Pelanggan Amazon SageMaker

Intuit adalah perusahaan perangkat lunak bisnis dan keuangan yang mengembangkan dan menjual perangkat lunak keuangan, akuntansi, dan persiapan pajak serta layanan terkait untuk usaha kecil, akuntan, dan individu.

“Dengan Amazon SageMaker, kami dapat mempercepat inisiatif Kecerdasan Buatan kami dalam skala besar dengan membangun dan melakukan deployment pada algoritme kami dalam platform. Kami akan membuat machine learning serta algoritme AI baru berskala besar dan menerapkannya pada platform ini untuk memecahkan berbagai masalah rumit yang dapat memberi pelanggan kami kemampuan yang luar biasa."

Ashok Srivastava, Chief Data Officer - Intuit

Memanfaatkan data dan analitik di seluruh perangkat keras, perangkat lunak, dan bioteknologi, GE Healthcare mentransformasi pemeliharaan kesehatan dengan memberikan hasil yang lebih baik bagi penyedia dan pasien. 

“Amazon SageMaker memungkinkan GE Healthcare untuk mengakses alat dan layanan kecerdasan buatan yang canggih untuk meningkatkan perawatan pasien. Skalabilitas Amazon SageMaker dan kemampuannya untuk berintegrasi dengan Layanan AWS native, menambah nilai yang sangat besar untuk kami. Kami sangat senang melihat bagaimana kolaborasi berkelanjutan kami antara GE Health Cloud dan Amazon SageMaker akan mendorong hasil yang lebih baik untuk partner penyedia layanan kesehatan kami dan memberikan perawatan pasien yang lebih baik.”

Sharath Pasupunuti, AI Engineering Leader - GE Healthcare

ADP adalah perusahaan teknologi global terkemuka yang menyediakan berbagai solusi manajemen modal manusia (HCM). ADP DataCloud memanfaatkan data tenaga kerja yang tidak tertandingi dari ADP dari lebih dari 30 juta karyawan untuk menghadirkan wawasan yang dapat ditindaklanjuti, yang dapat membantu eksekutif mengambil keputusan real-time untuk mengelola bisnis mereka dengan lebih baik.

“Mempertahankan dan menarik talenta tidaklah mudah, itulah mengapa kami terus menyempurnakan ADP DataCloud dengan kemampuan kecerdasan buatan untuk membantu para pemberi kerja mempertahankan tim yang tangguh. Kami menggunakan AWS Machine Learning, termasuk Amazon SageMaker, untuk dengan cepat mengidentifikasi pola tenaga kerja dan memprediksi hasil sebelum terjadi. Misalnya, keluar-masuknya karyawan atau dampak kenaikan kompensasi. Dengan memanfaatkan AWS sebagai platform utama kami dalam hal kecerdasan buatan dan machine learning, kami mengurangi waktu untuk melakukan deployment pada model machine learning dari 2 minggu menjadi hanya 1 hari.”

Jack Berkowitz, SVP Product Development – ADP, Inc.

BASF Digital Farming memiliki misi untuk memberdayakan petani agar membuat keputusan yang lebih cerdas dan berkontribusi untuk memecahkan tantangan dalam menyediakan makanan kepada populasi dunia yang terus bertambah, sekaligus mengurangi jejak lingkungan.

“Amazon SageMaker dan Teknologi AWS terkait mendukung eksperimen cepat dan menyediakan fungsionalitas dan API yang mudah digunakan, yang dapat menurunkan penghalang masuknya adopsi ML. Dengan cara ini, kami dapat membuka potensi nilai penuh dari kasus penggunaan ML dengan cepat.”

Dr. Christian Kerkhoff, Manajer Otomatisasi Data (Manager Data Automation) - BASF Digital Farming GmbH

Cerner Corporation adalah perusahaan kesehatan dan teknologi global yang menyuplai berbagai solusi, layanan, perangkat, dan perangkat keras teknologi informasi kesehatan (HIT).

“Dengan bangga, Cerner mendorong inovasi kecerdasan buatan dan machine learning di berbagai bidang, termasuk kesehatan, keuangan, dan pengalaman operasional. Melalui berbagai kemampuan baru yang dibuat oleh Ekosistem Machine Learning Cerner dan Pemrosesan Bahasa Alami Cerner, dan diwujudkan oleh kolaborasi dengan AWS, kami mempercepat inovasi yang dapat diskalakan bagi semua klien. Amazon SageMaker merupakan komponen penting yang memberi Cerner kesempatan untuk mewujudkan tujuan kami memberikan nilai bagi klien melalui kecerdasan buatan (AI)/ML. Selain itu, Amazon SageMaker memberi Cerner kemampuan untuk memanfaatkan berbagai kerangka kerja, seperti TensorFlow dan PyTorch, serta kemampuan untuk berintegrasi dengan berbagai layanan AWS.”

Sasanka Are, PhD, Vice President - Cerner

Dow Jones & Co. adalah penyedia informasi berita dan bisnis global, yang menghadirkan konten kepada konsumen dan organisasi melalui surat kabar, situs web, aplikasi seluler, video, buletin, majalah, basis data kepemilikan, konferensi, dan radio.

“Saat Dow Jones terus fokus untuk mengintegrasikan machine learning ke dalam berbagai produk dan layanan kami, AWS telah menjadi mitra yang luar biasa. Sebelum Machine Learning Hackathon yang diselenggarakan baru-baru ini, tim AWS memberikan pelatihan seputar Amazon SageMaker dan Amazon Rekognition untuk para peserta, dan menawarkan dukungan tanpa henti kepada semua tim. Hasilnya, tim kami mengembangkan beberapa ide hebat untuk menerapkan machine learning, banyak di antaranya akan terus kami kembangkan di AWS. Acara ini sukses besar, dan menjadi contoh dari kemitraan yang luar biasa.”

Ramin Beheshti, Group Chief Product dan Technology Officer - Dow Jones

Advanced Microgrid Solutions (AMS) merupakan sebuah perusahaan platform dan layanan energi yang memiliki misi untuk mempercepat transformasi skala dunia menuju ekonomi energi bersih dengan memfasilitasi penerapan dan optimalisasi aset energi bersih. NEM menggunakan pasar spot, tempat semua pihak yang terlibat menawar untuk menggunakan/menyuplai energi setiap 5 menit. Untuk itu mereka perlu memprediksi prakiraan permintaan dan menghasilkan tawaran dinamis dalam hitungan menit, sekaligus memproses data pasar dalam jumlah masif. Untuk mengatasi tantangan ini, AMS membangun model pembelajaran mendalam menggunakan TensorFlow di Amazon SageMaker. Mereka memanfaatkan penyetelan model otomatis Amazon SageMaker untuk menemukan parameter model terbaik dan membangun model mereka hanya dalam hitungan minggu. Model mereka menunjukkan peningkatan dalam prakiraan pasar di seluruh produk energi dalam pemeteran energi netto, yang akan diubah menjadi efisiensi yang signifikan.

ProQuest mengkurasi koleksi jurnal, ebook, sumber utama, disertasi, berita, dan video terbesar di dunia – dan membangun solusi alur kerja yang andal untuk membantu banyak pustaka mendapatkan dan mengembangkan koleksi mereka. Produk dan layanan ProQuest digunakan di pustaka akademik, K-12, publik, korporasi, dan pemerintahan di 150 negara.

“Kami berkolaborasi dengan AWS untuk membangun pengalaman pengguna video yang lebih menarik untuk para patron pustaka, memungkinkan pencarian mereka untuk memberikan hasil yang lebih relevan. Dengan bekerja dengan AWS ML Solutions Lab, kami menguji berbagai algoritme berbeda menggunakan Amazon SageMaker, menyetel model menggunakan optimalisasi hiperparameter, dan mengotomatiskan penerapan model machine learning (ML). Kami sangat puas dengan hasilnya sejauh ini, dan sedang mempertimbangkan teknologi ML untuk produk lainnya.”

Allan Lu, Vice President, Research Tools, Services & Platforms - ProQuest

Celgene merupakan sebuah perusahaan biofarmasi yang berkomitmen untuk meningkatkan hidup pasien di seluruh dunia. Perusahaan ini berfokus pada penemuan, pengembangan, dan komersialisasi terapi inovatif untuk pasien penderita kanker, inflamasi sistem imun, dan kebutuhan medis lainnya yang belum tertangani.

“Di Celgene, visi kami adalah menghadirkan penanganan yang benar-benar inovatif dan mengubah hidup, serta meningkatkan kehidupan pasien di seluruh dunia. Dengan Amazon SageMaker dan Apache MXNet, membangun dan melatih model pembelajaran mendalam untuk mengembangkan solusi dan proses telah makin cepat dan mudah dibandingkan sebelumnya, dan kami mampu dengan mudah menskalakan upaya kami untuk menemukan penanganan dan memproduksi obat-obatan. Menggunakan SageMaker dan instans Amazon EC2 P3 telah mempercepat waktu kami dalam melatih model dan produktivitas, memungkinkan tim kami berfokus pada riset dan penemuan yang inovatif.”

Lance Smith, Director - Celgene

Thomson Reuters adalah sumber berita dan informasi terkemuka di dunia untuk pasar profesional. 

“Selama lebih dari 25 tahun kami telah mengembangkan kemampuan machine learning lanjutan untuk menggali, menghubungkan, meningkatkan, mengatur, dan menyampaikan informasi ke pelanggan kami, yang berhasil memungkinkan mereka untuk menyederhanakan dan mendapatkan nilai yang lebih banyak dari pekerjaan mereka. Bekerja dengan Amazon SageMaker memungkinkan kami merancang kemampuan pemrosesan bahasa alami dalam konteks aplikasi penjawab pertanyaan. Solusi kami memerlukan beberapa iterasi konfigurasi deep learning dalam skala besar menggunakan kemampuan Amazon SageMaker.”

Khalid Al-Kofahi, AI and Cognitive Computing - Thomson Reuters Center

Zalando adalah platform online terkemuka di Eropa untuk fesyen dan gaya hidup, dengan lebih dari 28 juta pelanggan aktif di 17 pasar, yang menawarkan produk pakaian, alas kaki, aksesori, dan kecantikan.

“Nilai-nilai Zalando berkisar pada fokus pelanggan, kecepatan, kewirausahaan, dan pemberdayaan. Kami memutuskan untuk menstandarkan beban kerja machine learning kami di AWS untuk meningkatkan pengalaman pelanggan, memberi tim kami alat dan proses agar menjadi lebih produktif, dan mendorong bisnis kami. Dengan menggunakan Amazon SageMaker, Zalando dapat mengarahkan kampanye dengan lebih baik, menyediakan pakaian yang dipersonalisasi, dan memberi pelanggan kami pengalaman yang lebih baik. Dengan solusi yang didukung AWS ini, produktivitas teknisi dan ilmuwan data kami telah meningkat 20%.”

Rodrigue Schäfer, Director Digital Foundation – Zalando

Atlas Van Lines adalah perusahaan jasa pindahan jarak jauh terbesar kedua di Amerika Utara, yang didirikan pada tahun 1948 oleh sekelompok wirausahawan di industri jasa pindahan dan penyimpanan. Organisasi ini dikembangkan dengan satu sasaran, berpindah antar-pesisir sekaligus mematuhi aturan utama dalam bisnis. Di samping jejaknya yang luar biasa, Atlas menawarkan persyaratan kualitas agen yang ketat yang melampaui persyaratan industri.

Selama puncak musim pindahan, jaringan agen Atlas bekerja sama di berbagai pasar untuk memenuhi permintaan pelanggan. Secara tradisional, kemampuan mereka untuk memperkirakan kapasitas bersifat manual dan menggunakan banyak tenaga kerja. Mereka mengandalkan pengetahuan dan insting sumber daya yang berasal dari pengalaman selama bertahun-tahun. Atlas memiliki data historis mulai tahun 2011 dan seterusnya, dan ingin menemukan cara untuk menyesuaikan kapasitas dan harga secara dinamis berdasarkan permintaan pasar di masa depan.

Atlas bekerja sama dengan Pariveda Solutions, Mitra Konsultasi Premier APN, untuk membantu mewujudkan peluang manajemen kapasitas dan harga yang proaktif di industri jasa pindahan jangka panjang. Pariveda menyiapkan data, mengembangkan, dan mengevaluasi model machine learning, serta menyetel performanya. Mereka menggunakan Amazon SageMaker untuk melatih dan mengoptimalkan model, kemudian mengekspornya menggunakan sifat modular Amazon SageMaker untuk berjalan menggunakan Amazon EC2.

Dengan 20 miliar kecocokan hingga saat ini, Tinder menjadi aplikasi paling populer di dunia untuk bertemu orang baru.

"Di balik setiap gerakan usap di Tinder, ada sebuah sistem yang mengelola jutaan permintaan setiap menit, miliaran gerakan usap dalam sehari, di lebih dari 190 negara. Amazon SageMaker menyederhanakan machine learning, membantu tim pengembangan kami membangun model untuk prediksi yang menciptakan koneksi baru yang sebelumnya tidak memungkinkan untuk dilakukan."

Elie Seidman, Chief Executive Officer - Tinder

Edmunds.com adalah sebuah situs web belanja mobil yang terus memperbarui informasi tentang kendaraan untuk 20 juta pengunjung setiap bulannya.

“Kami memiliki sebuah inisiatif strategis untuk menempatkan machine learning di tangan semua teknisi kami. Amazon SageMaker menjadi kunci dalam membantu kami mencapai sasaran ini, memudahkan teknisi membangun, melatih, dan menerapkan model dan algoritme machine learning sesuai skala. Kami sangat senang melihat bagaimana Edmunds akan menggunakan SageMaker untuk berinovasi solusi baru di seluruh organisasi kami untuk para pelanggan kami.”

Stephen Felisan, Chief Information Officer - Edmunds.com

Hotels.com adalah merek penginapan global terkemuka yang mengoperasikan 90 situs web yang dilokalkan dalam 41 bahasa.

“Di Hotels.com, kami selalu tertarik untuk bergerak lebih cepat, untuk memanfaatkan teknologi termutakhir dan tetap inovatif. Dengan Amazon SageMaker, pelatihan yang didistribusikan, algoritme yang dioptimalkan, dan fitur hiperparameter bawaan diharapkan dapat membuat tim saya membangun model yang lebih akurat dengan cepat pada rangkaian data terbesar kami, mengurangi lamanya waktu yang diperlukan bagi kami untuk beralih dari model ke produksi. Hanya berupa panggilan API. Amazon SageMaker akan mengurangi kompleksitas machine learning secara signifikan, yang memungkinkan kami menciptakan pengalaman yang lebih baik dan cepat bagi pelanggan kami.”

Matt Fryer, VP dan Chief Data Science Officer - Hotels.com dan Expedia Affiliate Network

Formosa Plastics Corporation adalah penyuplai resin plastik dan petrokimia yang terintegrasi secara vertikal dan sedang berkembang. Formosa Plastics menawarkan lini lengkap polivinil klorida, polietilena, dan resin polipropilena, soda tajam, dan petrokimia lainnya yang menghadirkan konsistensi, performa, dan kualitas yang diinginkan pelanggan.

"Formosa Plastics adalah salah satu perusahaan petrokimia teratas di Taiwan, dan berada di jajaran produsen plastik terkemuka di dunia. Kami memutuskan untuk menjelajahi machine learning guna memungkinkan deteksi kerusakan yang lebih akurat dan mengurangi biaya tenaga kerja manual. Kami pun berpaling ke AWS sebagai penyedia cloud pilihan untuk membantu kami melakukannya. AWS ML Solutions Lab bekerja sama dengan kami melalui setiap langkah proses, mulai dari lokakarya penemuan untuk menentukan kasus penggunaan bisnis, pembangunan dan pemilihan model ML yang sesuai, hingga deployment aktual. Dengan menggunakan Amazon SageMaker, solusi machine learning mengurangi waktu yang karyawan kami habiskan untuk melakukan pemeriksaan manual hingga separuhnya. Dengan bantuan Solutions Lab, kini kami mampu mengoptimalkan sendiri model SageMaker ke depannya sesuai perubahan kondisi.”

Bill Lee, Assistant Vice President - Formosa Plastics Corporation

Voodoo adalah perusahaan game seluler terkemuka dengan lebih dari 2 miliar unduhan game dan lebih dari 400 juta pengguna aktif per bulan (MAU). Mereka menjalankan platform periklanannya sendiri dan menggunakan machine learning untuk meningkatkan akurasi dan kualitas tawaran iklan yang ditampilkan kepada pengguna.

"Di Voodoo, kami perlu memastikan jutaan (dan terus bertambah) basis pemain tetap berinteraksi dengan aktif. Dengan menstandarkan beban kerja machine learning dan kecerdasan buatan di AWS, kami mampu mengulang pada kecepatan dan skala yang kami butuhkan untuk terus mengembangkan bisnis dan melibatkan para pemain game kami. Dengan menggunakan Amazon SageMaker, kami dapat memutuskan secara waktu nyata kapan sebaiknya iklan ditampilkan kepada pemain dan meminta titik akhir lebih dari 100 juta kali dengan lebih dari 30 juta pengguna setiap harinya, yang mewakili hampir satu miliar prediksi per hari. Dengan AWS Machine Learning, kami mampu menempatkan model yang akurat ke dalam produksi dalam waktu kurang dari seminggu, didukung oleh sebuah tim kecil, dan telah mampu terus-menerus membangun menggunakan machine learning seiring pertumbuhan tim dan bisnis kami.”

Aymeric Roffé, Chief Technology Officer – Voodoo

Zendesk membangun perangkat lunak untuk hubungan yang lebih baik dengan pelanggan. Ini memberdayakan organisasi untuk meningkatkan keterlibatan pelanggan dan memahami pelanggannya dengan lebih baik. Lebih dari 94.000 akun pelanggan berbayar di lebih dari 150 negara dan teritori menggunakan produk Zendesk.

"Amazon SageMaker akan mengurangi biaya dan meningkatkan kecepatan penggunaan machine learning kami. Dengan Amazon SageMaker, kami dapat melakukan transisi dari deployment TensorFlow yang sudah ada dan dikelola sendiri menjadi layanan terkelola penuh. Amazon SageMaker juga memberi kami akses lebih mudah ke kerangka kerja pembelajaran mendalam populer lainnya, sambil mengelola infrastruktur untuk menulis, melatih, dan menyajikan model kami."

David Bernstein, Direktur Teknologi Strategi - Zendesk

Dulu bernama Motoring.co.uk, Regit adalah firma teknologi otomotif dan layanan online terkemuka di Inggris untuk para pengguna kendaraan bermotor. Perusahaan ini menghadirkan layanan manajemen mobil digital yang didasarkan pada pelat registrasi mobil, dan memberi pengemudi pengingat informatif, seperti pajak Kementerian Transportasi (MOT), asuransi, dan penarikan produk.

Regit bekerja sama dengan Peak Business Insight, Partner Konsultasi Lanjutan APN untuk menerapkan “model Machine Learning Berkategori” yang menangani data kategori dan variabel secara simultan untuk memberi prediksi mengenai kemungkinan pengguna mengganti mobil, yang menghasilkan penjualan untuk Regit.

Peak menggunakan layanan AWS seperti Amazon SageMaker untuk penyerapan real-time, pemodelan, dan output data. Amazon SageMaker menangani 5.000 permintaan API dalam sehari untuk Regit, menskalakan dan menyesuaikan dengan mulus ke persyaratan data yang relevan, serta mengelola pengiriman hasil penentuan skor prospek. Sementara itu, Amazon Redshift dan instans Amazon Elastic Compute Cloud (Amazon EC2) secara efisien dan kontinu mengoptimalkan performa model dan hasil. Bersama Peak, Regit telah mampu memprediksi yang mana dari 2,5 juta penggunanya yang akan mengganti mobil dan kapan. Ini berarti mereka dapat melayani pelanggan dengan cara yang lebih dipersonalisasi dan bertarget, meningkatkan pendapatan pusat panggilan lebih dari seperempatnya.

Zocdoc memberikan pencarian layanan medis untuk pengguna akhir dengan solusi terintegrasi mengenai informasi praktik medis dan jadwal setiap dokter. Kebutuhan pasien dan menghadirkan pengalaman layanan kesehatan terbaik menjadi fokusnya.

“Di Zocdoc, fokus kami selama ini adalah memudahkan pasien menemukan dokter yang tepat dan membuat janji temu di waktu dan lokasi yang paling memudahkan mereka. Para teknisi Zocdoc merasa sangat terbantu dengan betapa mudahnya membangun, melatih, dan menerapkan model dengan cepat menggunakan Amazon SageMaker. Salah satu teknisi seluler kami mampu melatih dan menerapkan model rekomendasi spesialisasi dokter dari nol dalam waktu kurang dari sehari, yang akhirnya kami luncurkan ke produksi. Sebelumnya, tim ilmu data kami harus berkontribusi dalam pengembangan setiap pekerjaan model, yang memperlambat tim produk. Dengan Amazon SageMaker, kami dapat membawa dari konsep ke produksi jauh lebih cepat, berkat kemudahan kemampuan menyeluruh yang disederhanakan dari SageMaker."

Jaringan Move, Inc. yang meliputi realtor.com®, Doorsteps®, dan Moving.com™, memberikan informasi, alat, dan keterampilan profesional real estate untuk jajaran keluarga situs web dan pengalaman seluler untuk konsumen dan profesional real estate.

“Kami meyakini bahwa Amazon SageMaker menjadi penambahan yang mentransformasi rangkaian alat realtor.com® saat kami mendukung konsumen dalam perjalanan mereka untuk memiliki rumah. Akur kerja machine learning yang secara historis memakan banyak waktu, seperti melatih dan mengoptimalkan model, dapat dilakukan dengan efisiensi yang jauh lebih baik, dan dengan kumpulan pengembang yang lebih besar, memberdayakan ilmuwan data dan analis kami untuk berfokus pada menciptakan pengalaman paling kaya bagi pelanggan kami."

Vineet Singh, Chief Data Officer dan Senior Vice President - Move, Inc.

Algoritme Grammarly membantu jutaan orang berkomunikasi dengan lebih efektif setiap harinya dengan menawarkan bantuan menulis pada beberapa platform di seluruh perangkat, melalui kombinasi teknologi pemrosesan bahasa alami dan machine learning lanjutan.

“Amazon SageMaker memungkinkan kami mengembangkan model TensorFlow dalam sebuah lingkungan pelatihan terdistribusi. Alur kerja kami juga terintegrasi dengan Amazon EMR untuk prapemrosesan, sehingga bisa mendapatkan data kami dari Amazon S3, yang difilter dengan EMR dan Spark dari notebook Jupyter, lalu melatihnya di Amazon SageMaker dengan notebook yang sama. SageMaker juga fleksibel untuk berbagai persyaratan produksi kami. Kami dapat menjalankan inferensi di SageMaker, atau jika kami hanya perlu modelnya, kami mengunduhnya dari S3 dan menjalankan inferensi implementasi perangkat seluler kami untuk pelanggan iOS dan Android.”

Stanislav Levental, Technical Lead - Grammarly

Slice Labs, berbasis di New York dengan operasional di seluruh dunia, merupakan penyedia platform cloud asuransi sesuai permintaan pertama. Slice melayani pasar B2C dengan penawaran asuransi sesuai permintaan individual, serta pasar B2B dengan memberi perusahaan kesempatan untuk membangun produk asuransi digital yang intuitif.

“Di Slice, kami sangat menyadari sifat kebutuhan asuransi pelanggan yang terus berubah, dan kami telah memilih AWS sebagai platform cloud andalan kami karena opsi layanannya yang luas, fleksibilitas, dan reputasinya yang kuat di kalangan penyedia asuransi. Kami menggunakan berbagai layanan AWS untuk mendukung bisnis kami, termasuk AWS Machine Learning untuk membantu menghubungkan pelanggan dengan opsi asuransi terbaik sesuai kebutuhan mereka. Dalam pekerjaan kami dengan penyedia asuransi dan perusahaan teknologi untuk membangun dan meluncurkan produk asuransi cerdas, kami telah melihat manfaat penghematan biaya dan produktivitas yang luar biasa dengan AWS. Sebagai contoh, kami telah mengurangi waktu pengadaan sebesar 98%, dari 47 hari menjadi 1 hari. Kami tidak sabar ingin meneruskan ekspansi kami secara geografis dan dalam hal penggunaan cloud kami bersama AWS."

Philippe Lafreniere, Chief Growth Officer - Slice Labs

Sebagai penyedia pencitraan, data, dan analisis Bumi resolusi tinggi terkemuka di dunia, DigitalGlobe bekerja dengan data yang sangat banyak setiap harinya.

“Sebagai penyedia pencitraan, data, dan analisis Bumi resolusi tinggi terkemuka di dunia, DigitalGlobe bekerja dengan data yang sangat banyak setiap harinya. DigitalGlobe memudahkan orang-orang menemukan, mengakses, dan menjalankan komputasi terhadap seluruh pustaka citra 100PB kami, yang disimpan dalam AWS Cloud, untuk menerapkan deep learning pada pencitraan satelit. Kami berencana menggunakan Amazon SageMaker untuk melatih model terhadap petabita set data pencitraan pengamatan Bumi menggunakan notebook Jupyter yang di- hosting, sehingga pengguna Platform Big Data Geospatial (GBDX) DigitalGlobe cukup menekan tombol, membuat model, dan melakukan deployment semuanya dalam satu lingkungan terdistribusi yang dapat diskalakan sesuai kebutuhan.”

Dr. Walter Scott, Chief Technology Officer - Maxar Technologies dan pendiri DigitalGlobe

Produk yang mengutamakan perpesanan dari Intercom terintegrasi dengan mulus dengan situs web dan aplikasi seluler banyak perusahaan lainnya untuk membantu mereka mendapatkan, melibatkan, dan mendukung pelanggan. Didirikan pada tahun 2011, perusahaan ini memiliki kantor di San Fransisco, London, Chicago, dan Dublin.

“Di Intercom, kami memiliki tim yang terus berkembang, terdiri dari para ilmuwan data dan teknisi yang berorientasi pada data, dan sering kali kami ingin mengulang dengan cepat dan menjelajahi solusi baru untuk produk yang didukung data. Sebelum Amazon SageMaker, kami mencoba banyak opsi berbeda untuk membangun produk ini, tetapi masing-masing memiliki tantangan – berbagi kode sulit dilakukan, pengujian pada kumpulan data besar lamban, pengadaan dan pengelolaan perangkat keras di kami sendiri pun menjadi masalah. SageMaker hadir dan mengatasi semua masalah tersebut untuk kami. Kami menggunakannya terutama untuk mengembangkan algoritme untuk platform pencarian dan fitur machine learning kami, dan ternyata notebook Jupyter yang di- hosting SageMaker memungkinkan kami membangun dan mengulang dengan cepat. Secara krusial, fakta bahwa SageMaker adalah sebuah layanan terkelola memungkinkan tim saya berfokus pada tugas yang sedang mereka kerjakan. Amazon SageMaker adalah layanan yang luar biasa bermanfaat bagi kami di Intercom, dan kami tidak sabar ingin melanjutkan menggunakan lebih banyak lagi seiring pertumbuhan perusahaan kami."

Kevin McNally, Senior Data Scientist Machine Learning - Intercom

“Kami mulai menggunakan Amazon SageMaker dan dengan bantuan dari Tim Solusi ML serta Tim Arsitektur Solusi AWS, kami mengambil momentum dalam Hari Inovasi dan sejak saat itu, dampaknya sangat luar biasa. Kami telah beberapa kali mengembangkan tim AI kami sendiri untuk sepenuhnya memanfaatkan keunggulan baru yang diberikan oleh teknologi AWS. Kami diuntungkan oleh cara baru ini dengan menetapkan harga berdasarkan cuaca yang belum terjadi. Kami bergerak 'sepenuhnya' bersama AWS, termasuk menyimpan data kami di S3, menggunakan Lambda untuk eksekusi, dan langkah fungsi disamping SageMaker. Di samping itu juga, berkat kemitraan berkomitmen dengan AWS ML Solutions Lab, kini kami mampu mengulang sendiri model yang telah kami bangun dan terus meningkatkan bisnis kami.”

Andrew Stypa, Lead Business Analyst - Kinect Energy Group

Frame.io adalah hub Anda untuk semua hal yang berhubungan dengan video. Pemimpin dalam ulasan dan kolaborasi video dengan lebih dari 700.000 pelanggan di seluruh dunia, Frame.io menjadi tempat para profesional video dari seluruh spektrum — mulai dari pekerja lepas hingga korporasi — datang untuk melakukan ulasan, menyetujui, dan mengirim video.

“Sebagai platform ulasan dan kolaborasi video cloud native yang dapat diakses oleh pengguna di seluruh dunia, sangat penting bagi kami untuk menyediakan keamanan terbaik di kelas bagi para pelanggan kami. Dengan model deteksi anomali yang dibangun dalam Amazon SageMaker, kami mampu memanfaatkan machine learning untuk dengan cepat mengidentifikasi, mendeteksi, dan memblokir permintaan IP yang tidak diinginkan guna memastikan media klien kami tetap aman dan terlindungi sepanjang waktu. Mulai menggunakan Amazon SageMaker, memeliharanya seiring waktu, menskalakannya di seluruh platform, dan menyesuaikannya dengan alur kerja spesifik sejauh ini mudah dilakukan dan sederhana. Selain itu, dengan bantuan notebook Jupyter di SageMaker, kami dapat bereksperimen dengan berbagai model untuk meningkatkan presisi dan menarik produk dengan cara yang menjadikan Frame.io jauh lebih aman.”

Abhinav Srivastava, VP dan Head of Information Security - Frame.io

Sebagai atlet yang kompetitif di beberapa disiplin, Sportograf memiliki afinitas alamiah terhadap olah raga. Misi mereka adalah menghargai dan menghormati performa setiap atlet dengan gambar berkualitas profesional.

“Dengan jutaan gambar yang dihasilkan dari berbagai acara olah raga, tantangan kami adalah dalam mengatur foto berdasarkan nomor data dengan kecepatan dan akurasi tinggi. Dalam mencari sebuah solusi, Sportograf memutuskan untuk tidak bekerja dengan kode QR khusus atau penanda lainnya karena opsi tersebut membawa beban kerja yang besar dan kompleks, membuat menjadi mustahil untuk merespons permintaan spontan dari pelanggan. Untuk mengatasi tantangan ini, Amazon Rekognition untuk pengenalan teks, dan Amazon SageMaker memungkinkan kami membangun solusi machine learning kami sendiri untuk mengidentifikasi nomor dada peserta lomba, secara hampir waktu nyata.”

Tom Janas, Direktur Pelaksana - Sportograf

Cookpad adalah layanan berbagi resep terbesar di Jepang, dengan sekitar 60 juta pengguna aktif setiap bulan di Jepang dan sekitar 90 juta pengguna aktif setiap bulan di seluruh dunia.

“Dengan meningkatnya permintaan untuk penggunaan layanan resep Cookpad yang lebih mudah, para ilmuwan data kami akan membangun lebih banyak model machine learning demi mengoptimalkan pengalaman pengguna. Mencoba meminimalkan jumlah pengulangan tugas pelatihan demi performa terbaik, kami menyadari tantangan besar dalam penerapan titik akhir inferensi ML, yang selama ini memperlambat proses pengembangan. Untuk mengotomatiskan penerapan model ML sehingga ilmuwan data dapat menerapkan model sendiri, kami menggunakan API inferensi Amazon SageMaker dan membuktikan bahwa Amazon SageMaker akan menghilangkan kebutuhan teknisi aplikasi untuk menerapkan model ML. Kami mengantisipasi mengotomatiskan proses ini dengan Amazon SageMaker dalam produksi.” 

Yoichiro Someya, Research Engineer - Cookpad

Fabulyst adalah perusahaan startup yang berpusat di India dan berfokus pada perdagangan fesyen yang memungkinkan pengalaman yang lebih positif dan lebih dipersonalisasi bagi pembeli dan konversi yang lebih baik bagi peritel melalui AI.

“Fabulyst memudahkan pembeli menemukan pembelian yang sempurna dengan mencocokkan item dalam inventaris dengan kueri khusus pengguna yang dipersonalisasi (misalnya, menyesuaikan dengan tipe tubuh atau warna kulit mereka). Pada saat bersamaan, kami membantu pengecer mendapatkan konversi yang lebih efektif dengan menggunakan penglihatan komputer untuk memprakirakan tren bulanan berdasarkan data dari media sosial, pencarian, blog, dan lain-lain, serta penandaan otomatis pada tren tersebut dalam katalog pelanggan pengecer kami. Fabulyst menggunakan AWS untuk menghadirkan solusi terbaik di kelasnya, termasuk Amazon SageMaker untuk menangani banyak prediksi yang mendukung penawaran kami. Mengandalkan SageMaker dan layanan AWS lainnya, kami mampu menjamin nilai bagi pelanggan kami – seperti kenaikan 10% dalam pendapatan tambahan bagi peritel – dan keyakinan dalam kemampuan kami menghadirkan hasil yang luar biasa setiap saat.”

Komal Prajapati, Founder & CEO - Fabulyst

Terragon Group adalah bisnis teknologi data dan pemasaran yang membuka nilai untuk banyak bisnis menggunakan wawasan untuk menjangkau audiensi seluler di Afrika. Selama bertahun-tahun, Terragon Group telah menjadi pemimpin dalam ruang seluler yang melayani merek lokal dan multinasional, menjangkau beberapa geografi. Menyampaikan pesan iklan yang tepat kepada pengguna yang tepat di saat yang tepat memerlukan personalisasi dan Terragon menggunakan data, wawasan, serta kecerdasan buatan untuk membantu bisnis menjangkau audiensi yang tepat di Afrika.

“Amazon SageMaker memberi kami alur kerja machine learning menyeluruh tanpa membutuhkan pemasangan infrastruktur utama. Ilmu data dan tim machine learning kami dapat dengan cepat beralih dari eksplorasi data ke pelatihan model dan produksi hanya dalam waktu beberapa jam. Untuk bisnis yang berbasis di Afrika dengan bakat teknik yang langka, tidak ada cara lain bagi kami untuk dapat membangun dan melakukan deployment pada model ML yang memecahkan masalah kurang dari 90 hari.”

Deji Balogun, CTO - Terragon Group

SmartNews adalah aplikasi berita terbesar di Jepang yang menghadirkan informasi berkualitas kepada lebih dari 11 juta pengguna aktif setiap bulannya di dunia. Dengan teknologi machine learning, SmartNews membantu pengguna mendapatkan berita-berita paling relevan dan paling menarik. Algoritme machine learning di SmartNews mengevaluasi jutaan artikel, sinyal sosial, dan interaksi manusia untuk menghadirkan 0,01% berita terpopuler, yang paling penting, saat ini juga.

"Misi kami untuk menemukan dan menghadirkan kisah-kisah berkualitas kepada dunia didukung oleh AWS, dan terutama oleh Amazon SageMaker, yang telah membantu kami mempercepat siklus pengembangan untuk melayani pelanggan kami. Menggunakan Amazon SageMaker sangat membantu kami dalam metode kurasi berita, termasuk klasifikasi artikel menggunakan deep learning, memprediksi Life Time Value, dan menyusun pemodelan untuk teks dan gambar. Kami menantikan pencapaian target yang lebih tinggi dengan Amazon SageMaker dan solusi AI lainnya dari AWS.”

Kaisei Hamamoto, Rekan Pendiri dan Rekan CEO - SmartNews, Inc.

Signate menawarkan solusi untuk layanan alih daya, perekrutan, dan konsultasi, menggunakan AI. Signate juga dikenal sebagai komunitas ilmu data dengan lebih dari 16.000 anggota tempat para anggota saling berkompetisi untuk menghasilkan model terbaik dalam kompetisi. Perusahaan ini juga menawarkan layanan menggunakan Amazon SageMaker yang membantu kliennya melakukan deployment pada model yang didapat melalui kompetisi ke penerapan produksi.

“Kami memanfaatkan Amazon SageMaker sebagai alat entitas utama untuk membangun model machine learning dan ini telah menjadikan sistem manajemen model kami yang disebut 'Aldebaran' menjadi lebih dapat diskalakan. SageMaker telah memungkinkan integrasi tanpa hambatan ke alur kerja kami, termasuk membangun, melatih, dan melakukan deployment pada model ML secara simultan. Sebelumnya, perlu waktu 3 hingga 6 bulan untuk melakukan deployment pada model ke produksi. Dengan SageMaker, kami dapat menerapkan model ke produksi dalam 1 hingga 4 minggu, menghemat waktu dan meningkatkan produktivitas. SageMaker adalah platform ML standar pilihan kami untuk semua model ML kami.”

Shigeru Saito, President CEO/CDO - Signate Inc.

Pioneer adalah perusahaan multinasional yang mengkhususkan diri dalam hiburan digital, termasuk elektronik mobil dan layanan mobilitas. Pioneer digerakkan oleh filosofi perusahaannya "Gerakkan Hati dan Sentuh Jiwa", serta menyediakan produk dan layanan untuk pelanggannya yang dapat membantu keseharian mereka.

“Dengan memanfaatkan Amazon SageMaker dan fitur pelatihan model seperti Penyetelan Model Otomatis, kami dapat mengembangkan model machine learning yang sangat akurat, dan terus memastikan privasi pelanggan kami terjaga. Kami juga menantikan untuk memanfaatkan AWS Marketplace untuk machine learning untuk model algoritme dan model yang dilatih sebelumnya, guna membangun platform monetisasi."

Kazuhiro Miyamoto, Manajer Umum Departemen Teknik Layanan Informasi - Pioneer

Dely menjalankan layanan video memasak terbaik di Jepang, Kurashiru. Setiap harinya, Kurashiru berupaya menyajikan layanan kuliner yang berdampak pada dunia. Kurashiru membantu banyak orang per hari dengan memperkenalkan berbagai resep makanan lezat yang mewarnai meja makan dengan video memasak. Puluhan juta orang menonton dan mendengarkan layanan resep bulanan ini di Jepang.

“Kami melampaui 15 juta unduhan aplikasi seluler dalam waktu 2,5 tahun sejak meluncurkan layanan Kurashiru yang populer. Kami yakin bahwa konten yang tepat harus dihadirkan kepada pengguna di saat yang tepat menggunakan teknologi lanjutan seperti machine learning. Untuk mencapainya, kami menggunakan Amazon SageMaker yang membantu kami membangun dan melakukan deployment pada model machine learning di produksi dalam 90 hari. Kami juga menaikkan nilai tingkat klik sebesar 15% dengan personalisasi konten”.

Masato Otake, CTO - Dely, Inc.

Ayla Networks adalah perusahaan perangkat lunak platform-as-a-service IoT yang berbasis di San Fransisco dan mengembangkan solusi untuk pasar konsumen dan komersial.

“Di Ayla Networks, kami menemukan bahwa pelanggan kami utamanya menjalankan infrastruktur AWS karena skalabilitas dan keandalannya yang telah terbukti. Secara khusus, kami melihat bahwa produsen komersial menggunakan Amazon SageMaker untuk memanfaatkan data performa peralatan dari Ayla Cloud. Dengan Amazon SageMaker dan produk Ayla IQ kami, bisnis dapat membuka wawasan dan anomali yang menghasilkan produk dan kualitas layanan yang lebih baik, bahkan sejauh ini hingga memprediksi kegagalan mesin dan memperbaikinya sebelum terjadi. Solusi ini memastikan pelanggan tetap dapat menjalankan operasional dengan mulus agar bisnis mereka terus dapat berkembang, memproduksi, dan menskalakan tanpa rasa khawatir.”

Prashanth Shetty, VP Global Marketing - Ayla Networks

FreakOut adalah perusahaan teknologi terkemuka yang berfokus pada periklanan digital. Perusahaan ini menawarkan berbagai produk untuk transaksi inventaris real-time dalam periklanan internet serta analisis data untuk penjelajahan web. FreakOut memanfaatkan machine learning untuk prediksi tingkat klik (CTR) dan tingkat konversi (CVR).

“Kami sedang dalam proses memigrasikan lingkungan pelatihan machine learning kami dari on-premise ke Amazon SageMaker. Amazon SageMaker menawarkan solusi yang lebih dapat diskalakan bagi bisnis kami. Dengan fitur Penyetelan Model Otomatis dari Amazon SageMaker, kami dapat mengoptimalkan dan memperkirakan model yang sangat akurat untuk persyaratan kami."

Jiro Nishiguchi, CTO - FreakOut

"Di Wag!, kami harus memenuhi kebutuhan penawaran dan permintaan di marketplace dua sisi. Kami melihat peluang untuk menggunakan machine learning — yang didukung oleh AWS — untuk memprediksi permintaan membawa anjing berjalan-jalan dari pelanggan kami. Dengan menstandarkan aplikasi machine learning kami di AWS, kami mampu memenuhi kebutuhan bisnis kami yang terus berkembang dengan mengulang dengan kecepatan dan skala yang jauh ditingkatkan, terlepas dari sumber daya teknis yang terbatas. Menggunakan Amazon SageMaker, kami dapat mempercepat eksperimentasi machine learning, mengompres 45 hari waktu komputasional untuk melatih model menjadi 3 hari.”

Dave Bullock, VP of Technology of Engineering and Operations - Wag Labs Inc.

"Selama lebih dari 100 tahun, kami telah membantu banyak pelanggan saat kami terus memperkenalkan berbagai layanan terdepan untuk membuat transaksi komersial menjadi lebih aman dan lebih sederhana. Dengan data administratif dan keuangan dari lebih dari 30 juta perusahaan, mendeteksi penipuan siber sebelum berdampak pada operasional bisnis dapat menjadi sebuah tantangan. Kerja sama kami dengan Amazon SageMaker sebagai platform AI/ML pilihan yang memungkinkan kami berinovasi lebih cepat. Sebagai contoh, kami mampu meluncurkan layanan internal baru dalam waktu 7 bulan dan kini dapat mengidentifikasi penipuan penyalahgunaan URL dalam waktu 24 jam setelah domain berbahaya dibuat.”

Luis Leon, IT Innovation Advisor - Euler Hermes

iFood adalah pemimpin dalam pengantaran makanan online di Amerika Latin, dengan 30,6 juta pesanan setiap bulannya dan sekitar 160.000 yang terdaftar di lebih dari 1.000 kota.

"Di iFood, kami menggunakan machine learning untuk meningkatkan pengalaman pelanggan dan restoran. Dengan Amazon SageMaker, kami dapat membuat rekomendasi restoran dan makanan yang dipersonalisasi. Secara logistik, personel pengantaran telah mengurangi jarak perjalanan mereka sebesar 12% berkat optimalisasi rute. Dengan menstandarkan beban kerja machine learning kami di AWS, kini kami memiliki fleksibilitas dan skalabilitas yang dibutuhkan untuk menyediakan informasi dan hasil secara real-time.”

Sandor Caetano, Chief Data Scientist - iFood

"Root Insurance menggunakan teknologi untuk menetapkan harga asuransi mobil berdasarkan apa yang dikendarai orang-orang sebenarnya — tidak sekadar demografinya. Seiring pertumbuhan Root, kemampuan pelatihan dan transformasi batch Amazon SageMaker telah menjadi makin relevan dengan kebutuhan kami. Dengan menstandarkan beban kerja machine learning kami di AWS, kami dapat menganalisis telemetri dari telepon seluler dan membantu pengemudi yang baik menghemat biaya asuransi mobil hingga 52%.”

Bill Kaper, VP of Engineering - Root Insurance

Infoblox adalah pemimpin dalam layanan jaringan cloud terkelola yang aman, didesain untuk mengelola dan mengamankan inti jaringan, yang disebut DNS, DHCP, dan manajemen alamat IP (bersama-sama disebut DDI).

"Di Infoblox, kami membangun layanan analitik keamanan DNS dengan Amazon SageMaker yang mendeteksi aktor berbahaya yang membuat homograf untuk meniru target nama domain dengan nilai tinggi dan menggunakannya untuk menjatuhkan malware, melakukan phishing pada informasi pengguna, dan menyerang reputasi merek. AWS adalah standar korporasi untuk cloud, dan kami dapat memanfaatkan beberapa fitur yang ditawarkan oleh SageMaker untuk mempercepat pengembangan model ML. Menggunakan kemampuan Penyetelan Model Otomatis SageMaker, kami menskalakan eksperimentasi dan meningkatkan akurasi kami hingga 96,9%. Berkat SageMaker, detektor homograf IDN, bagian dari layanan analitik keamanan kami, telah mengidentifikasi lebih dari 60 juta resolusi domain homograf, dan terus menemukan jutaan lainnya setiap bulan, yang membantu pelanggan kami mendeteksi penyalahgunaan merek lebih cepat."

Femi Olumofin, Analytics Architect - Infoblox

Zappos lahir 20 tahun lalu sebagai peritel sepatu online skala kecil. Sejak saat itu, Zappos telah berkembang menjual pakaian, tas, aksesori, dan lebih banyak lagi sambil memberikan layanan pelanggan yang dikenal baik dan pengalaman karyawan yang inovatif. Perusahaan ini telah menjadi anak perusahaan Amazon sejak tahun 2009.

"Di Zappos, kami meningkatkan pengalaman pelanggan e-commerce secara terukur menggunakan solusi analitik dan machine learning yang memungkinkan kami mempersonalisasi ukuran dan hasil pencarian bagi pengguna individu sambil mempertahankan pengalaman pengguna yang sangat lancar dan responsif. Dengan Amazon SageMaker, kami dapat memprediksi ukuran sepatu pelanggan. AWS adalah standar perusahaan kami untuk ML/AI karena layanan AWS memungkinkan teknisi berfokus pada peningkatan performa dan hasil, bukan pada biaya DevOps.“

Ameen Kazerouni, Head of Machine Learning Research and Platforms - Zappos

NerdWallet, perusahaan keuangan pribadi yang berbasis di San Francisco, menyediakan ulasan dan perbandingan produk keuangan, yang meliputi kartu kredit, perbankan, investasi, pinjaman, dan asuransi.

"NerdWallet mengandalkan ilmu data dan ML untuk menghubungkan pelanggan dengan produk keuangan yang dipersonalisasi. Kami memilih untuk menstandarkan beban kerja ML kami di AWS karena memungkinkan kami memodernkan praktik rekayasa ilmu data kami dengan cepat, menghilangkan hambatan, dan mempercepat waktu pengiriman. Dengan Amazon SageMaker, ilmuwan data kami dapat menghabiskan waktu lebih lama pada sasaran strategis dan memfokuskan lebih banyak energi pada keunggulan kompetitif kami—wawasan kami mengenai masalah yang sedang coba kami pecahkan untuk pengguna.”

Ryan Kirkman, Senior Engineering Manager - NerdWallet

Splice adalah platform kreatif untuk musisi, dibangun oleh musisi, untuk memberdayakan seniman dalam membebaskan potensi kreatif mereka yang sesungguhnya. Perusahaan startup pembuatan musik berbasis langganan ini didirikan pada 2013 dan kita melayani lebih dari 3 juta musisi yang menjelajahi katalog dalam pencarian suara yang sempurna.

Seiring pertumbuhan katalog suara dan prasetel kami, tantangan menemukan suara yang tepat pun makin besar. Itulah mengapa Splice berinvestasi dalam membangun kemampuan pencarian dan penemuan terbaik di kelasnya. Dengan menstandarkan beban kerja ML kami di AWS, kami membuat penawaran yang lebih baru dan beriorientasi pada pengguna, dengan tujuan untuk makin memudahkan musisi terhubung dengan suara yang mereka cari. Sejak Similar Sounds diluncurkan, kami telah melihat peningkatan hampir 10 persen dalam konversi pencarian. Dengan memanfaatkan Amazon SageMaker, kami membuat pelengkap yang sempurna untuk pencarian berbasis teks - memungkinkan pengguna kami menemukan dan menavigasi katalog dengan cara yang tidak mungkin dilakukan sebelumnya.”

Alejandro Koretzky, Kepala Machine Learning & Teknisi Entitas Utama - Splice

"Sebelum memulai perjalanan machine learning, kami hanya memiliki kemampuan untuk mencari teks daftar riwayat hidup (CV), tetapi kami memiliki kekurangan untuk mengenali karakter optik sehingga tidak semua CV dapat dicari. Dengan Amazon Textract, kami kini dapat mengekstraksi konten dalam semua jenis dokumen dan memiliki kompetensi untuk mengindeks semua file yang diunggah dalam klaster Elasticsearch. Sekarang setiap dokumen yang diunggah dapat dicari menggunakan Elasticsearch, memberi kecepatan pencarian 10 kali lebih cepat dibandingkan pencarian SQL awal. Selain itu, kami mengimplementasikan pemvektoran kata menggunakan Amazon SageMaker untuk menambahkan kata kunci yang berkaitan ke kueri pencarian. Dengan proses ini kami dapat secara akurat mengklasifikasikan dan mengualifikasikan kandidat dan membantu kami menghilangkan kesalahan yang disebabkan penempatan kata sinonim atau alternatif yang digunakan dalam CV. Dengan menggunakan Amazon SageMaker dan Amazon Textract, kami dapat mengirimkan kandidat yang lebih cerdas dan memiliki kualitas lebih baik kepada perekrut. Performa yang stabil, ketersediaan di seluruh dunia, dan keandalan menjadi faktor sukses utama untuk Audeosoft. Saat mengambil keputusan hampir 8 tahun lalu untuk bermitra dengan AWS, kami tahu mereka akan jadi mitra yang sangat hebat untuk masa depan. Dengan memilih AWS sebagai penyedia cloud pilihan, kami memiliki partner yang memiliki motivasi dan keinginan yang sama untuk menciptakan inovasi seperti yang kami lakukan dalam bertahun-tahun ke depan.”

Marcel Schmidt, CTO - Audeosoft

Freshworks adalah katering unicorn B2B SaaS yang berbasis di AS/India dan melayani bisnis ukuran kecil dan menengah (UKM) serta bisnis pasar menengah di seluruh dunia. Freshworks menawarkan portofolio aplikasi yang mudah digunakan tetapi sangat andal untuk alur kerja keterlibatan pelanggan dan keterlibatan karyawan.

"Di Freshworks, kami membangun penawaran AI/ML andalan kami, Keterampilan AI Freddy, dengan model hiperpersonal yang membantu agen menangani kueri pengguna dan menyelesaikan tiket dukungan dengan sukses, tim penjualan dan pemasaran memprioritaskan peluang dan menyelesaikan kesepakatan dengan cepat, dan manajer kesuksesan pelanggan mengurangi risiko gejolak dan mengembangkan bisnis. Kami memilih untuk menstandarkan beban kerja ML kami di AWS karena kami dapat dengan mudah membangun, melatih, dan menerapkan model machine learning yang dioptimalkan untuk kasus penggunaan pelanggan kami. Berkat Amazon SageMaker, kami telah membangun lebih dari 30.000 model untuk 11.000 pelanggan sekaligus mengurangi waktu latihan untuk model ini dari 24 jam menjadi kurang dari 33 menit. Dengan SageMaker Model Monitor, kami dapat melacak pergeseran data dan melatih ulang model untuk memastikan akurasi. Didukung oleh Amazon SageMaker, Keterampilan AI Freddy terus berevolusi dengan tindakan cerdas, wawasan data mendalam, dan percakapan yang didorong oleh tujuan."

Tejas Bhandarkar, Direktur Senior Produk - Platform Freshworks

Veolia Water Technologies adalah perusahaan desain berpengalaman dan penyedia solusi dan layanan teknologi khusus dalam penanganan air dan limbah air.

"Dalam delapan minggu yang singkat, kami bekerja sama dengan AWS untuk mengembangkan prototipe yang mengantisipasi kapan harus membersihkan atau mengganti membran pemfilteran air di pabrik desalinasi kami. Dengan menggunakan Amazon SageMaker, kami membangun model ML yang mempelajari pola sebelumnya dan memprediksi evolusi indikator yang merusak di masa mendatang. Dengan menstandarkan beban kerja ML kami di AWS, kami mampu mengurangi biaya dan mencegah waktu henti saat meningkatkan kualitas air yang dihasilkan. Hasil ini tidak dapat diwujudkan tanpa pengalaman teknis, kepercayaan, dan dedikasi kedua tim dalam mencapai satu sasaran: pasokan air yang bersih, aman, dan tanpa gangguan."

Aude GIARD, Chief Digital Officer - Veolia Water Technologies

Sportradar, sebuah penyedia data olah raga terkemuka, menghadirkan data olah raga waktu nyata ke lebih dari 65 liga di seluruh dunia. Dalam upaya untuk menghasilkan wawasan yang mutakhir, perusahaan ini bekerja sama dengan Amazon ML Solutions Lab untuk mengembangkan pembuat prediksi gol sepak bola.

“Dengan penuh pertimbangan, kami melemparkan salah satu kemungkinan masalah penglihatan komputer terbesar di Amazon ML Solutions Lab untuk menguji kemampuan AWS Machine Learning, dan saya sangat kagum dengan hasilnya. Tim ini membangun model ML untuk memprediksi gol sepak bola 2 detik sebelum pertandingan yang sedang berlangsung menggunakan Amazon SageMaker. Model ini saja telah membuka pintu menuju banyak peluang bisnis baru untuk kami. Kami menantikan menstandarkan beban kerja ML kami di AWS karena kami dapat membangun, melatih, dan menerapkan model yang mendorong inovasi dalam bisnis kami dan memenuhi persyaratan biaya dan latensi.”  

Ben Burdsall, CTO - Sportradar

F. Hoffmann-La Roche AG (Roche) adalah perusahaan ilmu hayati multinasional dari Swiss yang mengkhususkan diri di bidang farmasi dan diagnostik.

“Saya ingin mendorong tim saya untuk mengatur alur kerja ML kami di cloud, sehingga kami bekerja sama dengan Machine Learning Solutions Lab untuk menghasilkan lokakarya Amazon SageMaker, yang menunjukkan cara SageMaker menyederhanakan proses produksi ML untuk para ilmuwan data. Sejak lokakarya, 80% beban kerja ML kami berjalan di AWS yang membantu tim kami mewujudkan model ML untuk berproduksi tiga kali lebih cepat. SageMaker dan tumpukan AWS memberdayakan kami agar menggunakan sumber daya komputasi untuk melatih sesuai permintaan tanpa dibatasi ketersediaan on-premise.”  

Gloria Macia, Ilmuwan Data - Roche

“Di Guru, kami percaya bahwa pengetahuan yang Anda butuhkan untuk melakukan tugas seharusnya menemukan Anda. Kami adalah solusi manajemen pengetahuan yang menangkap informasi paling berharga tim Anda dan mengaturnya ke dalam satu sumber fakta. Kami memanfaatkan AI untuk menyarankan pengetahuan kepada Anda secara waktu nyata di tempat Anda bekerja, memastikan pengetahuan tersebut selalu terverifikasi, dan membantu Anda mengelola seluruh basis pengetahuan Anda dengan lebih baik. Tim ilmu data produk kami yang terus berkembang menghadapi semua tantangan yang dihadapi tim ML dewasa ini — membangun, melatih, dan melakukan deployment pada sistem ML dalam skala besar — dan kami juga mengandalkan Amazon SageMaker sebagai sarana mengatasi beberapa tantangan tersebut. Saat ini kami memanfaatkan Inferensi SageMaker untuk melakukan deployment pada model ML ke produksi dengan lebih cepat, mereka membantu mencapai sasaran nomor satu kami — memberi nilai untuk pelanggan kami.”  

Nabin Mulepati, Staf Teknisi ML - Guru

Sebagai bagian dari komitmen Amazon terhadap keselamatan rekannya selama pandemi COVID-19, tim Operasional Amazon telah melakukan deployment pada solusi ML untuk membantu memastikan protokol pembatasan sosial terus dijalankan dalam lebih dari 1.000 pembangunan operasional di seluruh dunia. Operasional Amazon bekerja sama dengan Amazon Machine Learning Solutions Lab untuk membuat model penglihatan komputer canggih untuk estimasi jarak menggunakan Amazon SageMaker.

“Dengan menstandarkan beban kerja ML kami di AWS dan bekerja dengan para ahli di ML Solutions Lab, kami membuat set model inovatif yang kami perkirakan dapat menghemat hingga 30% dari upaya ulasan manual kami. Menggunakan Amazon SageMaker memberdayakan kami untuk menghabiskan lebih banyak waktu berfokus pada keselamatan dan meningkatkan akurasi dengan mengurangi kebutuhan akan ratusan jam ulasan manual per hari.”

Russell Williams, Director, Software Development - Amazon OpsTech IT

Freddy’s Frozen Custard & Steakburgers adalah restoran cepat saji yang menawarkan kombinasi unik steakburger yang dimasak setelah dipesan, hot dog Vienna Beef, kentang goreng shoestring, dan menu gurih lainnya, serta hidangan kustar beku yang baru dikocok. Didirikan pada tahun 2002 dan berkembang menjadi waralaba pada tahun 2004, Freddy’s kini memiliki hampir 400 restoran di 32 negara bagian.

“Sebelumnya, kami hanya memilih dua restoran yang tampak serupa, tetapi kini kami benar-benar memahami hubungan antara item menu, pelanggan, dan lokasi kami. Amazon SageMaker Autopilot, yang mendukung kemampuan ML baru Domo, telah menjadi faktor pendorong luar biasa bagi tim pemasaran dan pembelian kami untuk mencoba banyak ide baru dan meningkatkan pengalaman pelanggan kami.”

Sean Thompson, Direktur IT (IT Director) – Freddy’s

iCare adalah lembaga Pemerintah NSW yang menyediakan asuransi kompensasi pekerja kepada lebih dari 329.000 pemberi kerja sektor publik dan privat di NSW, Australia, dan 3,2 juta karyawan mereka. Selain itu, iCare mengasuransikan pembangun dan pemilik rumah, memberikan pengobatan dan perawatan kepada orang-orang yang terluka parah di jalanan NSW; dan melindungi lebih dari 266,6 miliar USD aset Pemerintah NSW, termasuk Sydney Opera House, Sydney Harbour Bridge, sekolah, dan rumah sakit.

“Di Insurance and care (iCare) NSW, visi kami adalah mengubah pendapat orang-orang tentang asuransi dan perawatan. Amazon SageMaker telah memungkinkan iCare untuk membangun dan melatih model deep learning untuk identifikasi awal atas pasien alergi debu kronis. Identifikasi awal ini dapat mencegah kondisi yang mengancam nyawa. Berdasarkan penelitian-penelitian sebelumnya, tanda-tanda silikosis terlewatkan atau tidak dapat dideteksi pada 39% pasien. Diagnosis dengan bantuan AI telah memungkinkan para dokter untuk mengidentifikasi 80% kasus dengan benar dibandingkan dengan 71% diagnosis tanpa bantuan AI. Setelah mengimplementasikan proyek ini, kami menyediakan sumber daya Amazon SageMaker untuk mengembangkan solusi dan proses dalam proyek lain karena telah terbukti lebih cepat dan lebih mudah dari sebelumnya. Selain itu, kami dapat dengan mudah menskalakan upaya kami untuk memberikan perawatan kepada orang-orang di NSW.”

Atul Kamboj, Ilmuwan Data Senior (Senior Data Scientist) - iCare, Lembaga Asuransi dan Perawatan Pemerintah NSW, Australia