Clients d'Amazon SageMaker pour le ML géospatial
Arup
Dédié au développement durable, Arup est un collectif de 16 000 concepteurs, conseillers et experts travaillant dans 140 pays. Fondés pour aspirer à l'humanité et à l'excellence dans tout ce qu'ils font, ils collaborent avec leurs clients et partenaires, en faisant appel à l'imagination, la technologie et la rigueur pour façonner un monde meilleur.
« Nous utilisons des technologies numériques telles que le machine learning pour explorer l'impact de la chaleur sur les zones urbaines et les facteurs qui influencent les températures locales afin d'offrir une meilleure conception et de soutenir des résultats durables. Les îlots thermiques urbains et les risques et désagréments qui y sont associés constituent l'un des plus grands défis auxquels les villes sont confrontées aujourd'hui. L'utilisation des capacités du ML géospatial d'Amazon SageMaker nous a permis d'identifier et de mesurer les facteurs thermiques urbains avec des données d'observation de la terre, ce qui a considérablement accéléré notre capacité à conseiller les clients. Le programme a permis à nos équipes d'ingénieurs de réaliser des analyses qui n'étaient pas possibles auparavant en leur donnant accès à des volumes et des types de données plus importants, ainsi qu'à l'analyse de plus grands jeux de données. »
Damien McCloud, directeur et chef – Observation géospatiale et terrestre, Arup
xarvio
xarvio Digital Farming Solutions propose des produits d'agriculture numérique de précision pour aider les agriculteurs à optimiser la production agricole. Disponibles dans le monde entier, les produits xarvio utilisent le machine learning, la technologie de reconnaissance d'images et des modèles avancés de cultures et de maladies, en combinaison avec des données provenant de satellites et de stations météorologiques, pour fournir des recommandations agronomiques précises et opportunes afin de gérer les besoins des champs individuels. Les produits xarvio sont adaptés aux conditions agronomiques locales, peuvent surveiller les stades de croissance et reconnaître les maladies et les parasites. Ils permettent d'accroître l'efficacité, de gagner du temps, de réduire les risques et d'offrir une plus grande fiabilité pour la planification et la prise de décision, tout en contribuant à une agriculture durable.
« Le développement rapide de prototypes et la maintenance continue de nos ressources de machine learning constituent l'une de nos priorités les plus importantes. Les capacités du ML géospatial d'Amazon SageMaker nous fournissent une solution puissante pour développer des prototypes et gouverner nos différents modèles tout au long de leur cycle de vie. Grâce à Amazon SageMaker, nous avons pu améliorer l'efficacité de près de 50 %. Nos équipes ont pu mettre en place les pipelines de modèles requis et exécuter les tests en seulement 1–2 semaines, soit près de la moitié du temps qu'il nous fallait auparavant. »
Mojtaba Karami, chef d'équipe pour la télédétection, xarvio
DataFarming
DataFarming est un leader de l'agriculture de précision.
En interrogeant des entreprises agricoles (semences, engrais et produits chimiques), nous avons été surpris de constater que la quasi-totalité d'entre elles prenaient des décisions valant plusieurs millions de dollars sur la base de données limitées et essentiellement subjectives. Souvent, ces entreprises n'avaient pas les réponses aux questions les plus cruciales, telles que « Quelle est la superficie disponible pour l'ensemencement ? » ou « Quand la récolte sera-t-elle prête ? ». En tant qu'utilisateur passionné de divers types d'images satellite depuis près de 20 ans, il était clair que nous voulions tirer parti de la puissance des données géospatiales pour aider les entreprises agricoles à trouver des réponses à ces questions et à prendre des décisions plus judicieuses sur le terrain. Cependant, l'exécution d'algorithmes complexes de machine learning sur plus de 100 millions d'acres de terres cultivées australiennes à une résolution de 10 m de pixels (et en temps réel) est extrêmement difficile. Grâce aux capacités du ML géospatial d'Amazon SageMaker, nous pouvons passer du concept au modèle fonctionnel en quelques heures. »
Tim Neale, co-fondateur, DataFarming
SatSure
SatSure, un leader indien des solutions d'intelligence décisionnelle, utilise des données d'observation de la Terre et des modèles de deep learning pour générer des informations pour une variété de cas d'utilisation, allant de la surveillance des cultures par tous les temps et de l'évaluation des risques agricoles à la détection des changements de la couverture terrestre et l'identification des caractéristiques des terres.
« Créer des modèles de deep learning évolutifs, à la pointe de la technologie et rentables est extrêmement difficile lorsqu'il s'agit de traiter de grands jeux de données provenant d'images satellites. L'arsenal d'outils d'Amazon SageMaker a contribué à simplifier le développement de notre pipeline de bout en bout de modèles complexes de deep learning. Cela nous a permis d'économiser 25 % des coûts sur le cycle de vie du développement du modèle, tout en nous permettant de nous concentrer sur le développement de solutions innovantes. Nous voulions utiliser les capacités d'Amazon SageMaker pour développer une application numérique qui utilise l'imagerie satellite basse résolution pour l'apprentissage des limites des exploitations agricoles. Grâce aux algorithmes géospatiaux intégrés d'Amazon SageMaker, au Feature Store et au réglage automatique des paramètres, nous avons pu développer cette application de manière agile, en veillant à atteindre tous les paramètres de réussite. »
Rashmit Singh Sukhmani, co-fondateur et directeur des données, SatSure
EarthOptics
EarthOptics est une société de mesure et de cartographie des données sur les sols qui exploite une technologie de capteurs brevetés et des analyses de données pour mesurer avec précision la santé et la structure des sols.
« Nous voulions utiliser le ML pour aider nos clients à augmenter les rendements agricoles grâce à des cartes pédologiques rentables. Les capacités du ML géospatial d'Amazon SageMaker nous ont permis de prototyper rapidement des algorithmes avec plusieurs sources de données et de réduire à un mois seulement le délai entre la recherche et le déploiement de l'API de production. Grâce à Amazon SageMaker, nous avons maintenant des solutions géospatiales pour la séquestration du carbone dans le sol déployées pour les fermes et les ranchs à travers les États-Unis. »
Lars Dyrud, directeur général, EarthOptics