Scopri come le organizzazioni in tutto il mondo utilizzano Amazon SageMaker per progettare, formare e distribuire modelli di machine learning. 

Intuit

Intuit è un'azienda di software aziendale e finanziario che sviluppa e vende software finanziari, di contabilità e per l'elaborazione di dichiarazioni fiscali e servizi correlati a piccole aziende, commercialisti e clienti privati.

"Grazie ad Amazon SageMaker, siamo in grado di accelerare le nostre iniziative di intelligenza artificiale in modo scalabile sviluppando e distribuendo i nostri algoritmi sulla piattaforma. Creiamo nuovi algoritmi di intelligenza artificiale e apprendimento automatico su vasta scala e li distribuiamo su questa piattaforma per risolvere problematiche complesse e facilitare la prosperità dei nostri clienti".

Ashok Srivastava, Chief Data Officer presso Intuit

GE Healthcare

GE Healthcare

Con lo sfruttamento di dati e analisi su hardware, software e biotecnologie, GE Healthcare sta trasformando il settore sanitario distribuendo migliori risultati per le aziende e i pazienti. 

"Amazon SageMaker consente a GE Healthcare di accedere a potenti strumenti e servizi di intelligenza artificiale per migliorare la cura del paziente. La scalabilità di Amazon SageMaker e la sua capacità di integrarsi con i servizi AWS nativi rappresenta un enorme valore aggiunto per noi. Siamo entusiasti della continua collaborazione fra GE Health Cloud e Amazon SageMaker, che fornirà migliori risultati per i nostri partner provider nel settore sanitario e una migliore cura del paziente".

Sharath Pasupunuti, responsabile progettazione AI, GE Healthcare

ADP, Inc.

ADP è una società di tecnologia leader a livello globale che fornisce soluzioni di gestione del capitale umano. ADP DataCloud sfrutta i dati sulla forza di ADP di oltre 30 milioni di dipendenti per produrre visioni realizzabili che possono aiutare le società a prendere decisioni in tempo reale e gestire al meglio il lavoro.

"Trovare e attrarre talenti è molto difficile;per questo, continuiamo a portare avanti ADP DataCloud con le funzionalità di intelligenza artificiale per aiutare i dipendenti a costruire dei team solidi. Utilizziamo il machine learning di AWS, tra cui Amazon SageMaker, per identificare rapidamente i pattern della forza lavoro e predire i risultati prima che accadano, ad esempio per quanto riguarda il fatturato dei dipendenti o l'impatto della crescita sui salari. Sfruttando AWS come piattaforma principale per l'intelligenza artificiale e il machine learning, abbiamo ridotto i tempi di distribuzione dei modelli di machine learning da 2 settimane a 1 un solo giorno."

Jack Berkowitz, SVP, Product Development – ADP, Inc.

Cerner

Cerner

Cerner Corporation è una società globale del settore sanitario e tecnologico che fornisce una vasta gamma di soluzioni, servizi, dispositivi e hardware nell’ambito delle tecnologie dell’informazione sanitaria.

“Cerner è orgogliosa di promuovere l’innovazione portata da intelligenza artificiale e machine learning su una vasta gamma di esperienze cliniche, finanziarie e operative. Grazie alle nuove funzionalità create dall’ecosistema di machine learning di Cerner e dal Servizio Cerner di elaborazione di linguaggio naturale e abilitate dalla tua collaborazione con AWS, stiamo accelerando l’innovazione scalabile per tutti i nostri clienti. Amazon SageMaker è un componente importante del processo che consente a Cerner di rispettare il nostro proposito di fornire valore per i nostri clienti tramite AI/ML. Inoltre, Amazon SageMaker fornisce a Cerner la capacità di sfruttare framework diversi come Tensorflow e PyTorch e di integrarsi con vari servizi AWS.”

Sasanka Are, PhD, Vicepresidente - Cerner

Dow Jones

Dow Jones

Dow Jones & Co, è un fornitore globale di notizie e informazioni aziendali, che distribuisce contenuti a utenti e organizzazioni tramite giornali, siti Web, applicazioni per dispositivi mobili, video, newsletter, riviste, database proprietari, conferenze e radio.

"Dato che Dow Jones continua a concentrarsi sull'integrazione dell'apprendimento automatico dei nostri prodotti e servizi, AWS è un ottimo partner. Per preparare la strada al nostro recente Machine Learning Hackathon, il team AWS ha formato i partecipanti su Amazon SageMaker e Amazon Rekognition e ha offerto una giornata di supporto a tutti i team. Il risultato è stato che i nostri team hanno sviluppato delle ottime idee di applicazione dell'apprendimento automatico, molte delle quali continueranno a essere sviluppate in AWS. L'evento ha avuto un enorme successo ed è l'esempio perfetto di un'ottima collaborazione".

Ramin Beheshti, responsabile dello sviluppo prodotti del gruppo e direttore tecnico presso Dow Jones

Advanced Microgrid Solutions

Advanced Microgrid Solutions

Advanced Microgrid Solutions (AMS) è una piattaforma di energia e società di servizi che mira ad accelerare il processo di trasformazione mondiale verso un'economia di energia pulita, facilitandone la distribuzione e l'ottimizzazione delle risorse. NEM utilizza un mercato Spot in cui, ogni 5 minuti, tutte le parti fanno un'offerta per consumare/fornire energia. Ciò richiede una stima delle previsioni della domanda e l'elaborazione di offerte dinamiche in pochi minuti, così come l'elaborazione di enormi quantità di dati di mercato. Per risolvere questa sfida, AMS ha creato un modello di deep learning utilizzando TensorFlow in Amazon SageMaker. Questo prevede l’ottimizzazione automatica dei modelli di Amazon SageMaker per rilevare i migliori parametri di modello e costruirne uno in poche settimane. Tale modello ha dimostrato un miglioramento delle previsioni di mercato su tutti i prodotti del settore energetico relativamente alla misurazione dell'energia netta, il che si tradurrà presto in significativi livelli di efficienza.

ProQuest

ProQuest

ProQuest si occupa della collezione più grande al mondo di riviste, ebook, fonte primarie, saggi, notizie e video, e crea eccellenti soluzioni per il flusso di lavoro che consentono alle biblioteche di acquistare e arricchire le proprie collezioni. I prodotti e i servizi di ProQuest sono usati nelle biblioteche accademiche, d’istruzione primaria e secondaria, pubbliche, corporative e istituzionali di 150 paesi.

"Collaboriamo con AWS per creare un'esperienza utente video più accattivante per gli utenti delle biblioteche, consentendo loro di ottenere risultati più pertinenti. Lavorando con AWS ML Solutions Lab, abbiamo testato diversi algoritmi creati tramite Amazon SageMaker, abbiamo messo a punto dei modelli che utilizzano l'ottimizzazione dell'iperparametro e abbiamo automatizzato l'implementazione di modelli machine learning (ML). Siamo soddisfatti dei risultati finora ottenuti e stiamo attualmente prendendo in considerazione le tecnologie ML anche per altri prodotti".

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

Celgene

Celgene

Celgene è un’azienda farmaceutica a livello globale, impegnata nel miglioramento delle vite dei pazienti in tutto il mondo. Al centro dell’attenzione vi è la scoperta, lo sviluppo e la commercializzazione delle terapie innovative per i pazienti affetti da tumore, malattie immuno-infiammatorie e altre esigenze mediche non ancora soddisfatte.

“L’idea di Celegene è quella di distribuire cure mediche profondamente innovative, che possono cambiare e migliorare la vita dei pazienti in tutto il mondo. Con Amazon SageMaker e Apache MXNet è diventato più semplice e più veloce realizzare e formare modelli di apprendimento approfondito per sviluppare processi e soluzioni; siamo in grado di migliorare in modo più semplice nella scoperta di cure e nella produzione di farmaci. Utilizzare istanze SageMaker e Amazon EC2 P3 ha accelerato la produttività e diminuito il tempo necessario per formare i modelli, permettendo al team di focalizzarsi su ricerche e scoperte rivoluzionarie".

Lance Smith, Direttore, Celgene

Thomson Reuters

Thomson Reuters

Thomson Reuters è la principale fonte mondiale di notizie e informazioni per i mercati professionali. 

"Per oltre 25 anni, abbiamo sviluppato funzionalità di apprendimento automatico per individuare, collegare, migliorare, organizzare e distribuire informazioni ai nostri clienti, consentendo loro di semplificare e ottenere di più dalle loro attività. Amazon SageMaker ci ha permesso di progettare funzionalità di elaborazione in linguaggio naturale nell'ambito di un'applicazione che risponde a domande poste dagli utenti. La nostra soluzione ha richiesto diverse iterazioni di configurazioni di apprendimento profondo utilizzando le caratteristiche di Amazon SageMaker".

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

Zalando

Zalando è la piattaforma online di moda e lifestyle leader in Europa con oltre 28 milioni di clienti attivi in 17 mercati per la vendita di capi di abbigliamento, calzature, accessori e prodotti di bellezza.

"Il valore di Zalando ruota intorno all'orientamento al cliente, alla velocità, allo spirito imprenditoriale e alla responsabilizzazione. Abbiamo deciso di standardizzare i carichi di lavoro di machine learning su AWS per migliorare l'esperienza del cliente, fornire al nostro team gli strumenti e i processi che aumentino la produttività e far fare il salto di qualità alla nostra azienda. Grazie all'utilizzo di Amazon SageMaker, Zalando può condurre al meglio le campagne, generare outfit personalizzati e offrire esperienze migliori ai clienti. Con le soluzioni fornite da AWS, la produttività dei nostri ingegneri e dei nostri data scientist è aumentata del 20%."

Rodrigue Schäfer, Director Digital Foundation – Zalando

Atlas Van Lines

Atlas Van Lines

Atlas Van Lines è la seconda ditta di traslochi con furgoni del Nord America, creata nel 1948 da un gruppo di imprenditori del settore dei traslochi e del magazzinaggio. L'organizzazione è stata sviluppata con l'unico obiettivo di effettuare traslochi da costa a costa aderendo alla regola d'oro del settore. Oltre a una solida presenza, Atlas vanta severi requisiti di qualità per gli agenti che sorpassano quelli del settore.

Durante i periodi di picco dei traslochi, la rete di agenti Atlas collabora attraverso i mercati per soddisfare la domande dei clienti. Tradizionalmente la stima della capacità era manuale e richiedeva un lavoro intenso. Si basava sul buon senso e sull'istinto delle risorse con molti anni di esperienza. Atlas aveva i dati cronologici dal 2011 in poi e voleva trovare un modo di calibrare in modo dinamico la capacità e i prezzi in base alle future richieste del mercato.

Atlas ha collaborato con Pariveda Solutions, un partner di consulenza APN Premier, per rendere possibile una capacità e una gestione dei prezzi proattive nel settore dei traslochi a lunga percorrenza. Pariveda ha preparato i dati, sviluppato e valutato il modello di Machine Learning e ottimizzato le prestazioni. Utilizzando Amazon SageMaker per addestrare e ottimizzare il modello, l'ha poi esportato usando la natura modulare di Amazon SageMaker per eseguirlo con Amazon EC2.

Tinder

Tinder

Con 20 milioni di incontri al giorno d'oggi, Tinder è l'applicazione più nota al mondo per incontrare nuove persone.

"Dietro ogni scorrimento rapido su Tinder c'è un sistema che gestisce milioni di richieste al minuto, miliardi di scorrimenti rapidi al giorno, in più di 190 paesi. "Amazon SageMaker semplifica l'apprendimento automatico, permettendo ai nostri team di sviluppo di creare modelli di generazione di stime che creano nuove connessioni che altrimenti non sarebbero state possibili".

Elie Seidman, amministratore delegato presso Tinder

Edmunds

Edmunds

Edmunds.com è un sito Web di vendita di auto che offre informazioni dettagliate continuamente aggiornate su veicoli a 20 milioni di visitatori al mese.

"Abbiamo intrapreso l'iniziativa strategica di mettere l'apprendimento automatico nelle mani dei nostri ingegneri. Amazon SageMaker ha svolto un ruolo fondamentale nel raggiungimento del nostro obiettivo, perché ha permesso agli ingegneri di creare, addestrare e implementare modelli e algoritmi di apprendimento automatico in modo scalabile. Siamo entusiasti di vedere come Edmunds userà SageMaker per creare nuove soluzioni nell'organizzazione per i nostri clienti".

Stephen Felisan, direttore informatico presso Edmunds.com

Hotels.com

Hotels.com

Hotels.com è un marchio globale leader dell'industria alberghiera che gestisce 90 siti Web localizzati in 41 lingue.

"Hotels.com è sempre interessato alle novità che permettono maggiore rapidità operativa e lo sfruttamento delle tecnologie più recenti. L'addestramento distribuito, gli algoritmi ottimizzati e gli iperparametri integrati di Amazon SageMaker consentono al mio team di creare rapidamente modelli più accurati sui nostri set di dati di maggiori dimensioni, riducendo in modo significativo il tempo necessario per trasferire un modello in produzione. È sufficiente una chiamata API. Amazon SageMaker ridurrà in modo considerevole la complessità dell'apprendimento automatico, consentendoci di migliorare più velocemente l'esperienza di utilizzo per i nostri clienti".

Matt Fryer, vicepresidente e chief data science officer presso Hotels.com ed Expedia Affiliate Network

formosa-plastics-600x400

Formosa Plastics

Formosa Plastics Corporation è un fornitore di prodotti petrolchimici e resine plastiche in crescita e integrato verticalmente. Formosa Plastics offre una linea completa di resine in polivinilcloruro, polietilene e polipropilene, soda caustica e altri prodotti petrolchimici che offrono la consistenza, le prestazioni e la qualità richieste dai clienti.

"Formosa Plastics è una delle compagnie petrolchimiche leader mondiali del settore plastico. Abbiamo deciso di cominciare a utilizzare il machine learning per ridurre i costi del lavoro manuale permettendo il rilevamento più accurato dei difetti, abbiamo scelto AWS in qualità di migliore fornitore di servizi cloud per aiutarci a farlo. L'AWS ML Solutions Lab ha lavorato con noi in ogni fase del processo, da un primo workshop per definire i casi d'uso aziendali fino alla progettazione e selezione dei modelli ML appropriati per la distribuzione attuale. Grazie ad Amazon SageMaker, la soluzione di machine learning ha ridotto della metà il tempo utilizzato dai nostri dipendenti per le operazioni manuali di rilevamento. Con l'aiuto del Solutions Lab siamo ora in grado di ottimizzare autonomamente il modello di SageMaker a seconda del cambiamento delle condizioni".

Bill Lee, Assistant Vice President, Formosa Plastics Corporation

Voodoo

Voodoo è un'azienda di videogiochi mobile leader del settore con oltre 2 miliardi di download di giochi e oltre 400 milioni di utenti attivi (MAU) al mese. L'azienda possiede una piattaforma pubblicitaria personale e sta utilizzando il machine learning per migliorare la precisione e la qualità degli annunci mostrati ai propri utenti.

"Voodoo vuole creare engagement con la propria base di giocatori, che comprende milioni di utenti ed è in crescita. Standardizzando i carichi di lavoro di machine learning e intelligenza artificiale su AWS, possiamo ripetere i processi al ritmo e nelle dimensioni di cui abbiamo bisogno continuando a migliorare l'azienda e coinvolgendo i giocatori. Grazie all'utilizzo di Amazon SageMaker possiamo decidere in tempo reale quale ad vogliamo mostrare ai nostri giocatore e invocare un endpoint oltre 100 milioni di volte da oltre 30 milioni di utenti ogni giorno, con un risultato di quasi un miliardo di predizioni al giorno. Con il machine learning di AWS siamo riusciti a mettere in produzione un modello preciso in meno di una settimana con il supporto di un piccolo team e siamo riusciti a lavorarci in modo continuativo mentre il nostro team e la nostra azienda crescevano."

Aymeric Roffé, Chief Technology Officer – Voodoo

Zendesk

Zendesk

Zendesk crea software per migliorare le relazioni con i clienti. Permette alle organizzazioni di migliorare il coinvolgimento dei clienti e di capirli meglio. Più di 94.000 account cliente paganti in più di 150 paesi e territori utilizzano i prodotti Zendesk.

"Amazon SageMaker ridurrà i nostri costi e velocizzerà l'utilizzo dell'apprendimento approfondito. Con Amazon SageMaker, Il servizio ci consentirà di passare dalla distribuzione TensorFlow gestita internamente a un servizio completamente gestito. Amazon SageMaker permetterà di accedere ad altri framework di apprendimento approfondito più popolari, il tutto consentendoci di gestire l'infrastruttura per scrivere il codice, addestrare e distribuire i nostri modelli".

David Bernstein, director of strategic technology, Zendesk

Regit

Regit

Regit, in precedenza Motoring.co.uk, è un'azienda tecnologica del settore automobilistico e il principale servizio online del Regno Unito per gli automobilisti. Fornisce servizi digitali di gestione delle auto basati sulla targa di immatricolazione e invia ai conducenti promemoria informativi, ad esempio, sulla tassa del MOT (Ministero dei Trasporti), l'assicurazione e i ritiri.

Regit ha collaborato con Peak Business Insight, un partner di consulenza APN di livello Advanced, per applicare "modelli di Machine Learning categorici" che gestiscono simultaneamente la categoria e i dati variabili per fornire stime sulla probabilità che un utente cambi automobile, risultando in una vendita per Regit.

Peak ha utilizzato i servizi AWS come Amazon SageMaker per l'acquisizione, la modellazione e l'output dei dati. Amazon SageMaker gestisce 5.000 richieste API al giorno per Regit, calibrando e adattando perfettamente i dati secondo i requisiti e gestendo la distribuzione dei principali risultati del punteggio. Nel frattempo, le istanze di Amazon Redshift e Amazon Elastic Compute Cloud (Amazon EC2) ottimizzano in modo efficiente e continuo le prestazioni e i risultati dei modelli. Grazie a Peak, Regit è stata in grado di stimare quali dei suoi 2,5 milioni di utenti hanno intenzione di cambiare automobile e in quale momento. In questo modo può servire i clienti in modo più personalizzato e mirato, aumentando il fatturato del call center di più di un quarto.

Zocdoc

Zocdoc

Zocdoc effettua ricerca su cure mediche per utenti finali con una soluzione integrata alle informazioni su pratiche mediche e programmi dei singoli dottori. Al centro dell’attenzione vi sono le necessità dei pazienti e l’obiettivo di fornire la migliore esperienza sanitaria.

"L’obiettivo di Zocdoc è quello di semplificare il processo di ricerca del medico e di prenotazione di una visita nel momento e nel luogo più adatto per i pazienti. I tecnici di Zocdoc sono molto entusiasti di quanto sia semplice realizzare, formare e distribuire modelli utilizzando Amazon SageMaker. Uno dei nostri tecnici mobili ha formato da zero e distribuito un modello di raccomandazione per la specializzazione del medico in meno di un giorno, e lo abbiamo poi mandato in produzione. In precedenza, il nostro team di data science doveva contribuire allo sviluppo di tutti i modelli di lavoro, il che rallentava il team di prodotto. Con Amazon SageMaker è possibile passare dall’idea alla produzione in modo molto più rapido, grazie alla facilità delle funzionalità complete ottimizzate di SageMaker".
Realtor.com

Realtor.com

Il network Move, Inc., che include realtor.com®, Doorsteps® e Moving.com™, fornisce informazioni, strumenti e competenze professionali nel settore immobiliare tramite siti Web e applicazioni per dispositivi mobili per i clienti e i professionisti del settore immobiliare.

"Siamo convinti che aggiungere Amazon SageMaker al kit di strumenti di realtor.com® abbia cambiato il modo in cui accompagniamo i clienti nel processo di acquisizione immobiliare". I flussi di lavoro di apprendimento automatico che storicamente impiegavano molto tempo, come l'addestramento e l'ottimizzazione dei modelli, possono essere effettuati in modo più efficiente e da un maggior numero di sviluppatori, consentendo ai nostri data scientist e analisti di concentrarsi sulla creazione di una migliore esperienza per i nostri utenti".

Vineet Singh, Chief Data Officer e vice presidente senior presso Move, Inc.

Grammarly

Grammarly

Ogni giorno gli algoritmi di Grammarly aiutano milioni di persone a comunicare in modo efficace fornendo assistenza scritta su numerose piattaforme su diversi dispositivi, tramite una combinazione di elaborazione del linguaggio naturale e tecnologie avanzate di apprendimento automatico.

"Amazon SageMaker ci ha permesso di sviluppare i nostri modelli TensorFlow in un ambiente di addestramento distribuito. I nostri flussi di lavoro si integrano inoltre con Amazon EMR per la pre-elaborazione, consentendoci di estrarre i nostri dati da Amazon S3, filtrati con EMR e Spark da un notebook Jupyter, e quindi eseguire l'addestramento in Amazon SageMaker con lo stesso notebook. SageMaker inoltre si adatta ai nostri diversi requisiti di produzione. Possiamo eseguire inferenze direttamente su SageMaker o, se ci occorre soltanto il modello, lo scarichiamo da S3 ed eseguiamo inferenze sulle nostre implementazioni di dispositivi mobili per i clienti iOS e Android".

Stanislav Levental, Technical Lead presso Grammarly

Slice Labs

Slice Labs, con sede a New York e operazioni in tutto il mondo, è il primo fornitore di assicurazione on demand tramite piattaforma cloud. Slice propone i suoi servizi al mercato B2C con singole offerte assicurative on demand nonché al mercato B2B, dove consente alle aziende di creare prodotti assicurativi digitali intuitivi.

"In Slice siamo perfettamente consapevoli della natura mutevole delle esigenze assicurative dei clienti e abbiamo scelto AWS come la nostra piattaforma cloud di riferimento grazie alla sua ampia proposta di servizi, alla sua flessibilità e alla sua solida reputazione tra gli assicuratori. Utilizziamo una vasta gamma di servizi AWS per supportare la nostra attività, tra cui il machine learning AWS per agevolare la messa in connessione dei clienti con le migliori opzioni assicurative per le loro esigenze. Nel nostro lavoro con gli assicuratori e le aziende tecnologiche che vogliono creare e promuovere prodotti assicurativi intelligenti, abbiamo riscontrato eccezionali risparmi sui costi e sensazionali vantaggi produttivi con AWS. Ad esempio, abbiamo ridotto i tempi di approvvigionamento del 98% passando da 47 giorni a 1 solo giorno. Siamo elettrizzati all'idea di continuare ad ampliarci sia geograficamente sia in termini del nostro impiego del cloud con AWS."

Philippe Lafreniere, Chief Growth Officer - Slice Labs

DigitalGlobe

DigitalGlobe

In qualità di provider leader mondiale nella creazione e l'analisi di immagini ad alta risoluzione della Terra, DigitalGlobe gestisce ogni giorno enormi volumi di dati.

"In qualità di provider leader mondiale nella creazione e l'analisi di immagini ad alta risoluzione della Terra, DigitalGlobe gestisce ogni giorno enormi volumi di dati. DigitalGlobe semplifica il processo per la ricerca, l’accesso e l’esecuzione del calcolo nella nostra libreria di immagini di 100 PB, archiviata nel cloud di AWS, per applicare l’apprendimento approfondito alle immagini satellitari. L'obiettivo è utilizzare Amazon SageMaker per addestrare modelli sui petabyte di immagini tramite notebook Jupyter in hosting, consentendo agli utenti della piattaforma per Big Data geospaziali GBDX di DigitalGlobe di creare con la massima intuitività un modello e implementarlo su vasta scala in un ambiente scalabile e distribuito".

Dott. Walter Scott, direttore tecnologico di Maxar Technologies e fondatore di DigitalGlobe

Intercom

Intercom

I primi prodotti di messaggistica di Intercom si integrano perfettamente con i siti Web e le app mobili di altre aziende per aiutarle ad acquisire, coinvolgere e supportare i clienti. Fondata nel 2011, la società ha uffici a San Francisco, Londra, Chicago e Dublino.

"In Intercom, abbiamo un team crescente di data scientist e ingegneri orientati ai dati, e spesso vogliamo eseguire l'iterazione rapidamente ed esplorare nuove soluzioni per i prodotti basati sui dati. Prima di Amazon SageMaker, abbiamo provato un sacco di opzioni diverse per creare questi prodotti, ma ognuna presentava delle sfide: la condivisione del codice era difficile, la verifica dei grandi set di dati era lenta e il provisioning e la gestione dell'hardware erano problematici. SageMaker è arrivato e ha risolto tutto questo per noi. Lo utilizziamo in particolare per sviluppare algoritmi per le nostre piattaforme di ricerca e funzionalità di machine learning e troviamo che i Jupyter Notebooks ospitati da SageMaker ci consentono di costruire ed eseguire l'iterazione rapidamente. Fondamentalmente, il fatto che SageMaker sia un servizio gestito consente al mio team di concentrarsi sull'attività da svolgere. Amazon SageMaker è un servizio estremamente prezioso per noi di Intercom e siamo entusiasti di continuare a utilizzarlo sempre di più, man mano che la nostra azienda cresce".

Kevin McNally, Senior Data Scientist, Machine Learning presso Intercom

Kinect Energy Group

Kinect Energy Group

Kinect Energy Group è una società sussidiaria di World Fuel Services, una compagnia Fortune 100 che fornisce servizi di consulenza in materia di approvvigionamento energetico, fornitura e soluzioni per la gestione di transazioni e pagamenti a clienti industriali e commerciali, principalmente nei settori aeronautico, marittimo e del trasporto su terra. Kinect Energy è un fornitore di energia chiave di Nordic e dipende dalle risorse di energia naturali relative al clima ventoso della regione.

L'azienda ha da poco fatto un enorme passo in avanti grazie all'introduzione di numerosi servizi di intelligenza artificiale (IA) e machine learning (ML) di AWS. Con Amazon SageMaker la compagnia è in grado di prevedere le tendenze meteorologiche imminenti e quindi i prezzi dell'elettricità dei mesi a seguire, consentendo un trading energetico a lungo raggio senza precedenti, che rappresenta un approccio decisamente lungimirante e innovativo per l'intero settore.

"Abbiamo cominciato a utilizzare Amazon SageMaker e grazie all'aiuto dei team di AWS ML Solutions e Solutions Architecture abbiamo dato il via con l'Innovation Day e da allora la crescita è stata incredibile. Abbiamo implementato il nostro team di IA più volte, per sfruttare al meglio i vantaggi offerti dalle tecnologie AWS. Ora stiamo ottenendo profitti in modi nuovi impostando i prezzi sulla base delle previsioni climatiche. Abbiamo deciso di affidarci completamente ad AWS, dall'archiviazione dei dati in S3, l'esecuzione con Lambda e funzionalità di passaggio oltre a SageMaker. Ora, grazie alla collaborazione con AWS ML Solutions Lab, siamo completamente autonomi, in grado di ripetere i modelli che abbiamo costruito per continuare a migliorare e far crescere il nostro business".

Andrew Stypa, Lead Business Analyst

Frame.io

Frame.io

Frame.io è l’hub per tutto ciò che ha a che fare con i video. Leader nel settore della revisione e della collaborazione video con oltre 700.000 clienti a livello globale, Frame.io è la piattaforma in cui i professionisti del video di tutta l'intera gamma, dai liberi professionisti alle aziende, confluiscono per esaminare, approvare e pubblicare video.

"In qualità di piattaforma collaborativa di recensione di video, nativa del cloud e accessibile agli utenti di tutto il mondo, è fondamentale offrire ai nostri clienti la migliore sicurezza della categoria. Grazie al modello di rilevamento delle anomalie integrato in Amazon SageMaker, siamo in grado di sfruttare il machine learning per identificare, rilevare e bloccare rapidamente eventuali richieste IP indesiderate per garantire che i media dei nostri clienti siano sempre protetti e in massima sicurezza. Iniziare a utilizzare Amazon SageMaker, manutenerlo nel tempo, ridimensionarlo nella nostra piattaforma e adattarlo ai nostri flussi di lavoro specifici è stato semplice e lineare. Inoltre, con l'aiuto dei notebook Jupyter in SageMaker, siamo stati in grado di sperimentare modelli diversi per migliorare la precisione e il richiamo in modo da rendere la piattaforma Frame.io ancora più sicura".

Abhinav Srivastava, Vicepresidente e Responsabile della sicurezza delle informazioni presso Frame.io

Sportograf

Sportograf

Come gli atleti competitivi in diverse discipline, Sportograf ha un'affinità naturale per gli sport. La sua missione è di rispettare e rendere omaggio alle prestazioni di ogni atleta con fotografie di qualità professionale.

"Con milioni di foto generate da eventi sportivi, la nostra sfida era di ordinare le foto per numero di pettorale in modo rapido e accurato. Nella ricerca di una soluzione, Sportograf ha deciso di non utilizzare codici QR speciali o altri contrassegni poiché questi comportano un carico di lavoro grande e complesso e impediscono di soddisfare le richieste spontanee dei clienti. Per risolvere questo problema, Amazon Rekognition per il riconoscimento del testo e Amazon SageMaker ci hanno consentito di creare una nuova soluzione di Machine Learning per identificare ulteriormente i numeri di pettorale dei corridori praticamente in tempo reale".

Tom Janas, direttore generale Sportograf

Cookpad

Cookpad

Cookpad è il maggiore servizio di condivisione di ricette del Giappone, con circa 60 milioni di utenti al mese in Giappone e circa 90 milioni di utenti al mese nel mondo.

"Per soddisfare la richiesta di un utilizzo più facile del servizio di ricette di Cookpad, i nostri data scientist costruiranno modelli di apprendimento automatico per ottimizzare l'esperienza utente. Nel tentativo di ridurre al minimo il numero di iterazioni dei processi di addestramento per ottenere migliori prestazioni, abbiamo identificato una notevole difficoltà nell'implementazione degli endpoint di ML Inference, che rallentava i nostri processi di sviluppo. Per automatizzare l'implementazione dei modelli di apprendimento automatico in modo che i data scientist potessero implementarli da soli, abbiamo utilizzato le API di inferenza di Amazon SageMaker e abbiamo dimostrato che Amazon SageMaker elimina la necessità di ingegneri applicativi per implementare modelli di apprendimento automatico. Contiamo di automatizzare questo processo con Amazon SageMaker in produzione". 

Yoichiro Someya, responsabile della ricerca presso Cookpad

Fabulyst

Fabulyst

Fabulyst è una startup con base in India che si occupa di commercio in ambito moda e offre esperienze migliori e personalizzate per i clienti e migliori conversioni per i rivenditori grazie all’intelligenza artificiale.

"Fabulyst semplifica la ricerca dei prodotti perfetti per i clienti abbinando le query personalizzate specifiche dell'utente ai prodotti disponibili (ad esempio, considerando la corporatura e il colore della pelle). Allo stesso tempo, aiutiamo i rivenditori a raggiungere conversioni più efficaci utilizzando la visione artificiale per prevedere le tendenze mensili basate sui dati provenienti da social media, ricerche, blog e così via, e attivando l'auto-tagging per queste tendenze nei cataloghi di vendita per i clienti. Fabulyst utilizza AWS per offrire le nostre migliori soluzioni, compreso Amazon SageMaker per la gestione delle numerose previsioni che supportano le nostre offerte. Affidandoci a SageMaker e ad altri servizi AWS, riusciamo a garantire valore ai nostri utenti, ad esempio un aumento del 10% per le entrate dei rivenditori. Inoltre, siamo certi del raggiungimento del nostro obiettivo: quello di offrire costantemente risultati incredibili".

Komal Prajapati, Fondatore & CEO - Fabulyst

Terragon Group

Terragon Group

Terragon Group è un business che si occupa di tecnologie per marketing e dati, e che offre valore alle aziende utilizzando le insight per poter raggiungere gli utenti di dispositivi mobili in Africa. Negli anni Terragon Group è diventato un leader nel campo del mobile e serve marchi locali o multinazionali che si estendono su territori differenti. Per poter inviare il messaggio pubblicitario giusto all’utente giusto e al momento giusto è importante fornire servizi personalizzati: Terragon utilizza i dati, le informazioni e l’intelligenza artificiale per aiutare i business a raggiungere il loro pubblico ideale in Africa.

"Amazon SageMaker ci fornisce un carico di lavoro di machine learning end-to-end pronto all’utilizzo, così da non dover creare ulteriori infrastrutture sottostanti. I nostri team per data science e machine learning sono capaci di passare velocemente dall’esplorazione dei dati alla produzione e all’addestramento dei modelli in solo un paio d’ore. Per un business con sede in Africa, dove vi sono pochi talenti in ingegneria informatica, non sarebbe stato possibile costruire e distribuire modelli di machine learning in soli 90 giorni capaci di risolvere i problemi del mondo reale".

Deji Balogun, CTO, Terragon Group

SmartNews

SmartNews

SmartNews è la più grande app di informazione del Giappone e vanta più di 11 milioni di utenti attivi ogni mese in tutto il mondo. Con le tecnologie di machine learning, SmartNews aiuta i propri utenti a trovare le notizie che hanno la maggior rilevanza per i propri interessi. Gli algoritmi di machine learning di SmartNews valutano milioni di articoli, segnali social e interazioni umane per fornire l’0,01% delle migliori storie che hanno maggior importanza al momento.

"La nostra missione di scoprire e fornire storie di qualità al mondo è supportata da AWS e soprattutto da Amazon SageMaker, che ci ha aiutato ad accelerare il ciclo dello sviluppo per servire i nostri clienti. L’utilizzo di Amazon SageMaker ci ha aiutato enormemente nei nostri metodi di curation delle notizie, tra cui la classificazione degli articoli utilizzando l’apprendimento approfondito, le previsioni del Life Time Value e la realizzazione di modelli compositi per testi e immagini. Non vediamo l’ora di raggiungere nuovi traguardi con Amazon SageMaker e le altre soluzioni AI di AWS".

Kaisei Hamamoto, co-fondatore e co-CEO, SmartNews, Inc.

SIGNATE

Signate

Signate offre soluzioni per servizi di outsourcing, noleggio e consulenza utilizzando l’intelligenza artificiale. Signate è inoltre nota come comunità specializzata nella scienza dei dati con oltre 16.000 membri, in competizione tra loro col fine di produrre i migliori modelli nell’ambito delle dinamiche concorrenziali. La compagnia offre inoltre un servizio utilizzando Amazon Sagemaker, che aiuta i clienti a utilizzare i modelli ottenuti attraverso la concorrenza come applicazioni per la produzione.

"Sfruttiamo Amazon SageMaker come strumento principale per costruire i nostri modelli di machine learning, e questo ha reso il nostro sistema di gestione dei modelli (Aldebaran) maggiormente modulabile. SageMaker ha attivato l’integrazione ottimizzata nei nostri flussi di lavoro, tra cui la creazione, la formazione e l’installazione in simultanea dei modelli di ML. In precedenza, occorrevano da 3 a 6 mesi per la produzione dei modelli. Con SageMaker, è possibile produrre i modelli in un periodo che va a 1 a 4 settimane, il che permette di risparmiare tempo e incrementare la produttività. SageMaker è la nostra piattaforma standard ML per la scelta di tutti i nostri modelli di ML".

Shigeru Saito, Presidente, CEO/CDO, SIGNATE Inc.

Pioneer

Pioneer

Piooner è un'azienda multinazionale specializzata nell'intrattenimento digitale come l'elettronica delle automobili e servizi di mobilità. La filosofia aziendale che guida Pioneer ha l'obbiettivo di "muovere il cuore e toccare l'anima ed è con questa visione che l'azienda offre ai suoi clienti prodotti e servizi che possano aiutarli nella vita di tutti i giorni.

"Grazie ad Amazon SageMaker e le funzionalità di training dei modelli come l'ottimizzazione automatica, siamo stati in grado di sviluppare modelli di machine learning davvero accurati garantendo ai nostri clienti la privacy. Non vediamo l'ora di utilizzare anche AWS Marketplace per Machine Learning per algoritmi e modelli con training già eseguito per costruire una piattaforma di monetizzazione".

Kazuhiro Miyamoto, General Manager, Information Service Engineering Department, Pioneer

Dely

Dely

Dely gestisce il miglior servizio per video di cucina del Giappone, Kurashiru. Ogni giorno si adopera a fornire servizi culinari che hanno un effetto positivo sul mondo. Kurashiru aiuta molte persone ogni giorno, permettendo queste di preparare una grande varietà di piatti saporiti per colorare il loro tavolo grazie a video di cucina. In Giappone, decine di milioni di persone seguono questo servizio culinario ogni mese.

"Dopo due anni e mezzo dal lancio del nostro popolare servizio Kurashiru, la nostra app mobile è stata scaricata più di 15 milioni di volte. Crediamo che sia fondamentale fornire ai nostri utenti il contenuto giusto al momento gusto. Per questo utilizziamo tecnologie avanzate come il machine learning. Per ottenere ciò, abbiamo utilizzato Amazon SageMaker, il quale ci ha permesso di realizzare e distribuire in produzione modelli di machine learning in 90 giorni. Abbiamo anche migliorato il Click-Through Rate del 15% con la personalizzazione dei contenuti".

Masato Otake, CTO, Dely, Inc.

Ayla Networks

Ayla Networks

Ayla Networks è una società di software IoT platform-as-a-service con sede a San Francisco che sviluppa soluzioni sia per il mercato consumer che commerciale.

"Ad Ayla Networks, scopriamo che i nostri clienti utilizzano principalmente l'infrastruttura AWS per le comprovate scalabilità e affidabilità. Soprattutto, le aziende di produzione commerciale sfruttano Amazon SageMaker per usufruire de dati sulle prestazioni della strumentazione dal cloud Ayla. Con Amazon SageMaker e il nostro prodotto Ayla IQ, le aziende possono rilevare informazioni dettagliate e anomalie producendo prodotti e servizi di maggiore qualità, anche prevedendo potenziali guasti alle macchine e potendoli risolvere prima che si verifichino. Questa soluzione permette ai nostri clienti di continuare l'esecuzione senza interruzioni così che le aziende possano continuare a crescere, produrre e scalare senza preoccupazioni".

Prashanth Shetty, VP of Global Marketing - Ayla Networks

FreakOut

FreakOut

FreakOut è un'azienda leader del settore tecnologico che si occupa di pubblicità digitale. La compagnia offre prodotti per le transazioni in tempo reale e di inventario per la pubblicità via internet e l'analisi di dati per la navigazione Web. FreakOut sfrutta il machine learning per effettuare previsioni relativamente a percentuale di clic (CTR, click through rate) e tasso di conversione (CVR, conversion rate).

"Stiamo effettuando la migrazione degli ambienti di training di machine learning da locale ad Amazon SageMaker. Amazon SageMaker offre la soluzione scalabile adatta al nostro business. Con la funzionalità di ottimizzazione automatica dei modelli di Amazon SageMaker, possiamo ottimizzare e stimare modelli altamente accurati per soddisfare i nostri requisiti".

Jiro Nishiguchi, CTO presso FreakOut

Wag!

Wag!

"Presso Wag dobbiamo soddisfare le esigenze della domanda e dell'offerta in un marketplace bilaterale. Il machine learning powered by AWS ci è sembrato una buona opportunità per riuscire a prevedere la domanda dei clienti che richiedono il servizio di dog walking. Standardizzando le nostre applicazioni di machine learning su AWS, siamo in grado di soddisfare la crescita continua delle nostre esigenze aziendali, procedendo a un passo e a una scala notevolmente migliore nonostante le limitate risorse tecniche. Utilizzando Amazon SageMaker, possiamo accelerare il nostro processo di sperimentazione del machine learning: il lavoro computazionale di 45 giorni viene ridotto a 3 giorni con l'addestramento del modello.

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

Euler Hermes

Euler Hermes

"Da oltre 100 anni aiutiamo i nostri clienti a crescere e al contempo continuiamo a lanciare servizi leader per garantire la sicurezza e la semplicità delle transazioni commerciali. I dati amministrativi e finanziari di oltre 30 milioni di aziende con cui lavorare, possono rendere difficile rilevare le frodi informatiche prima che incidano sulle operazioni aziendali. Lavorare con Amazon SageMaker, la nostra piattaforma AI/ML preferita, ci consente di innovare più velocemente. Ad esempio, siamo stati in grado di lanciare un nuovo servizio interno in 7 mesi e ora possiamo identificare frodi di squatting di URL entro 24 ore dalla creazione di un dominio dannoso".

Luis Leon, IT Innovation Advisor presso Euler Hermes

ifood

iFood

iFood è leader online nella consegna di cibo a domicilio in America Latina, con 30,6 milioni di ordini mensili e circa 160.000 ristoranti registrati in oltre 1.000 città.

"In iFood, utilizziamo il machine learning per migliorare l'esperienza del cliente e del ristorante. Con Amazon SageMaker, possiamo creare raccomandazioni personalizzate per ristoranti e pietanze. Nell'ambito della logistica, il personale addetto alle consegne ha ridotto la distanza di viaggio del 12% grazie all'ottimizzazione del percorso. Standardizzando i nostri carichi di lavoro di machine learning su AWS, abbiamo ora la flessibilità e la scalabilità necessarie per fornire informazioni e risultati in tempo reale."

Sandor Caetano, Chief Data Scientist, iFood

Root Insurance

Root Insurance

"Root Insurance impiega la tecnologia per stabilire il prezzo delle polizze assicurative per le auto basandosi sull'effettivo stile di guida delle persone, anziché sui semplici dati demografici. Con la crescita di Root, le capacità di formazione e trasformazione in batch di Amazon SageMaker sono diventate più rilevanti per le nostre necessità. Tramite la standardizzazione dei nostri carichi di lavoro di machine learning su AWS, siamo in grado di analizzare i dati telemetrici dei telefoni cellulari e di aiutare i bravi conducenti a risparmiare fino al 52% sulla loro assicurazione auto."

Bill Kaper, VP of Engineering, Root Insurance

Infoblox

Infoblox

Infobox è il leader nei servizi di sicurezza di reti gestite da cloud, progettato per gestire e mettere in sicurezza il nucleo delle reti, vale a dire DNS, DHCP e gestione di indirizzi IP (collettivamente conosciuti come DDI).

"Da Infoblox abbiamo realizzato un modello di rilevamento di attacchi di tipo omografo per DNS, in attesa di essere brevettato, per rilevare uso illecito, defezione e furto di identità dei marchi dei clienti utilizzando Amazon SageMaker. AWS è il nostro standard aziendale per il cloud e possiamo sfruttare diverse caratteristiche offerte da SageMaker per accelerare lo sviluppo di modelli di ML. Grazie a SageMaker, il nostro rilevatore omografo di IDN, una parte del nostro servizio di analisi della sicurezza, ha identificato più di 60 milioni di risoluzioni di domini omografi e continua a trovarne milioni ogni mese, il che aiuta i nostri clienti a rilevare usi illeciti di marchio più rapidamente."

Femi Olumofin, Analytics Architect, Infoblox

Zappos

Zappos

Zappos ha iniziato 20 anni fa come piccolo rivenditore di scarpe online. Da allora, è cresciuto vendendo abbigliamento, borse, accessori e altro, offrendo, al contempo, un servizio clienti rinomato ed esperienze innovative per i dipendenti. La società è una consociata di Amazon dal 2009.

"Noi di Zappos stiamo migliorando notevolmente l'esperienza e-commerce dei clienti grazie alle soluzioni di analisi e machine learning che ci permettono di personalizzare le dimensioni e i risultati di ricerca per gli utenti individuali preservando allo stesso tempo l'esperienza utente altamente semplice e rapida. Con Amazon SageMaker possiamo predire la taglia delle scarpe del cliente. AWS è il nostro standard aziendale per il machine learning e l'intelligenza artificiale perché i servizi AWS consentono agli ingegneri di concentrarsi sul miglioramento delle prestazioni e dei risultati invece che sui costi generali di DevOps”.

Ameen Kazerouni, Responsabile della ricerca e delle piattaforme di machine learning, Zappos

NerdWallet

NerdWallet

NerdWallet è una società di finanza personale con sede a San Francisco e fornisce revisioni e comparazioni di prodotti finanziari come carte di credito, prodotti bancari, investimenti, prestiti e assicurazioni.

"NerdWallet si basa su processi di data science e machine learning (ML) per proporre ai clienti prodotti finanziari personalizzati. Abbiamo scelto di standardizzare i nostri carichi di lavoro di ML su AWS perché ci ha permesso di modernizzare rapidamente le nostre pratiche ingegneristiche di data science, eliminare le problematiche e velocizzare i tempi di consegna. Con Amazon SageMaker, i nostri data scientist possono dare la priorità agli obiettivi strategici e concentrare le proprie energie dove è più vantaggioso per l'azienda, ovvero nella ricerca delle soluzioni ai problemi dei nostri utenti".

Ryan Kirkman, Senior Engineering Manager, NerdWallet

Splice

Splice

Splice è una piattaforma creativa per musicisti creata da musicisti a sostegno degli artisti e con l'obiettivo di stimolare il loro vero potenziale creativo. Questa startup di creazione musicale, che prevede un abbonamento, è stata fondata nel 2013 e adesso conta oltre 3 milioni di musicisti che esplorano ogni giorno il catalogo alla ricerca dei suoni perfetti.

"Il nostro catalogo di suoni e preset sta crescendo di pari passo con la sfida della ricerca del suono giusto. È per questo che Splice ha investito nella creazione delle migliori funzionalità di ricerca e scoperta. Standardizzando i nostri carichi di lavoro di ML in AWS, abbiamo creato una nuova offerta per l'utente con l'obiettivo di permettere in modo più semplice che mai ai musicisti di trovare i suoni che cercano. Dal lancio di Similar Sounds, abbiamo visto un aumento di circa il 10% della conversione delle ricerche. Sfruttando Amazon SageMaker, abbiamo creato il complemento perfetto per la ricerca basata sul testo, e questo ha permesso ai nostri utenti di scoprire e navigare nel nostro catalogo in modi che prima non erano possibili".

Alejandro Koretzky, Responsabile del machine learning e ingegnere capo, Splice

Audeosoft

Audeosoft

“Prima di iniziare il nostro percorso con il machine learning, potevamo solo cercare il testo di un curriculum vitae (CV), ma la nostra carenza in quanto a capacità di riconoscimento ottico dei caratteri comportava che non tutti i CV fossero ricercabili. Con Amazon Textract, ora possiamo estrarre i contenuti di ogni tipo di documento e disponiamo delle competenze per indicizzare tutti i file caricati in un cluster ElasticSearch. Ora ogni documento caricato è ricercabile tramite ElasticSearch, offrendo velocità di ricerca 10 volte superiori rispetto all’originale ricerca SQL. Inoltre, abbiamo implementato la vettorizzazione delle parole tramite Amazon SageMaker, per aggiungere parole chiave correlate alla query di ricerca. Questo processo ci permette di classificare e qualificare accuratamente i candidati, aiutandoci a eliminare gli errori causati da sinonimi e testi alternativi utilizzati nei CV. Tramite Amazon SageMaker e Amazon Textract, possiamo offrire candidati più intelligenti e di qualità superiore agli addetti alle assunzioni. Prestazioni stabili, disponibilità internazionale e affidabilità sono fattori di successo chiave per Audeosoft. Quando quasi 8 anni fa abbiamo preso la decisione di collaborare con AWS, sapevamo che sarebbe stato un partner eccezionale per il futuro. Scegliendo AWS come nostro cloud provider preferenziale, collaboriamo con un partner con la nostra stessa spinta e il nostro stesso desiderio di creare innovazione negli anni a venire”.

Marcel Schmidt, CTO - Audeosoft

Freshworks

Freshworks

Freshworks è un'azienda SaaS B2B unicorno con sede negli Stati Uniti e in India che si rivolge alla fascia media di mercato in tutto il mondo. Freshworks offre un portafoglio di applicazioni semplici da usare, ma al contempo estremamente potenti, per i flussi di lavoro relativi al coinvolgimento di clienti e dipendenti.

"Noi di Freshworks abbiamo creato la nostra offerta di punta per l'intelligenza artificiale e il machine learning, Freddy AI Skills, con modelli iper-personalizzati che aiutano gli agenti a rispondere alle domande degli utenti e a risolvere con successo le richieste di assistenza, i team di vendita e marketing a dare priorità alle opportunità e a concludere rapidamente trattative, e i responsabili del successo dei clienti a ridurre il rischio di abbandono e far crescere il business. Abbiamo scelto di standardizzare i nostri carichi di lavoro di machine learning su AWS perché potevamo creare, addestrare e distribuire facilmente modelli di machine learning ottimizzati per i casi d'uso dei nostri clienti. Grazie ad Amazon SageMaker, abbiamo creato più di 30.000 modelli per 11.000 clienti, riducendo i tempi di addestramento per questi modelli da 24 ore a meno di 33 minuti. Con SageMaker Model Monitor, possiamo tenere traccia delle deviazioni dei dati e riaddestrare i modelli per garantire la precisione. Freddy AI Skills, powered by Amazon SageMaker, è in continua evoluzione grazie ad azioni intelligenti, informazioni approfondite sui dati e conversazioni basate sulle intenzioni."

Tejas Bhandarkar, Senior Director of Product - Freshworks Platform

Veolia

Veolia

Veolia Water Technologies è un’azienda di progettazione qualificata e un fornitore specializzato di soluzioni e servizi tecnologici per il trattamento di acqua e acque reflue.

“In sole otto settimane siamo riusciti a sviluppare con AWS un prototipo in grado di anticipare il momento in cui pulire o cambiare le membrane di filtraggio dell’acqua nei nostri impianti di desalinizzazione. Grazie a Amazon SageMaker, abbiamo costruito un modello ML in grado di apprendere dai modelli precedenti e prevedere la futura evoluzione degli indicatori di contaminazione. Mediante la standardizzazione dei carichi di lavoro ML su AWS, abbiamo potuto ridurre i costi ed evitare tempi di inattività, migliorando allo stesso tempo la qualità dell’acqua prodotta. Questi risultati non sarebbero stati possibili senza l’esperienza tecnica, la fiducia e la dedizione di entrambi i team nel raggiungimento di un unico obiettivo: una fornitura di acqua pulita e sicura senza interruzioni.”

Aude GIARD, Chief Digital Officer - Veolia Water Technologies

Scopri di più sulle caratteristiche di Amazon SageMaker

Visita la pagina delle caratteristiche
Sei pronto per iniziare?
Registrati
Hai altre domande?
Contattaci