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".

Conozca más características de Amazon SageMaker

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