Pelanggan Amazon SageMaker Ground Truth

Krikey adalah perusahaan Alat AI yang memungkinkan kreator untuk menghasilkan animasi 3D dan membangun berbagai pengalaman interaktif dengan cepat.

“Mendapatkan set data berlabel dengan kualitas tinggi sangat penting untuk keberhasilan model AI generatif kami. Berkat Amazon SageMaker Ground Truth Plus, kami dapat menghasilkan video berlabel dengan cepat dan mempercepat proses penyempurnaan model AI generatif kami. Sampai hari ini, upaya kami untuk membangun UI pelabelan data secara internal berbiaya mahal dan memakan waktu, serta membutuhkan waktu lebih dari satu jam dalam sehari bagi ilmuwan data kami untuk memberi label pada data. Dengan Amazon SageMaker Ground Truth Plus, kami dapat menskalakan dari 100 hingga 100 ribu video berlabel berkualitas tinggi dalam 1 bulan, bukan 1 tahun. Hal ini menghemat ilmuwan data kami sekitar 1000 jam, biaya 200 ribu USD, dan secara signifikan meningkatkan produktivitas tim kami, serta kualitas dan akurasi model AI generatif kami.”

Jhanvi Shriram, CEO – Krikey

Torc adalah anak perusahaan independen dari Daimler Truck AG, pemimpin global dan pelopor dalam transportasi truk.

“Algoritma persepsi multi-modal berbasis machine learning kami perlu terus dilatih dan divalidasi menggunakan data berlabel dengan jumlah cukup besar untuk memastikan sistem mengemudi yang andal dan aman. Kami menggunakan layanan pelabelan data Amazon SageMaker Ground Truth Plus untuk memberi label ribuan mil data dunia nyata, yang memungkinkan kami melatih model ini dengan kepercayaan yang sangat tinggi. Berkat Amazon SageMaker Ground Truth Plus, kami dapat mempertahankan jadwal pengembangan kami yang agresif dan memberi label jutaan objek dunia nyata, yang dikirimkan dengan target kualitas 99% atau lebih tinggi. Pengiriman yang sensitif terhadap waktu dan kualitas ini menghasilkan peningkatan presisi sebesar 8% dan peningkatan ingatan 2% untuk model persepsi yang mempelajari multi-sensor kami.”

Derek Johnson, VP of Data and Infrastructure – Torc

National Football League adalah liga olahraga paling populer di Amerika, terdiri dari 32 waralaba yang bertanding setiap tahun untuk memenangkan Super Bowl, acara olahraga tahunan terbesar di dunia.

“Di NFL, kami terus mencari cara baru untuk menggunakan machine learning guna membantu penggemar, media siaran, pelatih, dan tim kami mendapat manfaat dari wawasan yang lebih dalam. Sepak bola adalah olahraga yang bergerak cepat di mana permainan dapat terjadi dalam sekejap. Sementara pelatih dan wasit mengamati pertandingan dengan cermat, mungkin sulit untuk melihat seluruh keselamatan pemain di lapangan. Visi komputer memungkinkan kami mendeteksi insiden keselamatan pemain secara akurat, namun pengembangan algoritma ini membutuhkan data yang dilabeli dengan ahli. Kini dengan Amazon SageMaker Ground Truth Plus, kami memiliki alur kerja kustom dan antarmuka pengguna untuk tugas pelabelan canggih, yang membantu kami meningkatkan keselamatan pemain.”

Jennifer Langton, SVP, Player Health and Innovation – NFL

Airbnb adalah salah satu marketplace terbesar di dunia yang menyediakan tempat menginap dan aktivitas yang unik serta otentik, menawarkan lebih dari 7 juta akomodasi dan 40.000 aktivitas unik, semuanya didukung oleh tuan rumah lokal.

“Di Airbnb, kami makin banyak mengintegrasikan ML di semua aspek bisnis kami. Oleh karena itu, tim kami perlu terus menghasilkan dan memelihara data berkualitas tinggi untuk melatih serta menguji model ML. Kami mencari cara untuk menghasilkan hasil data klasifikasi teks berkualitas tinggi pada seratus ribu paragraf log layanan pelanggan dalam bahasa Mandarin sehingga kami dapat melayani pelanggan kami dengan lebih baik dan mengurangi ketergantungan pada tim layanan pelanggan kami. Dengan Amazon SageMaker Ground Truth Plus, Tim AWS membangun alur kerja pelabelan data yang disesuaikan, yang mencakup model ML khusus yang mampu mencapai akurasi klasifikasi 99%.”

Wei Luo, Data Scientist – Airbnb China

Litterati adalah perusahaan ilmu data yang memberdayakan orang untuk 'crowdsource-membersihkan' planet ini. Platform Litterati memberdayakan orang untuk menciptakan solusi yang lebih baik untuk masalah sampah dan limbah yang dihadapi dunia kita dengan mengembangkan wawasan perilaku, memetakan area masalah, serta memitigasi risiko masa depan. Dari sekolah hingga ilmuwan, lingkungan, organisasi, merek, dan pemerintah kota, orang-orang berkumpul menggunakan Litterati untuk kebaikan yang lebih besar guna menciptakan dunia bebas sampah.

“Bagi kami, machine learning membawa cahaya pada tantangan yang tak terlihat. Di AS saja, setiap tahun miliaran dolar dihabiskan untuk membersihkan sampah. Dengan model visi komputer, kami mengubah gambar sampah di seluruh dunia menjadi data, sehingga kota dapat mengalokasikan sumber daya pengelolaan sampah mereka dengan lebih baik. Namun, membangun model deteksi objek memerlukan akses ke objek, materi, dan informasi merek, serta pengetahuan lokal karena set data tersebar di seluruh dunia. Amazon SageMaker Ground Truth Plus memungkinkan kami membuat antarmuka anotasi hierarkis yang menangkap fitur-fitur tepat ini dalam konteks yang dilokalkan tersebut. Selain itu, tenaga kerja ahli SageMaker Ground Truth Plus membuat anotasi gambar yang dilokalkan, yang memberikan solusi terstandar yang meningkatkan efisiensi pelabelan data kami hingga 20%, sehingga mempercepat kemampuan kami untuk menyerap hasil dengan anotasi ke dalam basis data kami hingga 200%, dan mengurangi waktu pasca-pemrosesan hingga 90%.”

Sean Doherty, CTO – Litterati

Amazon Robotics AI mengembangkan mesin dan perangkat lunak canggih untuk mengoptimalkan efisiensi di pusat pemenuhan pesanan Amazon. Tim menggunakan robot bergerak otonom (AMR) Canvas untuk membantu mengangkut paket dengan lebih aman dan efisien.

“Tujuan kami adalah memungkinkan AMR Canvas untuk bernavigasi di lingkungan gudang yang dinamis, melacak rintangan dan objek bergerak di sekitarnya, serta merencanakan rute yang aman dan efisien ke tujuan mereka. Untuk mencapai hal ini, sangat penting untuk memperoleh anotasi pelacakan 3D dari objek bergerak di sekitar robot dalam skala besar secara efisien. Kami bekerja sama dengan Amazon ML Solutions Lab untuk membangun pipeline pelacakan objek cloud titik 3D yang dapat diskalakan menggunakan Amazon SageMaker Ground Truth hanya dalam waktu beberapa minggu. Sangat mengesankan melihat pipeline ini dapat mengurangi waktu pelabelan sebesar 6-10x dan mempercepat kemajuan anotasi kami.”

Ben Kadlec, Manager of Perception di Canvas – Amazon Robotics AI

PrecisionHawk adalah penyedia teknologi drone komersial end-to-end. Dari penerbangan hingga analisis, PrecisionHawk memberikan dukungan untuk mengintegrasikan data udara dan analitik ke dalam korporasi.

“PrecisionHawk adalah penyedia teknologi drone terkemuka untuk korporasi. Platform end-to-end kami memanfaatkan AI dan machine learning untuk mengubah data udara menjadi kecerdasan bisnis yang dapat ditindaklanjuti. Sebagai bagian dari solusi ini, kami melatih model kustom untuk mengidentifikasi objek penting serta anomali guna meningkatkan presisi dan kecepatan pemeriksaan aset penting. Guna menghasilkan set data pelatihan untuk model ini, kami perlu memberi label pada kumpulan data yang luas dan memastikan labelnya akurat. Amazon SageMaker Ground Truth berperan penting dalam membantu kami mencapai tujuan kami di sini. Pertama, layanan ini menyediakan antarmuka pengguna yang intuitif untuk memulai pekerjaan pelabelan agar dimulai dengan cepat. Selain itu, layanan ini menawarkan ekstensibilitas untuk merancang dan menerapkan alur kerja pelabelan khusus pelanggan. Amazon SageMaker Ground Truth akan terus menjadi bagian penting dari inisiatif AI kami ke depan.”

Krishnan Hariharan, Vice President of Product – PrecisionHawk

AstraZeneca adalah bisnis biofarmasi global berbasis sains yang obat-obatan inovatifnya digunakan oleh jutaan pasien di seluruh dunia. AstraZeneca berfokus pada peningkatan inovasi dan pembuatan obat-obatan yang mengubah hidup yang memberikan nilai bagi pasien dan masyarakat.

“AstraZeneca telah bereksperimen dengan machine learning di semua tahap penelitian serta pengembangan, dan yang terbaru dalam patologi untuk mempercepat tinjauan sampel jaringan. Model machine learning pertama kali belajar dari set data yang besar dan representatif. Pelabelan data juga merupakan langkah yang memakan waktu, terutama dalam kasus ini, yang memerlukan ribuan gambar sampel jaringan untuk melatih model yang akurat. AstraZeneca menggunakan Amazon SageMaker Ground Truth, layanan anotasi dan pelabelan data manusia dalam lingkaran yang didukung machine learning untuk mengotomatiskan bagian pekerjaan yang paling membosankan ini, sehingga mengurangi waktu yang dihabiskan untuk membuat katalog sampel setidaknya sebesar 50%.”

Magnus Soderberg, Director – Pathology Research

T-Mobile US Inc. adalah salah satu penyedia layanan terbesar di Amerika Serikat yang menyediakan layanan komunikasi nirkabel, termasuk suara, pesan, dan data kepada jutaan pelanggan melalui berbagai layanan.  

“Tim AI @ T-Mobile mengintegrasikan AI dan machine learning ke dalam sistem di pusat layanan pelanggan kami yang memungkinkan Tim Ahli kami untuk melayani pelanggan dengan kecepatan dan akurasi yang lebih baik melalui model Pemahaman Bahasa Alami yang menunjukkan informasi pelanggan kontekstual yang relevan secara waktu nyata kepada mereka. Pelabelan data telah menjadi dasar untuk menciptakan model dengan performa tinggi, tetapi juga merupakan tugas yang monoton bagi ilmuwan data dan insinyur perangkat lunak kami. SageMaker Ground Truth membuat proses pelabelan data menjadi mudah, efisien, dan dapat diakses, membebaskan waktu bagi mereka untuk berfokus pada apa yang mereka sukai — membangun produk yang memberikan pengalaman terbaik bagi pelanggan dan perwakilan layanan kami.”

Matthew Davis, VP of IT Development – T-Mobile

Pinterest adalah perusahaan aplikasi web dan seluler yang mengoperasikan sistem perangkat lunak yang dirancang untuk menemukan informasi di World Wide Web.

“Pinterest terus mengembangkan sistem machine learning guna mendeteksi objek untuk pencarian visual dan kasus penggunaan moderasi. Untuk mencapai ini, kami perlu memberi label jutaan gambar guna menghasilkan set data pelatihan yang diperlukan. Pinterest sudah memiliki platform pelabelan yang telah mengintegrasikan layanan Amazon seperti Amazon Mechanical Turk. Kami sangat senang mengeksplorasi penggunaan SageMaker Ground Truth untuk memperluas platform ini guna mendukung tugas pelabelan kotak pembatas. Kami mendapati bahwa SageMaker Ground Truth menyediakan antarmuka yang sederhana dan efisien untuk memulai pekerjaan pelabelan. Kami bekerja sama dengan tim AWS untuk menyesuaikan SageMaker Ground Truth dengan set data unik kami, dan berharap dapat mengintegrasikan SageMaker Ground Truth dengan platform pelabelan data kami.”

Veronica Mapes, Technical Program Manager – Pinterest

Change Healthcare adalah perusahaan teknologi perawatan kesehatan yang menawarkan perangkat lunak, analitik, solusi jaringan, dan layanan berkemampuan teknologi untuk membantu menciptakan sistem kesehatan yang lebih kuat dan lebih kolaboratif.

“Change Healthcare, perusahaan teknologi kesehatan terkemuka, memainkan peran penting dalam membantu ekosistem perawatan kesehatan tidak hanya berfungsi, tetapi juga bekerja lebih cerdas. Tim AI kami sedang mencari solusi yang dapat memberi label paragraf teks secara efisien, sehingga kami dapat menganotasi data kesehatan yang sangat tidak terstruktur yang sebelumnya tidak dapat dimodelkan. Dengan SageMaker Ground Truth dan integrasinya dengan SageMaker, ini mudah digunakan dengan deployment tenaga kerja yang cepat dan memungkinkan kami untuk meluncurkan tugas pelabelan dengan sedikit usaha, yang pada akhirnya membantu kami membuat sistem perawatan kesehatan lebih efisien.”

Nick Giannasi, Chief AI Office – Change Healthcare

GumGum adalah perusahaan kecerdasan buatan dengan fokus pada visi komputer. Misi mereka adalah untuk membuka nilai konten visual yang diproduksi setiap hari di berbagai set data.

“AWS terus menunjukkan komitmen yang luar biasa untuk memungkinkan machine learning bagi semua pengembang. SageMaker Ground Truth mengonsolidasikan lanskap terfragmentasi dari layanan pelabelan data dengan solusi pelabelan yang sederhana dan dijalankan dengan baik. Kami dapat dengan cepat mengintegrasikan alat ini ke dalam pipeline pelatihan kami dan senang rasanya melihat bagaimana evolusinya akan lebih berdampak pada bisnis kami.”

Cambron Carter, Director of Engineering, Computer Vision – GumGum

Automagi memiliki spesialisasi dalam bidang perencanaan produk dan layanan, serta pengembangan kecerdasan buatan, machine learning, dan bot SaaS.

“Kami memiliki spesialisasi dalam membangun solusi AI dan menghadirkannya ke pelanggan kami untuk memecahkan masalah bisnis mereka. Kami percaya bahwa SageMaker Ground Truth akan menjadi bagian penting dari upaya kami untuk memberikan solusi AI mutakhir bagi pelanggan kami. Layanan ini menyediakan sejumlah kemampuan kuat yang membantu kami menghasilkan set data pelatihan yang akurat. “Bawa tenaga kerja pelabelan Anda sendiri” dengan pilihan templat pelabelan memungkinkan kami untuk mengorientasi tim kami dengan aman, dalam skala besar dan dengan mudah. Kami menantikan untuk menggunakan SageMaker Ground Truth di seluruh portofolio solusi AI kami.”

Masahiko Sakurai, Chief Executive Officer – Automagi

ZipRecruiter adalah marketplace untuk pencari kerja dan pemberi kerja. ZipRecruiter adalah layanan lowongan pekerjaan yang mengirim pekerjaan ke beberapa bursa lowongan kerja dengan satu klik dan menawarkan pemberitahuan pekerjaan gratis untuk pencari kerja.

“Munculnya AI telah mengubah cara pemberi kerja mencari bakat dan pencari kerja menemukan pekerjaan. Algoritma ZipRecruiter yang didukung AI mempelajari apa yang dicari setiap pemberi kerja serta menyediakan serangkaian kandidat yang sangat relevan yang dipersonalisasi dan terkurasi. Di sisi lain marketplace, teknologi perusahaan mencocokkan pencari kerja dengan pekerjaan yang paling relevan. Dan untuk melakukan semua itu secara efisien, kami membutuhkan model Machine Learning untuk mengekstrak data yang relevan secara otomatis dari resume yang diunggah. Melatih model Machine Learning untuk dapat mengidentifikasi informasi yang paling penting membutuhkan set data yang cukup besar untuk memulai. Proses untuk membuat data ini seringkali mahal, manual, dan memakan waktu. Amazon SageMaker Ground Truth akan secara signifikan membantu kami mengurangi waktu dan upaya yang diperlukan guna membuat set data untuk pelatihan. Karena sifat kerahasiaan data, kami awalnya mempertimbangkan untuk menggunakan salah satu tim kami, namun hal itu akan menyita waktu mereka untuk mengerjakan tugas reguler dan akan membutuhkan waktu berbulan-bulan untuk mengumpulkan data yang kami butuhkan. Dengan menggunakan Amazon SageMaker Ground Truth, kami melibatkan iMerit, perusahaan pelabelan profesional yang telah disaring sebelumnya oleh Amazon, untuk membantu proyek anotasi kustom. Dengan bantuan mereka, kami dapat mengumpulkan ribuan anotasi dalam waktu singkat dibandingkan menggunakan tim kami sendiri.”

Craig Ogg, CTO – ZipRecruiter

“Di Tyson Foods, kami terlibat dalam produksi makanan, berusaha mengejar kebenaran dan integritas, serta berkomitmen untuk menciptakan nilai bagi pemegang saham kami, pelanggan kami, anggota tim kami, dan komunitas kami. Untuk memenuhi janji ini dan menyediakan produk dengan kualitas terbaik kepada pelanggan, kami memiliki pemeriksaan manual untuk mendeteksi masalah kualitas produk, termasuk baluran tidak merata, gosong, atau cacat bentuk, serta pemeriksaan peralatan, seperti kebocoran sabuk konveyor, untuk mendeteksi masalah lebih awal; namun, karena masalah ini merupakan anomali, sangat sulit atau tidak mungkin untuk mengumpulkan gambar guna pelatihan model machine learning. Selain itu, kami sering mengalami hambatan pada data pelatihan pelabelan khusus untuk proses dan lingkungan kami. Dalam beberapa kasus, pelabelan sangat membosankan dan rawan kesalahan, yang mengarah pada performa model machine learning yang buruk. Amazon SageMaker Ground Truth sangat menjanjikan bagi kami karena memungkinkan kami untuk mengatasi setiap tantangan ini. Menghasilkan data sintetis akan memungkinkan kami untuk melatih model yang sangat akurat guna mengotomatiskan titik pemeriksaan produk dan peralatan. Hal ini juga dapat mengurangi waktu penyelesaian untuk data berlabel, memungkinkan kami untuk melatih model lebih cepat sekaligus meningkatkan akurasi. SageMaker Ground Truth membuka jalan untuk menangani kasus penggunaan yang tidak mungkin diatasi dengan visi komputer di masa lalu karena kurangnya data contoh.”

Barret Miller, Sr. Manager Emerging Technology – Tyson Foods

“Pelanggan kami perlu melakukan pengambilan lebih banyak per hari. Menghadapi kurangnya tenaga kerja dan lonjakan volume, mereka sering ingin menggunakan induksi dan solusi lainnya dengan cepat untuk memenuhi permintaan. Teknologi Plus One Robotics dibangun untuk mengatasi variabilitas barang yang ditangani di gudang. SKU baru pada awalnya mungkin hanya sesekali muncul, dan dalam keadaan tertentu. Penggunaan data sintetis memungkinkan kami untuk melatih sistem kami terlebih dulu guna menangani berbagai skenario yang diantisipasi yang pada akhirnya akan kami hadapi. Kami menggunakan Amazon SageMaker Ground Truth untuk menghasilkan puluhan ribu gambar paket berlabel serta fotorealistis dari berbagai operator, pose pemodelan, penempatan, dan bahkan variasi permukaan seperti stiker atau label. Gambar-gambar ini telah menunjukkan peningkatan dalam visi AI kami. Gambar sintetis memungkinkan kami untuk melatih sistem dengan performa lebih baik dengan lebih cepat, berdasarkan kelengkapan dan ketepatannya, sehingga memungkinkan kami untuk melewati langkah-langkah anotasi dan pembersihan data yang membosankan. Data ini digunakan dalam aplikasi induksi kehidupan nyata untuk memfasilitasi lebih dari 1 juta pilihan per hari bagi pelanggan kami.”

Shaun Edwards, CTO dan Co-founder – Plus One Robotics

“University of Washington dan Amazon meluncurkan kolaborasi yang dikenal sebagai Science Hub untuk memajukan kecerdasan buatan dan robotika dalam penelitian terbuka. Untuk salah satu proyek kami, kami menggunakan machine learning (ML) untuk membangun model 3D dunia berdasarkan sudut pandang kamera tunggal, yang akan memungkinkan sistem robot untuk memahami lingkungan mereka. Namun, mendapatkan akses ke volume besar data pelatihan dunia nyata selalu menjadi tantangan bagi proyek ML. Kami senang dengan janji Amazon SageMaker Ground Truth, sehingga kami dapat dengan cepat dan mudah menghasilkan ribuan gambar berlabel yang fotorealistis, tanpa proses pelabelan gambar secara manual yang memakan waktu dan rawan kesalahan. Pada tahap awal penelitian kami, SageMaker Ground Truth akan memungkinkan staf peneliti kami untuk berfokus pada kompetensi inti dan tujuan penelitian utama untuk mengembangkan teknologi baru, daripada kurasi set data.”

Linda G. Shapiro, Professor – University of Washington