« Chez iFood, nous nous efforçons de satisfaire nos clients grâce à nos services utilisant des technologies telles que le machine learning (ML). ... La création d'un flux de travail complet et transparent pour développer, entraîner et déployer des modèles a été une partie essentielle de notre parcours pour faire évoluer le machine learning. Amazon SageMaker Pipelines nous aide à créer rapidement plusieurs flux de travail de machine learning automatisés et évolutifs et facilite le déploiement et la gestion efficace de nos modèles. SageMaker Pipelines nous permet d'être plus efficaces dans notre cycle de développement. Nous continuons à mettre l'accent sur notre leadership dans l'utilisation de l'AI/ML pour offrir un service client et une efficacité supérieurs grâce à toutes ces nouvelles fonctionnalités d'Amazon SageMaker. »

Sandor Caetano, scientifique des données en chef, iFood

« Chez INVISTA, nous sommes axés sur la transformation et nous souhaitons développer des produits et des technologies qui aident nos clients dans le monde entier. Nous considérons le machine learning comme un moyen d'améliorer l'expérience client, mais avec des ensembles de données qui couvrent des centaines de millions de lignes, nous avions besoin d'une solution pour nous aider à préparer les données et à développer, déployer et gérer des modèles de ML à grande échelle. ... Nous pouvons facilement automatiser et gérer les flux de travail de ML à grande échelle avec Amazon SageMaker Pipelines, de sorte que nous pouvons facilement assembler les différentes étapes du flux de travail de ML... Avec Amazon SageMaker Pipelines, nous pouvons rendre nos flux de travail de ML opérationnels plus rapidement. »

Caleb Wilkinson, scientifique des données - INVISTA

« Une industrie des soins forte où l'offre correspond à la demande est essentielle pour la croissance économique, de la famille individuelle jusqu'au PIB de la nation. Nous sommes enthousiasmés par Amazon SageMaker Pipelines, car nous pensons que cela nous aidera à mieux évoluer au sein de nos équipes de science des données et de développement, en utilisant un ensemble cohérent de données organisées que nous pouvons utiliser pour créer des pipelines de modèles de machine learning (ML) évolutifs de bout en bout, depuis la préparation des données jusqu'au déploiement. Avec les nouvelles fonctionnalités annoncées d'Amazon SageMaker, nous pouvons accélérer le développement et le déploiement de nos modèles de ML pour différentes applications, aidant ainsi nos clients à prendre des décisions plus éclairées grâce à des recommandations en temps réel plus rapides. »

Clemens Tummeltshammer, responsable des sciences des données, Care.com

« Avec le ML, 3M améliore les produits essayés et testés, comme le papier de verre, et encourage l'innovation dans plusieurs autres domaines, tels que celui de la santé. Alors que nous planifions d’instaurer le machine learning dans d’autres secteurs de 3M, nous voyons la quantité de données et de modèles augmenter rapidement, doubler chaque année. Nous avons hâte de découvrir les nouvelles fonctionnalités SageMaker parce que nous savons qu’elles nous aideront à nous mettre à l’échelle. Amazon SageMaker Data Wrangler simplifie la préparation des données destinées aux modèles d’entraînement et Amazon SageMaker Feature Store éliminera le besoin de créer encore et toujours les mêmes fonctionnalités de modèle. Enfin, Amazon SageMaker Pipelines nous aidera à automatiser la préparation de données, la création de modèles et le déploiement des modèles dans un flux de travail complet pour que la commercialisation de nos modèles se fasse plus rapidement. Chez 3M, nos chercheurs attendent avec impatience de pouvoir profiter de la nouvelle rapidité de la science. »

David Frazee, directeur technique chez 3M Corporate Systems Research Lab