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

Statcast de MLB

Major League Baseball

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.

“La incorporación del aprendizaje automático en nuestros sistemas y prácticas es una forma excelente de llevar la comprensión del juego a un nuevo nivel para nuestros seguidores y los 30 clubs. Elegimos AWS por su fuerza, profundidad y experiencia comprobada en la entrega de servicios de aprendizaje automático, y estamos ansiosos por trabajar con Amazon ML Solutions Lab en una cantidad de proyectos interesantes, como la detección y la automatización de eventos clave, además de la creación de nuevas oportunidades para compartir métricas nunca antes vistas”.

Jason Gaedtke, director de Tecnología de la Major League Baseball

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 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 puede funcionar una colaboración excelente”.

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

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

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 aprendizaje automático, 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 aprendizaje automático 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

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 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 %.

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 Aprendizaje Automático 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 aprendizaje automático 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

Cookpad

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 aprendizaje automático, 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

Conozca más características de Amazon SageMaker

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