Casos de uso de clientes

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 las diferentes maneras de agilizar 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

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, Centro de Thomson Reuters para inteligencia artificial e informática cognitiva


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 e individuos.

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

- Ashok Srivastava, director de datos de Intuit

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, y 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 cuadernos 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


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.

"En Dow Jones continuamos enfocándonos en la integración del aprendizaje automático en nuestros productos y servicios, y AWS ha sido un excelente socio para ese proceso. Con una experiencia que culminó en nuestro reciente hackathon de aprendizaje automático, 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 funciona una colaboración excelente".

- Ramin Beheshti, director grupal de tecnología y productos de Dow Jones

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 para facilitar el uso del servicio de recetas de Cookpad, nuestros científicos de datos crearán más modelos de aprendizaje automático para optimizar la experiencia del usuario. Al intentar reducir el número de iteraciones de tareas de entrenamiento para lograr un mejor desempeño, observamos que la implementación de puntos de enlace de inferencia de aprendizaje automático era 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 del proceso con Amazon SageMaker en producción". 

- Yoichiro Someya, ingeniero de investigación de Cookpad


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 para que podamos extraer los datos de Amazon S3, filtrados con EMR y Spark a partir de un cuaderno de Jupyter y, a continuación, realizar el entrenamiento en Amazon SageMaker con el mismo cuaderno. 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 inferencias en nuestras implementaciones de dispositivos móviles para clientes que usan iOS y Android."

- Stanislav Levental, líder técnico de Grammarly

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® a medida que asistimos a los consumidores en su camino para convertirse en propietarios. Los flujos de trabajo de aprendizaje automático que históricamente demoraban mucho tiempo, como los modelos de entrenamiento y optimización, 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 experiencias más completas para los usuarios."

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


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 generen nuevas conexiones que no hubieran sido posibles de otra forma".

- Elie Seidman, director ejecutivo de Tinder

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 visitas 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 para crear soluciones nuevas e innovadoras en toda la organización para nuestros clientes".

- Stephen Felisan, director de información de Edmunds.com


GE Healthcare

Mediante el aprovechamiento de datos y análisis en hardware, software y biotecnología, GE Healthcare está transformando los servicios de sanidad mediante el suministro de mejores resultados a proveedores y pacientes. 

 

"Amazon SageMaker permite a GE Healthcare obtener acceso a servicios y herramientas de inteligencia artificial eficientes para fomentar un mejor cuidado de los pacientes. La escalabilidad de Amazon SageMaker y su capacidad para integrarse con servicios de AWS nativos añade un gran valor. Estamos ansiosos por ver de qué manera la colaboración continua entre GE Health Cloud y Amazon SageMaker producirá mejores resultados para nuestros socios proveedores de servicios de sanidad y suministrará un mejor cuidado de los pacientes".

- Sharath Pasupunuti, líder de ingeniería de inteligencia artificial, GE Healthcare

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 por un servicio completamente administrado. Amazon SageMaker también nos otorga un acceso más sencillo a otros marcos de aprendizaje profundo conocidos, mientras administra la infraestructura para la creación, el entrenamiento y el suministro de nuestros modelos".

- David Bernstein, director de tecnología estratégica, Zendesk

 


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 aprendizaje automático, y ajustó el desempeño. Usaron Amazon SageMaker para entrenar y optimizar el modelo y, a continuación, lo exportaron con la capacidad modular de Amazon SageMaker para poder ejecutarlo con Amazon EC2.

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 aprendizaje automático 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%.


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 otras marcas porque introducían una carga de trabajo grande y compleja, lo que imposibilitaba poder responder las solicitudes espontáneas de los clientes. Para resolver este desafío, Amazon Rekognition y Amazon SageMaker nos permitieron reconocer texto y crear nuestra propia solución de aprendizaje automático para poder identificar los números de las pecheras de los corredores casi en tiempo real".

– Tom Janas, director ejecutivo, Sportograf

Statcast de MLB

La Major League Baseball (MLB) es la liga deportiva profesional más histórica de Estados Unidos y consiste en 30 clubes miembros de Estados Unidos y Canadá, que representan el nivel más alto del béisbol profesional. Statcast es una tecnología de seguimiento de última generación que la MLB ha incorporado para la recopilación y el análisis de una gran cantidad de datos relativos al béisbol de una manera que resultaba imposible en el pasado.  

Con la amplia gama de servicios de AWS de aprendizaje automático basado en la nube, la MLB podrá eliminar los procesos manuales y que consumen mucho tiempo relacionados con las estadísticas y la conservación de registros, como el almacenamiento de puntajes, el registro de notas sobre los partidos y la clasificación de los lanzamientos. Gracias a Amazon SageMaker, la MLB permite a sus desarrolladores y científicos de datos automatizar estar tareas al aprender a crear, entrenar e implementar de manera rápida y fácil modelos de aprendizaje automático a escala.

La MLB, junto con el laboratorio de soluciones de Amazon ML, utiliza Amazon SageMaker para probar la precisión a la hora de predecir los lanzamientos de acuerdo con la evaluación del lanzador, el bateador, el receptor y la situación para predecir el tipo y la ubicación del siguiente lanzamiento. Además, la MLB busca aprovechar Amazon SageMaker y el servicio de procesamiento de lenguaje natural de Amazon Comprehend para construir un modelo de lenguaje que cree un análisis de los juegos en vivo en el tono y el estilo de los anunciantes icónicos para capturar esa esencia de transmisión que los aficionados al béisbol conocen y veneran.


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, y podemos ampliar nuestros esfuerzos con facilidad para descubrir tratamientos y crear medicamentos. El uso de las instancias de SageMaker y Amazon EC2 P3 ha agilizado nuestros modelos de tiempo de entrenamiento y nuestra productividad, lo que permite a nuestro equipo centrarse en investigaciones y descubrimientos revolucionarios”.

– Lance Smith, director, Celgene

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 conveniente. Los ingenieros de Zocdoc están 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".


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 permitió 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 coCEO, SmartNews, Inc.

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

- Deji Balogun, CTO, Terragon Group

 


dely_logo

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 el índice de enlaces visitados en un 15 % mediante la personalización de contenido".

-  Masato Otake, CTO, Dely, Inc.

SIGNATE

SIGNATE ofrece soluciones para servicios de externalización, contratación y asesoramiento mediante el uso de la inteligencia artificial. SIGNATE también es conocido 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.

"Estamos usando Amazon SageMaker como principal herramienta para crear nuestros modelos de aprendizaje automático, lo que nos permitió 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, CEO/CDO, SIGNATE Inc.


Kinect Energy Group es una subsidiaria de World Fuel Services, una compañía de la lista Fortune 100 que brinda servicios de asesoría de 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 permite 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 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 a AWS, incluido el almacenamiento de nuestros datos en S3, el uso de Lambda para la ejecución y las funciones de pasos, además de SageMaker. Y, gracias a la asociación comprometida de AWS ML Solutions Lab, ahora somos autosuficientes, capaces de recorrer los modelos que hemos construido y continuar mejorando nuestro negocio”.

- Andrew Stypa, analista principal de negocios

Formosa Plastics Corporation es un proveedor en crecimiento de integración vertical de resinas plásticas y productos petroquímicos. Formosa Plastics ofrece una línea completa de cloruro de polivinilo, polietileno y resinas de polipropileno, sosa 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 empresas petroquímicas de Taiwán y se encuentra entre los principales fabricantes de plásticos del mundo. Decidimos explorar el aprendizaje automático para permitir la detección más precisa de defectos y reducir los costos de mano de obra manual, y 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. Al usar Amazon SageMaker, la solución de aprendizaje automático redujo a la mitad el tiempo que nuestros empleados dedicaban a la inspección manual. Con la ayuda del laboratorio de soluciones, ahora podemos optimizar el modelo de SageMaker y seguir avanzando a medida que cambian las condiciones".

- Bill Lee, vicepresidente adjunto de Formosa Plastics Corporation


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 del gobierno en 150 países.

“Estamos colaborando con AWS para crear una experiencia de usuario de videos más atractiva para los patrones de biblioteca, para lograr que sus búsquedas les devuelvan resultados más relevantes. Al trabajar con 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, y estamos contemplando tecnologías de aprendizaje automático para otros productos”.

- Allan Lu, vicepresidente de Herramientas de búsqueda, servicios y plataformas, ProQuest

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 “Mover el corazón y tocar el alma” y proporciona a sus clientes productos y servicios que pueden ayudarlos en su vida diaria.

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

-  Kazuhiro Miyamoto, gerente general, Departamento de ingeniería de servicios de información, Pioneer


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 proceso de migrar los entornos de entrenamiento de aprendizaje automático de las instalaciones 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, FreakOut

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 a empresas) para revisar, aprobar y distribuir videos.

 

"Al ser 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 óptimo a nuestros clientes. Con el modelo de detección de anomalías integrado en Amazon SageMaker, pudimos aprovechar las capacidades de 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 cuadernos 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, Frame.io


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 a brindarles apoyo. La empresa, fundada en 2011, tiene oficinas en San Francisco, Londres, Chicago y Dublín.

“En Intercom, tenemos un equipo de científicos de datos y de ingenieros orientados a datos en expansión, y frecuentemente deseamos iterar de manera rápida y explorar soluciones nuevas para productos basados en 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 mientras nuestra empresa crece”.

--Kevin McNally, científico de datos sénior, aprendizaje automático de Intercom

Conozca más características de Amazon SageMaker

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