario de videos más atractiva para los patrones de biblioteca, y así lograr que sus búsquedas devuelvan resultados más relevantes. Mediante AWS ML Solutions Lab, probamos diferentes algoritmos usando Amazon SageMaker, realizamos ajustes sobre los modelos usando optimización de hiperparámetros y automatizamos la implementación de modelos de aprendizaje automático. Estamos muy contentos con los resultados hasta el momento, y actualmente tenemos en cuenta las tecnologías de aprendizaje automático para otros productos”.

Allan Lu, vicepresidente de Herramientas de Búsqueda, Servicios y Plataformas de ProQuest

Celgene

Celgene

Celgene es una empresa biofarmacéutica global que tiene el compromiso de mejorar la calidad de vida de los pacientes en todo el mundo. Su objetivo es el descubrimiento, el desarrollo y la comercialización de terapias innovadoras para pacientes con cáncer, enfermedades inmunoinflamatorias u otras necesidades de índole médica insatisfechas.

“En Celgene, buscamos ofrecer tratamientos realmente innovadores que ayuden a cambiar y mejorar la vida de los pacientes alrededor del mundo. Con Amazon SageMaker y Apache MXNet, se han facilitado y agilizado las tareas de crear y entrenar modelos de aprendizaje profundo para desarrollar soluciones y procesos. Además, podemos ampliar nuestros esfuerzos con facilidad para descubrir tratamientos y producir medicamentos. El uso de las instancias de SageMaker y Amazon EC2 P3 ha acelerado nuestros modelos de tiempo de entrenamiento y la productividad, lo que permite a nuestro equipo centrarse en investigaciones y descubrimientos revolucionarios”.

Lance Smith, director de Celgene

Thomson Reuters

Thomson Reuters

Thomson Reuters es la fuente de noticias e información líder a nivel mundial destinada a los mercados de profesionales. 

“Durante más de 25 años hemos desarrollado capacidades de aprendizaje automático avanzadas para extraer, conectar, optimizar, organizar y entregar información a nuestros clientes, lo que les permite simplificar y obtener más valor a partir de su trabajo. Trabajar con Amazon SageMaker nos permitió diseñar una capacidad de procesamiento de lenguaje natural en el contexto de una aplicación de respuesta a preguntas. Nuestra solución requirió varias iteraciones de configuraciones de aprendizaje profundo a escala con capacidades de Amazon SageMaker”.

Khalid Al-Kofahi, Inteligencia Artificial e Informática Cognitiva, Centro de Thomson Reuters

Zalando

Zalando es la plataforma en línea líder de Europa para la moda y el estilo de vida con más de 28 millones de clientes activos en 17 mercados, que ofrece ropa, calzado, accesorios y belleza.

“Los valores de Zalando giran en torno al enfoque en el cliente, la velocidad, el espíritu empresarial y el empoderamiento. Decidimos estandarizar nuestras cargas de trabajo de aprendizaje automático en AWS para mejorar las experiencias de los clientes, brindar a nuestro equipo las herramientas y procesos para ser más productivos, y potenciar nuestro negocio. Con Amazon SageMaker, Zalando puede manejar mejor las campañas, generar atuendos personalizados y entregar mejores experiencias a nuestros clientes. Con esta solución impulsada por AWS, la productividad de nuestros ingenieros y científicos de datos ha aumentado en un 20 %”.

Rodrigue Schäfer, Director de Fundación Digital, Zalando

Atlas Van Lines

Atlas Van Lines

Atlas Van Lines es la segunda compañía de transporte más grande de América del Norte, creada en 1948 por un grupo de emprendedores pertenecientes a la industria del traslado y el almacenamiento. La organización se creó con la única meta de realizar traslados de una costa a la otra respetando la regla de oro del negocio. Además de una presencia sólida, Atlas cuenta con requisitos de calidad de agentes estrictos que exceden a los de la industria.

Durante las temporadas altas, la red de agentes de Atlas trabaja de manera conjunta en todos los mercados para satisfacer las demandas de los clientes. Tradicionalmente, su capacidad para predecir la capacidad era manual y muy ardua. Confiaban en el conocimiento e instinto de recursos con muchos años de experiencia. Atlas contaba con los datos históricos desde 2011 en adelante y deseaba encontrar una manera de ajustar la capacidad y los precios de manera dinámica en función de las demandas futuras del mercado.

Atlas trabajó con Pariveda Solutions, un socio consultor preferente de APN, que lo ayudó a destrabar la posibilidad de administrar los precios y la capacidad de manera proactiva en la industria del transporte de larga distancia. Pariveda preparó los datos, desarrolló y evaluó el modelo de Machine Learning, y ajustó el desempeño. Usaron Amazon SageMaker para entrenar y optimizar el modelo y, luego, lo exportaron con la capacidad modular de Amazon SageMaker para poder ejecutarlo con Amazon EC2.

Tinder

Tinder

Con más de 20 mil millones de combinaciones hasta la fecha, Tinder es la aplicación para conocer nuevas personas más popular del mundo.

“Detrás de cada deslizamiento en Tinder hay un sistema que administra millones de solicitudes por minuto, miles de millones de deslizamientos por día, en más de 190 países. Amazon SageMaker simplifica el aprendizaje automático y ayuda a nuestros equipos de desarrollo a crear modelos para predicciones que generan nuevas conexiones que no hubieran sido posibles de otra forma”.

Elie Seidman, director ejecutivo de Tinder

Edmunds

Edmunds

Edmunds.com es un sitio web de venta de vehículos que ofrece información sobre vehículos detallada y actualizada constantemente a más de 20 millones de visitantes al mes.

“Tenemos una iniciativa estratégica para poner el aprendizaje automático al alcance de todos nuestros ingenieros. Amazon SageMaker es clave para ayudarnos a cumplir esta meta, ya que facilita que los ingenieros puedan crear, entrenar e implementar modelos y algoritmos de aprendizaje automático a escala. Estamos ansiosos por ver de qué manera Edmunds usará SageMaker a fin de crear nuevas soluciones en la organización para nuestros clientes”.

Stephen Felisan, director de Información de Edmunds.com

Hotels.com

Hotels.com

Hotels.com es una marca de alojamiento internacional líder que cuenta con 90 sitios web localizados en 41 idiomas.

“En Hotels.com, siempre estamos interesados en diferentes maneras de agilizar las tareas, aprovechar las últimas tecnologías y conservar nuestro espíritu innovador. Con Amazon SageMaker, el entrenamiento distribuido, los algoritmos optimizados y las características de hiperparámetros integradas deberían permitir a mi equipo crear rápidamente modelos más precisos en nuestros conjuntos de datos más grandes, lo que reduce considerablemente el tiempo necesario para implementar un modelo en producción. Es tan solo una llamada a la API. Amazon SageMaker reducirá de manera significativa la complejidad del aprendizaje automático, lo que nos permitirá crear una mejor experiencia para nuestros clientes rápidamente”.

Matt Fryer, vicepresidente y director científico de datos de Hotels.com y Expedia Affiliate Network

formosa-plastics-600x400

Formosa Plastics

Formosa Plastics Corporation es un proveedor en crecimiento de integración vertical de resinas plásticas y productos petroquímicos. Formosa Plastics ofrece una línea completa de resinas de cloruro de polivinilo, polietileno y polipropileno, soda cáustica y otros productos petroquímicos que brindan la consistencia, el rendimiento y la calidad que exigen los clientes.

“Formosa Plastics es una de las principales compañías petroquímicas de Taiwán y se encuentra entre los principales fabricantes de plásticos del mundo. Decidimos explorar el Machine Learning para permitir una detección más precisa de defectos y reducir los costos de mano de obra manual. Por lo tanto, recurrimos a AWS como nuestro proveedor de nube preferido para ayudarnos a hacerlo. AWS ML Solutions Lab trabajó con nosotros en cada paso del proceso, desde un taller de descubrimiento para definir los casos de uso empresarial, hasta la creación y selección de los modelos de ML apropiados para la implementación real. Mediante el uso de Amazon SageMaker, la solución de aprendizaje automático redujo a la mitad el tiempo que nuestros empleados dedicaban a la inspección manual. Con la ayuda de Solutions Lab, ahora podemos optimizar el modelo de SageMaker nosotros mismos y seguir avanzando a medida que cambian las condiciones”.

Bill Lee, vicepresidente adjunto de Formosa Plastics Corporation

Voodoo

Voodoo es una empresa líder en juegos móviles con más de 2 mil millones de descargas de juegos y más de 400 millones de usuarios activos mensuales (MAU). Ellos ejecutan su propia plataforma de publicidad y usan el aprendizaje automático para mejorar la precisión y la calidad de las ofertas publicitarias que se muestran a sus usuarios.

“En Voodoo, necesitamos mantener una base de jugadores cada vez más activa y comprometida. Por estandarizar nuestras cargas de trabajo de inteligencia artificial y aprendizaje automático en AWS, podemos iterar al ritmo y la escala que necesitamos para seguir haciendo crecer nuestro negocio e involucrar a nuestros jugadores. Con Amazon SageMaker, podemos decidir en tiempo real qué anuncio se debe mostrar a nuestros jugadores e invocar nuestro punto de enlace más de 100 millones de veces por más de 30 millones de usuarios diariamente, esto representa cerca de mil millones de predicciones por día. Con el aprendizaje automático de AWS, pudimos poner en producción un modelo preciso en menos de una semana, con el apoyo de un pequeño equipo, y pudimos construir sobre él continuamente a medida que nuestro equipo y nuestro negocio crecen”.

Aymeric Roffé, Director de Tecnología, Voodoo

Zendesk

Zendesk

Zendesk crea software para mejorar las relaciones con los clientes. Ayuda a las organizaciones a mejorar las interacciones con los clientes y a comprenderlos mejor. Más de 94 000 cuentas de clientes pagas en más de 150 países y territorios usan los productos de Zendesk.

“Amazon SageMaker reducirá nuestros costos y aumentará la velocidad de uso del aprendizaje automático. Con Amazon SageMaker, podemos cambiar nuestra implementación de TensorFlow autoadministrada existente por un servicio completamente administrado. Amazon SageMaker también nos ofrece un acceso más sencillo a otros marcos de aprendizaje profundo conocidos, al mismo tiempo que administra la infraestructura para la creación, el entrenamiento y el suministro de nuestros modelos”.

David Bernstein, director de Tecnología Estratégica de Zendesk

Regit

Regit

Regit, anteriormente denominado Motoring.co.uk, es una empresa de tecnología automotriz y el servicio online para motoristas líder en el Reino Unido. Prestan servicios de administración digital de automóviles a partir de las patentes y suministran a los conductores avisos informativos sobre recordatorios, seguros e impuestos del Ministerio de Transporte (MOT).

Regit trabajó con Peak Business Insight, un socio consultor avanzado de APN, para implementar “modelos de Machine Learning categóricos” a fin de gestionar categorías y datos de variables de forma simultánea para generar predicciones sobre la probabilidad de que los usuarios cambien sus automóviles, lo que resulta en una venta para Regit.

Peak usó servicios de AWS, como Amazon SageMaker, para la incorporación, el modelado y la generación de datos en tiempo real. Amazon SageMaker gestiona 5000 solicitudes a la API por día para Regit. Para ello, ajusta la escala y se adapta a los requisitos de datos relevantes ininterrumpidamente y administra la entrega de resultados de clasificaciones principales. Simultáneamente, instancias de Amazon Redshift y Amazon Elastic Compute Cloud (Amazon EC2) optimizan de manera eficiente y continua los resultados y el desempeño de los modelos. Con Peak, Regit logró predecir cuáles de sus 2,5 millones de usuarios cambiarán sus automóviles y cuándo. Eso significa que pueden atender a los clientes de una manera más personalizada y enfocada, lo que incrementa los ingresos del centro de atención telefónica en más de un 25 %.

Zocdoc

Zocdoc

Zocdoc ofrece a los usuarios finales una solución integrada de búsqueda de atención médica con información sobre las prácticas médicas y los horarios individuales de los médicos. Se centra en las necesidades de los pacientes y en la prestación de la mejor experiencia de servicios de la salud.

“En Zocdoc, nuestro objetivo es facilitar a los pacientes la búsqueda del médico adecuado y la programación de citas a la hora y en el lugar más convenientes. Los ingenieros de Zocdoc están muy entusiasmados con lo fácil que es construir, entrenar e implementar modelos rápidamente con Amazon SageMaker. Uno de nuestros ingenieros móviles logró entrenar e implementar desde cero y en menos de un día un modelo de recomendación de especialidades médicas, que luego pusimos en producción. En un principio, el equipo de ciencia de datos debía intervenir en el desarrollo de cualquier trabajo con modelos, lo que ralentizaba el trabajo de los equipos de productos. Gracias a Amazon SageMaker, el proceso desde el concepto hasta la producción es mucho más rápido, debido a las funciones optimizadas e integrales de SageMaker”.
Realtor.com

Realtor.com

La red Move, Inc., que incluye realtor.com®, Doorsteps® y Moving.com™, suministra información, herramientas y conocimientos profesionales sobre bienes raíces en una familia de sitios web y experiencias móviles destinada a consumidores y profesionales del sector de bienes raíces.

“Creemos que Amazon SageMaker es una incorporación transformadora para el conjunto de herramientas de realtor.com® destinadas a asistir a los consumidores en su camino para convertirse en propietarios de sus hogares. Los flujos de trabajo de aprendizaje automático, que históricamente demoraban mucho tiempo, como el entrenamiento y la optimización de modelos, pueden realizarse con mayor eficiencia y quedar a cargo de un conjunto más amplio de desarrolladores, lo que permite a nuestros científicos de datos y analistas enfocarse en la creación de la experiencia más enriquecedora para nuestros usuarios”.

Vineet Singh, director de datos y vicepresidente sénior de Move, Inc.

Grammarly

Grammarly

Los algoritmos de Grammarly ayudan diariamente a millones de personas a comunicarse de una manera más eficiente a través de asistencia de escritura en varias plataformas mediante dispositivos, con una combinación de procesamiento de lenguaje natural y tecnologías de aprendizaje automático avanzadas.

“Amazon SageMaker nos permite desarrollar nuestros modelos de TensorFlow en un entorno de entrenamiento distribuido. Nuestros flujos de trabajo también se integran con Amazon EMR para tareas de preprocesamiento a fin de que podamos extraer los datos de Amazon S3, filtrados con EMR y Spark a partir de un bloc de notas de Jupyter y, a continuación, realizar el entrenamiento en Amazon SageMaker con el mismo bloc de notas. SageMaker también es flexible para nuestros diferentes requisitos de producción. Podemos ejecutar inferencias en el mismo SageMaker o, si solo necesitamos el modelo, lo descargamos de S3 y ejecutamos las inferencias de nuestras implementaciones de dispositivos móviles para clientes que usan iOS y Android”.

Stanislav Levental, líder técnico de Grammarly

Slice Labs

Slice Labs, con su sede en Nueva York y operaciones en todo el mundo, es el primer proveedor de seguros bajo demanda para plataformas en la nube. Slice ofrece sus servicios al mercado de negocio a consumidor (B2C) con ofertas de seguros individuales bajo demanda, y al mercado B2B permitiendo a las empresas crear productos de seguros digitales intuitivos.

“En Slice, somos muy conscientes de la naturaleza cambiante de las necesidades en materia de seguros de los clientes. Por lo tanto, elegimos a AWS como nuestra plataforma en la nube debido a su amplia gama de servicios, flexibilidad y reputación sólida entre las aseguradoras. Utilizamos una amplia variedad de servicios de AWS para respaldar nuestro negocio, incluido AWS Machine Learning a fin de ayudar a conectar a los clientes con las mejores opciones de seguro en función de sus necesidades. En nuestro trabajo con aseguradoras y compañías tecnológicas que buscan construir y lanzar productos de seguros inteligentes, hemos visto ahorros enormes en costos y beneficios de productividad con AWS. Por ejemplo, hemos reducido el tiempo de adquisición en un 98 %, de 47 días a 1 día. Nos complace continuar expandiéndonos geográficamente y en términos de nuestro uso de la nube con AWS”.

Philippe Lafreniere, director principal de crecimiento - Slice Labs

DigitalGlobe

DigitalGlobe

Como proveedor líder a nivel mundial de análisis, datos e imágenes terrestres de alta resolución, DigitalGlobe trabaja diariamente con grandes volúmenes de datos.

“Como proveedor líder a nivel mundial de análisis, datos e imágenes terrestres de alta resolución, DigitalGlobe trabaja diariamente con grandes volúmenes de datos. DigitalGlobe facilita a las personas encontrar, obtener acceso y ejecutar operaciones de cómputo en nuestra biblioteca de imágenes completa de 100 PB, que se almacena en la nube de AWS, para poder implementar procesos de aprendizaje profundo en imágenes satelitales. Nuestro objetivo es utilizar Amazon SageMaker para entrenar modelos en petabytes de conjuntos de datos de imágenes de observación de la Tierra con blocs de notas de Jupyter alojados, para que los usuarios de la plataforma de big data geoespacial (GBDX) de DigitalGlobe puedan pulsar un botón, crear un modelo e implementar todo en un único entorno distribuido ajustable a escala”.

Dr. Walter Scott, director de tecnología de Maxar Technologies y fundador de DigitalGlobe

Intercom

Intercom

Los productos de mensajería de Intercom se integran sin inconvenientes con los sitios web y las aplicaciones móviles de otras compañías para ayudarlos a adquirir y atraer clientes y brindarles apoyo. La empresa, fundada en 2011, tiene oficinas en San Francisco, Londres, Chicago y Dublín.

“En Intercom, tenemos un equipo en expansión de científicos de datos y de ingenieros orientados a los datos, y frecuentemente deseamos iterar de manera rápida y explorar soluciones nuevas para los productos basados en los datos. Antes de Amazon SageMaker, probamos muchas opciones diferentes para diseñar estos productos, pero cada una de ellas vino acompañada de desafíos: compartir códigos era difícil, hacer pruebas en conjuntos de datos grandes era lento y aprovisionar y administrar el hardware por nuestra cuenta era problemático. SageMaker llegó y solucionó todos nuestros problemas. Lo usamos en particular con el objeto de desarrollar algoritmos para nuestras plataformas de búsqueda y características de aprendizaje automático, y descubrimos que los Jupyter Notebook alojados de SageMaker nos permiten crear e iterar rápidamente. Esencialmente, el hecho de que SageMaker sea un servicio administrado permite que mi equipo se centre en las tareas del momento. Amazon SageMaker es un servicio extremadamente valioso para nosotros en Intercom, y nos complace continuar utilizándolo cada vez más a medida que nuestra empresa crece”.

Kevin McNally, científico de datos sénior de Machine Learning de Intercom

Kinect Energy Group

Kinect Energy Group

Kinect Energy Group es una subsidiaria de World Fuel Services, una compañía de la lista Fortune 100 que brinda servicios de asesoría para la adquisición de energía, cumplimiento de suministros y soluciones de gestión de transacciones y pagos a clientes comerciales e industriales, principalmente en las industrias de aviación, transporte marítimo y terrestre. Kinect Energy es un proveedor de energía clave de los países nórdicos y depende de los recursos naturales de energía que ofrece el clima ventoso de la región.

El negocio se ha catapultado recientemente con la introducción de una serie de servicios de AI/ML de AWS. Con Amazon SageMaker, la compañía puede predecir las próximas tendencias climáticas y, por lo tanto, los precios de la electricidad de los próximos meses, lo que posibilita un comercio de energía a largo plazo sin precedentes que representa un enfoque de vanguardia líder en la industria.

“Comenzamos a utilizar Amazon SageMaker y, con la ayuda del equipo de AWS ML Solutions y del equipo de arquitectura de soluciones, tomamos impulso con el Innovation Day y el impacto ha sido tremendo desde entonces. Hemos desarrollado nuestro propio equipo de IA varias veces para aprovechar al máximo las nuevas ventajas que ofrecen las tecnologías de AWS. Nos estamos beneficiando de nuevas formas al establecer precios basados en el clima que aún no ha ocurrido. Le hemos apostado todo a AWS, incluido el almacenamiento de nuestros datos en S3, con el uso de Lambda para la ejecución y las funciones de pasos, además de SageMaker. Además, gracias a la colaboración comprometida de AWS ML Solutions Lab, ahora somos autosuficientes, capaces de iterar los modelos que hemos construido y de continuar mejorando nuestro negocio”.

Andrew Stypa, analista líder de negocios de Kinect Energy Group

Frame.io

Frame.io

Frame.io es la plataforma idónea para todo lo relacionado con videos. Frame.io, la plataforma líder para tareas de revisión y colaboración relacionadas con videos que usan más de 700 000 clientes en todo el mundo, es la solución a la que acude toda la gama de profesionales que trabaja con videos (desde profesionales independientes hasta empresas) para revisar, aprobar y distribuir videos.

“Como se trata de una plataforma para tareas de colaboración y revisión de videos nativa en la nube que se encuentra disponible para usuarios de todo el mundo, es fundamental que ofrezcamos un nivel de seguridad de primera clase a nuestros clientes. Con el modelo de detección de anomalías integrado en Amazon SageMaker, pudimos aprovechar el aprendizaje automático para identificar, detectar y bloquear rápidamente cualquier solicitud IP no deseada y así garantizar que el contenido multimedia de nuestros clientes permanezca seguro y protegido en todo momento. Empezar a usar Amazon SageMaker, mantenerlo en funcionamiento con el transcurso del tiempo, ajustar su escala en función de nuestra plataforma y adaptarlo a nuestros flujos de trabajo específicos fue un proceso simple y sin complicaciones. Además, con la ayuda de los blocs de notas de Jupyter en SageMaker, pudimos probar diferentes modelos para mejorar el nivel de precisión y recuperación de maneras que logran que Frame.io sea aún más seguro”.

Abhinav Srivastava, vicepresidente y director de Seguridad de la Información de Frame.io

Sportograf

Sportograf

Al igual que los atletas profesionales de varias disciplinas, Sportograf tiene una afinidad natural por los deportes. Su misión es respetar y hacer honor a las presentaciones de todos los atletas mediante fotografías de calidad profesional.

“Con millones de fotografías realizadas en eventos deportivos, nuestro desafío era organizar las fotos por número de pechera con gran velocidad y precisión. Durante la búsqueda de una solución, Sportograf decidió no trabajar con códigos QR especiales u otros marcadores porque introducen una carga de trabajo grande y compleja, lo que imposibilita poder responder las solicitudes espontáneas de los clientes. Para resolver este desafío, Amazon Rekognition para reconocimiento de texto y Amazon SageMaker nos permitieron crear nuestra propia solución de Machine Learning a fin de poder identificar los números de las pecheras de los corredores casi en tiempo real”.

Tom Janas, director administrativo de Sportograf

Cookpad

Cookpad

Cookpad es el servicio de intercambio de recetas más grande de Japón, con alrededor de 60 millones de usuarios mensuales en Japón y aproximadamente 90 millones de usuarios mensuales a nivel internacional.

“Debido a la creciente demanda de un uso del servicio de recetas de Cookpad más fácil, nuestros científicos de datos crearán más modelos de aprendizaje automático para optimizar la experiencia del usuario. En el intento de reducir la cantidad de iteraciones de tareas de entrenamiento para lograr un mejor desempeño, observamos que la implementación de puntos de enlace de inferencia de aprendizaje automático suponía un desafío importante que estaba retrasando nuestros procesos de desarrollo. A los fines de automatizar la implementación de modelos de aprendizaje automático y que los científicos de datos pudieran implementar modelos por su cuenta, usamos las API de inferencia de Amazon SageMaker y comprobamos que Amazon SageMaker eliminaría la necesidad de que los ingenieros de aplicaciones tuvieran que implementar modelos de aprendizaje automático. Anticipamos la automatización de este proceso con Amazon SageMaker en producción”. 

Yoichiro Someya, ingeniero de investigación de Cookpad

Fabulyst

Fabulyst

Fabulyst es una empresa emergente con sede en la India dedicada al comercio de moda que ofrece una experiencia más positiva y personalizada a los compradores y mejores conversiones a los minoristas a través de la IA.

“Fabulyst facilita a los compradores las compras perfectas haciendo coincidir los artículos del inventario con las consultas específicas y personalizadas de los usuarios (por ejemplo, adaptándose a su tipo de cuerpo o al tono de su piel). Al mismo tiempo, ayudamos a los minoristas a conseguir conversiones más efectivas mediante el uso de la visión computarizada para pronosticar las tendencias mensuales basadas en datos de las redes sociales, búsquedas, blogs, etc., y para etiquetar automáticamente esas tendencias en los catálogos de nuestros clientes minoristas. Fabulyst utiliza AWS para ofrecer nuestras mejores soluciones, incluido Amazon SageMaker para manejar las muchas predicciones que respaldan nuestras ofertas. Con el apoyo de SageMaker y otros servicios de AWS, podemos garantizar valor a nuestros usuarios, como un aumento del 10 % en los ingresos incrementales para los minoristas, y confiar en nuestra capacidad de ofrecer resultados excelentes en todo momento.”

Komal Prajapati, fundador y director ejecutivo de Fabulyst

Terragon Group

Terragon Group

Terragon Group es una empresa de tecnología de marketing y datos que permite a las empresas aprovechar el valor de su información para poder llegar a la audiencia africana usuaria de dispositivos móviles. Con el correr de los años, Terragon Group se convirtió en un líder del sector de dispositivos móviles que atiende marcas locales y multinacionales de diferentes lugares del mundo. Para poder entregar el mensaje publicitario correcto al usuario correcto y en el momento correcto, es necesario llevar a cabo tareas de personalización, por lo que Terragon usa datos, información e inteligencia artificial a los fines de permitir a las empresas llegar a la audiencia correcta en África.

“Amazon SageMaker nos proporciona un flujo de trabajo de aprendizaje automático integral sin la necesidad de contar con una infraestructura subyacente. Nuestros equipos de ciencia de datos y aprendizaje automático pueden pasar de la etapa de exploración de datos a las etapas de entrenamiento de modelos y producción en solo un par de horas. Para una empresa radicada en África, con escasos profesionales en el área de ingeniería, no hubiera existido otra manera de crear e implementar modelos de aprendizaje automático que resolviesen problemas reales en menos de 90 días”.

Deji Balogun, director de tecnología de Terragon Group

SmartNews

SmartNews

SmartNews es la aplicación de noticias más grande de Japón. Ofrece información de calidad a más de 11 millones de usuarios activos de todo el mundo. Mediante el uso de tecnologías basadas en aprendizaje automático, SmartNews hace llegar a los usuarios las novedades más relevantes e interesantes. Los algoritmos de aprendizaje automático de SmartNews evalúan millones de artículos, señales sociales e interacciones humanas para suministrar el 0,01 % destacado de las historias que más importan, de inmediato.

“Nuestra misión, que consiste en encontrar y entregar historias de calidad al mundo, cuenta con el respaldo de AWS y, especialmente, de Amazon SageMaker, que nos ha permitido agilizar el ciclo de desarrollo para poder atender a nuestros clientes. Utilizar Amazon SageMaker nos ayudó en gran medida con nuestros métodos de gestión de noticias, incluida la clasificación de artículos con aprendizaje profundo, la predicción del valor de tiempo de vida y el modelado combinado de texto e imágenes. Esperamos poder llegar aún más alto con Amazon SageMaker y otras soluciones de inteligencia artificial de AWS”.

Kaisei Hamamoto, cofundador y codirector ejecutivo de SmartNews, Inc.

SIGNATE

Signate

Signate ofrece soluciones para los servicios de subcontratación, contratación y asesoramiento mediante el uso de la inteligencia artificial. Signate también es conocida como una comunidad de ciencia de datos con más de 16 000 miembros en la que estos compiten entre sí para generar los mejores modelos en los concursos. La compañía también ofrece un servicio que usa Amazon SageMaker para ayudar a sus clientes a implementar los modelos obtenidos mediante concursos en aplicaciones de producción.

“Usamos Amazon SageMaker como principal herramienta para crear nuestros modelos de aprendizaje automático, lo que nos ha permitido lograr que nuestro sistema de administración de modelos, llamado “Aldebaran”, sea más escalable. SageMaker nos permitió realizar integraciones directas en nuestros flujos de trabajo, incluidas las tareas de crear, entrenar e implementar modelos de aprendizaje automático en simultáneo. Anteriormente, nos llevaba de 3 a 6 meses implementar modelos en producción. Con SageMaker, podemos implementar un modelo en producción en un plazo de 1 a 4 semanas, lo que nos permite ahorrar tiempo e incrementar la productividad. SageMaker es nuestra plataforma de aprendizaje automático estándar de preferencia para todos nuestros modelos de aprendizaje automático”.

Shigeru Saito, presidente, director ejecutivo y director digital de Signate Inc.

Pioneer

Pioneer

Pioneer es una empresa multinacional que se especializa en entretenimiento digital, lo que incluye servicios de movilidad y electrónica del automóvil. Pioneer se rige por su filosofía empresarial de “mover el corazón y tocar el alma” y proporciona a sus clientes productos y servicios que pueden ayudarlos en su vida diaria.

“Gracias al uso de Amazon SageMaker y las características del entrenamiento de modelos, como el ajuste de modelo automático, pudimos desarrollar modelos de aprendizaje automático de alta precisión y continuar garantizando la privacidad de nuestros clientes. También esperamos aprovechar AWS Marketplace para el Machine Learning, tanto para algoritmos como para modelos entrenados previamente, con el objetivo de construir una plataforma de monetización”.

Kazuhiro Miyamoto, gerente general del departamento de Ingeniería de Servicios de Información de Pioneer

Dely

Dely

Dely ejecuta el mejor servicio gastronómico por video de Japón, Kurashiru. Se esfuerza diariamente para suministrar servicios culinarios que impacten al mundo. Kurashiru ayuda a muchas personas todos los días con videos que presentan una variedad de recetas sabrosas para adornar las mesas. En Japón, decenas de millones de personas miran y escuchan el servicio de recetas mensual.

“Excedimos las 15 millones de descargas de nuestra aplicación móvil desde que lanzamos el popular servicio Kurashiru hace 2,5 años. Creemos que es fundamental el uso de tecnologías avanzadas, como el aprendizaje automático, para poder entregar el contenido correcto a nuestros usuarios. Para lograrlo, usamos Amazon SageMaker, que nos ayudó a crear e implementar en producción modelos de aprendizaje automático en 90 días. También mejoramos en un 15 % la tasa de clics mediante la personalización de contenido”.

Masato Otake, director de tecnología de Dely, Inc.

Ayla Networks

Ayla Networks

Ayla Networks, con su sede en San Francisco, es una compañía de software de plataforma IoT como servicio que desarrolla soluciones tanto para los consumidores como para los mercados comerciales.

“En Ayla Networks, detectamos que nuestros clientes utilizan principalmente la infraestructura de AWS debido a su escalabilidad y confiabilidad comprobadas. En particular, observamos que los fabricantes comerciales utilizan Amazon SageMaker para aprovechar los datos de rendimiento del equipo obtenidos de Ayla Cloud. Con Amazon SageMaker y nuestro producto de CI de Ayla, los negocios pueden obtener información y detectar anomalías que lleven a mejorar la calidad de los productos y los servicios, incluso a predecir fallas de seguridad en las máquinas y solucionarlas antes de que sucedan. Esta solución mantiene a nuestros clientes operando sin problemas, de manera que sus negocios pueden continuar creciendo, produciendo y escalando sin preocupaciones”.

Prashanth Shetty, vicepresidente de Marketing Internacional de Ayla Networks

FreakOut

FreakOut

FreakOut es una empresa líder en tecnología que se enfoca en publicidad digital. La empresa ofrece productos para las transacciones de inventarios publicitarios en tiempo real en publicidad en Internet, así como también análisis de datos para navegar por la web. FreakOut aprovecha el aprendizaje automático para realizar predicciones de la tasa de clics (CTR) y la tasa de conversión (CVR).

“Estamos en el proceso de migración de los entornos de entrenamiento de aprendizaje automático de las instalaciones locales a Amazon SageMaker. Amazon SageMaker nos ofrece una solución más escalable para nuestra compañía. Gracias a la característica de ajuste de modelo automático de Amazon SageMaker, podemos optimizar y estimar modelos de alta precisión que cumplan con nuestros requisitos”.

Jiro Nishiguchi, director de tecnología de FreakOut

Wag!

Wag!

“En Wag!, tenemos que satisfacer las necesidades de oferta y demanda en un mercado bilateral. Vimos la oportunidad de utilizar el aprendizaje automático, impulsado por AWS, para predecir la demanda de pasear perros de nuestros clientes. Al estandarizar nuestras aplicaciones de aprendizaje automático en AWS, podemos satisfacer el crecimiento continuo de nuestras necesidades comerciales mediante la iteración a un ritmo y escala enormemente mejorados a pesar de los recursos de ingeniería limitados. Con Amazon SageMaker, podemos acelerar nuestra experimentación de aprendizaje automático, comprimiendo 45 días de tiempo computacional para entrenar el modelo en 3 días”.

Dave Bullock, vicepresidente de Tecnología de Ingeniería y Operaciones - Wag Labs Inc.

Euler Hermes

Euler Hermes

“Durante más de 100 años hemos ayudado a nuestros clientes a crecer, mientras continuamos incorporando servicios líderes para aumentar la seguridad y simplicidad de las transacciones comerciales. Cuando tienes datos administrativos y financieros de más de 30 millones de compañías, detectar fraudes cibernéticos antes de que afecten las operaciones comerciales puede resultar todo un desafío. El trabajo con Amazon SageMaker como plataforma de IA y AA predilecta nos permite aumentar el ritmo de innovación. Por ejemplo, pudimos lanzar un servicio interno nuevo en 7 meses y ahora podemos identificar URL fraudulentas en 24 horas a partir del momento en que se creó el dominio malintencionado”.

Luis Leon, asesor de Innovación de TI - Euler Hermes

ifood

iFood

iFood es el servicio de entrega de comidas en línea líder en América Latina, con 30,6 millones de pedidos mensuales y aproximadamente 160 000 restaurantes registrados en más de 1000 ciudades.

“En iFood, usamos el aprendizaje automático para mejorar la experiencia del cliente y de los restaurantes. Con Amazon SageMaker, podemos crear recomendaciones personalizadas de restaurantes y platos. En relación con la logística, el personal de entrega redujo la distancia de los viajes en un 12 % gracias a la optimización de trayectos. Gracias a la estandarización de nuestras cargas de trabajo de aprendizaje automático en AWS, ahora tenemos la flexibilidad y escalabilidad necesarias para ofrecer información y resultados en tiempo real”.

Sandor Caetano, director de ciencia de datos de iFood

Root Insurance

Root Insurance

“Root Insurance utiliza una tecnología para calcular el costo de un seguro de auto que se basa en el modo de conducción de las personas, en lugar de solamente en aspectos demográficos. A medida que Root ha ido creciendo, las capacidades de transformación de lotes y entrenamiento de Amazon SageMaker han ido cada vez siendo más relevantes para nuestras necesidades. Al estandarizar nuestras cargas de trabajo de aprendizaje automático en AWS, podemos analizar la telemetría desde teléfonos móviles y ayudar a los buenos conductores a ahorrarse hasta un 52 % en su seguro de auto”.

Bill Kaper, vicepresidente de Ingeniería, Root Insurance

Infoblox

Infoblox

Infoblox es el líder en servicios de red seguros administrados en la nube, diseñados para administrar y proteger el núcleo de la red, es decir, DNS, DHCP y administración de direcciones IP (conocidos de manera conjunta como DDI).

"En Infoblox, creamos un modelo de detección de ataque homogéneo pendiente de patente para DNS a fin de detectar el abuso, la deserción y la suplantación de marcas de clientes que utilizan Amazon SageMaker. AWS es nuestro estándar empresarial para la nube, y podemos aprovechar las múltiples funciones que ofrece SageMaker para acelerar el desarrollo del modelo de aprendizaje automático. Gracias a SageMaker, nuestro detector de homógrafos IDN, una parte de nuestro servicio de análisis de seguridad, ha identificado más de 60 millones de resoluciones de dominios homográficos y continúa encontrando millones más cada mes, lo que ayuda a nuestros clientes a detectar el abuso de marca más rápido”.

Femi Olumofin, arquitecto de soluciones - Infoblox

Zappos

Zappos

Zappos comenzó hace 20 años como un pequeño vendedor minorista de zapatos en línea. Desde entonces ha crecido hasta comercializar ropa, bolsos, accesorios y mucho más. También ofrece un servicio al cliente de renombre y experiencias innovadoras para los empleados. La empresa ha sido una subsidiaria de Amazon desde 2009.

“En Zappos, estamos mejorando de forma notable la experiencia de comercio electrónico del cliente al utilizar soluciones de aprendizaje automático y análisis que nos permiten personalizar los resultados de búsqueda y la talla de cada usuario, a la vez que mantenemos una experiencia de usuario muy fluida y con gran capacidad de respuesta. Gracias a Amazon SageMaker, podemos predecir las tallas de zapato de los clientes. AWS es nuestro estándar empresarial para Machine Learning e IA puesto que los servicios de AWS permiten a los ingenieros centrarse en mejorar el rendimiento y los resultados en lugar de preocuparse por los gastos generales de DevOps”.

Ameen Kazerouni, jefe de Investigación de aprendizaje automático y plataformas, Zappos

NerdWallet

NerdWallet

NerdWallet, una empresa de finanzas personales ubicada en San Francisco, ofrece valoraciones y comparaciones de productos financieros, como tarjetas de crédito, bancos, inversiones, préstamos y seguros.

“NerdWallet se basa en gran medida en la ciencia de datos y el aprendizaje automático a fin de conectar a los clientes con productos financieros personalizados. Decidimos estandarizar nuestras cargas de trabajo de aprendizaje automático en AWS porque nos permitía modernizar rápidamente nuestras prácticas de ingeniería de ciencia de datos, eliminar obstáculos y acelerar los tiempos de entrega. Gracias a Amazon SageMaker, nuestros científicos de datos pueden dedicar más tiempo a búsquedas estratégicas y emplear más energía en nuestra ventaja sobre la competencia: nuestra información sobre los problemas que solucionamos a nuestros usuarios”.

Ryan Kirkman, gerente principal de ingeniería - NerdWallet

Splice

Splice

Splice es una plataforma creativa creada por y para músicos, que permite a los artistas librear su auténtico potencial creativo. Esta empresa emergente de creación musical con modelo por suscripción se fundó en 2013, y ahora cuenta con más de tres millones de músicos que exploran su catálogo en busca de sonidos perfectos.

“A medida que nuestro catálogo de sonidos y presets crece, también lo hace el desafío de encontrar el sonido correcto. Por este motivo Splice ha invertido en crear las mejores funciones de descubrimiento y búsqueda. Al estandarizar nuestras cargas de trabajo de aprendizaje automático en AWS, conseguimos crear una nueva propuesta para el usuario cuyo objetivo era hacer que fuera más fácil que nunca conectar a los músicos con los sonidos que están buscando. Desde el lanzamiento de Similar Sounds, hemos visto un aumento cercano al diez por ciento en conversiones de búsqueda. Gracias a Amazon SageMaker, hemos creado el complemento perfecto para nuestra búsqueda basada en texto, de modo que ahora nuestros usuarios pueden navegar por nuestro catálogo y descubrir sonidos de formas que antes no eran posibles”.

Alejandro Koretzky, jefe de Machine Learning e ingeniero principal, Splice

Conozca más características de Amazon SageMaker

Visite la página de características
¿Listo para comenzar?
Regístrese
¿Tiene más preguntas?
Contacte con nosotros