Casi d'uso di clienti

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

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


Intuit è un editore 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

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


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

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


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

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.


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 su Tinder c'è un sistema che gestisce milioni di richieste al minuto, miliardi di scorrimenti 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.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


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

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. Il servizio ci consentirà di passare dalla distribuzione TensorFlow gestita internamente a un servizio completamente gestito. Inoltre, ci permetterà di accedere ad altri framework di apprendimento profondo molto utilizzati gestendo l'infrastruttura per scrivere il codice, addestrare e distribuire i nostri modelli."

- David Bernstein, director of strategic technology, Zendesk

 


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.

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 apprendimento automatico 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.


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

Statcast MLB

Major League Baseball (MLB) è la più antica lega sportiva professionista degli Stati Uniti ed è composta da 30 club membri negli Stati Uniti e nel Canada, che rappresentano il più alto livello professionale di baseball. Statcast è una tecnologia di tracciamento all’avanguardia introdotta da MLB che permette di raccogliere e analizzare una quantità di dati di baseball significativa, in modi del tutto nuovi.  

La vasta gamma di servizi di apprendimento automatico basati su cloud di AWS permetterà a MLB di eliminare i processi manuali che richiedono molto tempo, associati alle registrazioni e alle statistiche, tra cui il conteggio dei punti, la registrazione di appunti di gioco e la classificazione dei tiri Grazie ad Amazon SageMaker, MLB consente a data scientist e sviluppatori di creare di automatizzare queste attività mentre imparano ad addestrare e distribuire in modo rapido e semplice modelli di apprendimento automatico su vasta scala.

MLB e Amazon ML Solutions Lab utilizzano Amazon SageMaker per testare in che modo prevedere i tiri in modo corretto, valutando il tiratore, il battitore, il ricevitore e la situazione, per prevedere il luogo e il tipo di tiro successivo. MLB ha intenzione di utilizzare anche Amazon SageMaker e il servizio di elaborazione del linguaggio naturale Amazon Comprehend, per costituire un modello di linguaggio che svilupperebbe un’analisi dei giochi in diretta con il tono e lo stile di un annunciatore emblematico, per mantenere l’essenza della trasmissione del baseball che i fan riconoscono e apprezzano.


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

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.”


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’0,1% 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.

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

 


dely_logo

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.

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.


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

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


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

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


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

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


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

Scopri di più sulle caratteristiche di Amazon SageMaker

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