Clientes de Amazon SageMaker para el uso del ML en el análisis geoespacial

logotipo de arup

Arup

Dedicado al desarrollo sostenible, Arup es un colectivo de 16 000 diseñadores, asesores y expertos que trabajan en 140 países. Fundado para luchar por la humanidad y la excelencia en todo lo que hacen, colaboran con clientes y socios, utilizando la imaginación, la tecnología y el rigor para lograr un mundo mejor.

“Utilizamos tecnologías digitales como machine learning para explorar el impacto del calor en las zonas urbanas y los factores que influyen en las temperaturas locales para ofrecer un mejor diseño y apoyar resultados sostenibles. Las islas de calor y los riesgos y molestias que conllevan son uno de los mayores desafíos a los que se enfrentan las ciudades hoy en día. Utilizar las capacidades del ML en el análisis geoespacial de Amazon SageMaker nos ayudó a identificar y medir los factores de calor urbano con datos de observación de la Tierra, lo que aceleró significativamente nuestra capacidad para asesorar a los clientes. Permitió que nuestros equipos de ingeniería realicen análisis que antes no eran posibles al proporcionar acceso a mayores volúmenes, tipos y análisis de conjuntos de datos más grandes”.

Damien McCloud, director y líder de Observación Terrestre y Espacial en Arup

logotipo de xarvio

xarvio

xarvio Digital Farming Solutions ofrece productos digitales de precisión para la agricultura con el fin de ayudar a los agricultores a optimizar la producción de cultivos. Disponibles en todo el mundo, los productos xarvio utilizan machine learning, la tecnología de reconocimiento de imágenes y modelos avanzados de cultivos y enfermedades, junto con datos de satélites y dispositivos de estaciones meteorológicas, con el fin de ofrecer recomendaciones agronómicas precisas y oportunas para gestionar las necesidades de campos individuales. Los productos xarvio se adaptan a las condiciones agronómicas locales, pueden supervisar las etapas de crecimiento y reconocer enfermedades y plagas. Aumentan la eficacia, ahorran tiempo, reducen los riesgos y aportan mayor fiabilidad a la planificación y la toma de decisiones, mientras que contribuyen a una agricultura sostenible.

“El desarrollo rápido de prototipos y el mantenimiento constante de nuestros recursos de machine learning es una de nuestras prioridades más importantes. Las capacidades del ML en el análisis geoespacial de Amazon SageMaker nos proporcionan una solución potente para desarrollar prototipos y controlar nuestros diversos modelos a lo largo de su ciclo de vida. Gracias a Amazon SageMaker, pudimos mejorar la eficiencia en casi un 50 %. Nuestros equipos fueron capaces de configurar las canalizaciones de modelos necesarios y ejecutar las pruebas en tan solo 1 o 2 semanas, lo que supone casi la mitad del tiempo que nos llevaba antes”.

Mojtaba Karami, líder de equipo de Remote Sensing en xarvio

logotipo de datafarming

DataFarming

DataFarming es líder en precisión en la agricultura.

“Al entrevistar a empresas agrícolas (por ejemplo, de semillas, fertilizantes y productos químicos), nos sorprendió comprobar que casi todas ellas toman decisiones multimillonarias basándose en datos limitados y, en su mayoría, subjetivos. “Estas empresas solían no tener respuesta a preguntas más cruciales, como ‘¿cuánta tierra hay disponible para sembrar?’ o ‘¿cuándo estará listo el cultivo para la cosecha?’. Como ávidos usuarios de diversos tipos de imágenes por satélite desde hace casi 20 años, teníamos claro que queríamos aprovechar el poder de los datos geoespaciales para ayudar a las empresas agrícolas a descubrir respuestas a estas preguntas y ayudarles a tomar decisiones más inteligentes en el campo. Sin embargo, ejecutar algoritmos complejos de machine learning en más de 100 millones de acres de tierras de cultivo australianas con una resolución de píxeles de 10 m (y en tiempo real) es extremadamente difícil. Con las capacidades del machine learning para el análisis geoespacial de Amazon SageMaker, podemos pasar del concepto al modelo de trabajo en pocas horas”.

Tim Neale, cofundador de DataFarming

logotipo de satsure

SatSure

SatSure, una empresa india líder en soluciones de inteligencia para la toma de decisiones, utiliza datos de observación de la Tierra y modelos de aprendizaje profundo para generar información para diversos casos de uso, desde la supervisión de cultivos en cualquier condición climática y la puntuación de riesgos agrícolas hasta la detección de cambios en la cubierta terrestre y la identificación de características del terreno.

“Crear modelos de aprendizaje profundo escalables y de última generación que sean rentables es extremadamente desafiante cuando se trata de grandes conjuntos de datos de imágenes satelitales. El arsenal de herramientas de Amazon SageMaker nos ayudó a simplificar el desarrollo integral de canalizaciones de modelos complejos de aprendizaje profundo. Nos ahorró un 25 % en costos a lo largo del ciclo de vida del desarrollo del modelo y, a su vez, nos permitió enfocarnos en el desarrollo de soluciones innovadoras. Queríamos utilizar las capacidades de Amazon SageMaker para desarrollar una aplicación digital que utilice imágenes de satélite de baja resolución para los límites de las explotaciones agrícolas basados en el aprendizaje. Gracias a los algoritmos geoespaciales integrados de Amazon SageMaker, el almacén de características y el ajuste automático de parámetros, pudimos desarrollar esta aplicación de forma ágil, lo que nos garantizó alcanzar todas las métricas de éxito”.

Rashmit Singh Sukhmani, cofundador y director de Datos en SatSure

logotipo de earth optics

EarthOptics

EarthOptics es una empresa de medición y cartografía de datos del suelo que utiliza tecnología de sensores y análisis de datos patentada para medir con precisión la salud y la estructura del suelo.

“Queríamos utilizar el ML para ayudar a nuestros clientes a aumentar el rendimiento agrícola con mapas de suelos rentables. Las capacidades del ML en el análisis geoespacial de Amazon SageMaker nos permitieron crear rápidamente algoritmos de prototipos con varios orígenes de datos y reducir el tiempo que transcurre entre la investigación y el despliegue de la API de producción a tan solo un mes. Gracias a Amazon SageMaker, ahora disponemos de soluciones geoespaciales para la retención de carbono del suelo que se implementan en granjas y ranchos en todo EE. UU.”.

Lars Dyrud, director general de EarthOptics