主な導入事例

Hotels.com

Hotels.com は、41 言語でローカライズされた 90 個のウェブサイトを運営する世界トップクラスの宿泊施設ブランドです。

「Hotels.com では、スピードの向上、最新テクノロジーの活用、革新の維持に常に関心を持っています。Amazon SageMaker を使用すると、分散型のトレーニング、最適化されたアルゴリズム、組み込みのハイパーパラメータ機能によって、チームは、当社の大規模なデータセットでさらに正確なモデルをすばやく構築することができ、モデルを本番稼動させるまでの時間をかなり削減することもできます。これはシンプルな API コールです。Amazon SageMaker によって、機械学習の複雑さが大幅に緩和され、お客様にスピード感のあるサービスを提供できるようになります」

– Matt Frye 氏、Hotels.com および Expedia Affiliate Network の VP 兼データサイエンス最高責任者

Thomson Reuters

Thomson Reuters は、プロフェッショナル市場向けのニュースや情報を配信する世界トップクラスの企業です。 

「当社は、25 年間以上にわたって、お客様に情報のマイニング、関連付け、強化、整理、配信を行うための高度な機械学習機能を開発し、そうした作業を簡素化してさらに価値を引き出すことに成功してきました。Amazon SageMaker を使用することで、質疑応答アプリケーションに関連する自然言語処理機能を設計できるようになりました。当社のソリューションでは、Amazon SageMaker の機能を使用して、深層学習の設定を大規模に何度も繰り返す必要がありました」

– Khalid Al-Kofahi 氏、AI およびコグニティブコンピューティングを扱う Thomson Reuters Center 勤務


Intuit はビジネスおよび財務ソフトウェアを手掛ける会社で、中小企業、会計士、個人向けに財務、会計、納税申告書作成用のソフトウェアおよび関連サービスを開発しています。

「Amazon SageMaker を使用すると、プラットフォームでアルゴリズムを構築してデプロイできるため、人工知能の大規模な取り組みを加速できます。これまでにないほど大規模な機械学習アルゴリズムと AI アルゴリズムを作成し、このプラットフォームにデプロイすることで、複雑な問題を解決し、お客様の成功に貢献できます」

– Ashok Srivastava 氏、Intuit の最高データ責任者

DigitalGlobe

DigitalGlobe は高解像度の地球映像、データ、分析を扱う世界トップクラスのプロバイダーで、毎日、膨大な量のデータを処理しています。

「DigitalGlobe は高解像度の地球映像、データ、分析を扱う世界トップクラスのプロバイダーで、毎日、膨大な量のデータを処理しています。DigitalGlobe では、AWS のクラウドに保存されている 100 PB の画像ライブラリ全体に対する検索、アクセス、コンピューティング実行をより簡単に行えるようにサポートし、衛星画像に深層学習を活用できるようにしています。当社では、ホスト型の Jupyter ノートブックでペタバイト規模の地球観測映像のデータセットを使ったモデルトレーニングを実行するために、Amazon SageMaker を使用する計画です。これによって、DigitalGlobe の Geospatial Big Data Platform (GBDX) を使用するユーザーは、ボタンを押すだけで、モデルを作成し、スケーラブルな分散環境内にそのモデルすべてを大規模にデプロイできるようになります」

– Walter Scott 氏、Maxar Technologies 最高技術責任者、DigitalGlobe 創業者


Dow Jones

Dow Jones & Co. はニュースおよびビジネス情報を世界中に配信しています。コンテンツは新聞、ウェブサイト、モバイルアプリケーション、動画、ニュースレター、雑誌、専用データベース、カンファレンス、ラジオなどの媒体で顧客に配信されます。

「Dow Jones では、当社の製品やサービスに機械学習を統合することに引き続き重点を置いているため、AWS はすばらしいパートナーです。先日の Machine Learning Hackathon の準備期間中に、AWS チームは参加者に対して Amazon SageMaker と Amazon Rekognition のトレーニングを行い、すべてのチームに丸 1 日のサポートを実施してくれました。結果的に、当社のチームでは機械学習の活用方法について優れたアイデアがいくつか出ました。その多くは AWS で引き続き開発していくことになります。イベントは大成功で、優れたパートナーシップの見本となりました」

– Ramin Beheshti 氏、Dow Jones の製品および技術グループ最高責任者

Cookpad

Cookpad は、日本最大のレシピ共有サービスです。1 か月の利用者数は、日本で約 6,000 万人、世界で約 9,000 万人です。

 

「Cookpad のレシピサービスをもっと簡単に使いたいという要望が増えているため、当社のデータサイエンティストは、ユーザーエクスペリエンスを最適化するために、より多くの機械学習モデルを構築していく予定です。当社では、トレーニングジョブの繰り返し数を最小限にし、最適なパフォーマンスを達成しようとする中で、ML 推論エンドポイントのデプロイが大きな課題となっており、開発プロセスが遅れていました。ML モデルのデプロイを自動化し、データサイエンティストが自分でモデルをデプロイできるようにするため、当社では Amazon SageMaker の推論 API を使用しました。これにより、Amazon SageMaker を使用することによって、アプリケーションエンジニアは ML モデルをデプロイする必要がなくなるということを証明しました。Amazon SageMaker を使うことにより、本番環境でもこのプロセスを自動化できると期待しています」

– Yoichiro Someya 氏、Cookpad のリサーチエンジニア


Grammarly

Grammarly のアルゴリズムは、1 日に何百万人ものユーザーによって利用され、コミュニケーションの効果性の向上に役立っています。このアルゴリズムでは、自然言語処理テクノロジーと高度な機械学習テクノロジーを組み合わせることで、異なるデバイスにおける複数のプラットフォームでの入力サポートを実現しています。

「Amazon SageMaker によって、分散トレーニング環境内で TensorFlow モデルを開発できるようになりました。当社のワークフローは前処理用に Amazon EMR とも統合されているため、EMR と Spark を使って Jupyter ノートブックからフィルタリングしたデータを Amazon S3 から取得し、同じノートブックを使って Amazon SageMaker でトレーニングを行うことができます。また、SageMaker は、当社のさまざまな本番環境要件にも柔軟に対応しています。SageMaker 自体で推論を実行することもできますし、モデルのみが必要な場合は、そのモデルを S3 からダウンロードし、iOS および Android のユーザー向けに当社のモバイルデバイス実装の推論を実行することもできます」

– Stanislav Levental 氏、Grammarly の技術リーダー

realtor.com

Move, Inc. ネットワーク (realtor.com®、Doorsteps®、Moving.com™ を含む) では、顧客や不動産専門家向けに、複数のウェブサイトやモバイルアプリケーションで不動産の情報、ツール、専門知識を提供しています。

「Amazon SageMaker は、当社が顧客のマイホーム所有をサポートするうえで、realtor.com® のツールセットをさらに変革するものだと考えています。これまで、機械学習のトレーニングやモデル最適化といったワークフローには、長い時間がかかっていました。しかし、AWS では、幅広い開発者の知識を利用することができ、ワークフローを非常に効率良く実施することができます。これにより、データサイエンティストやアナリストは、ユーザーに優れたサービスを提供することに注力できるようになりました」

– Vineet Singh 氏、Move, Inc. の最高データ責任者兼副社長


Tinder

Tinder は世界で最も人気のある出会い系アプリケーションで、累計マッチング数は 200 億件に上ります。

Tinder では、190 を超える国で、1 分間に数百万件のリクエスト、1 日に数十億件のスワイプが処理されています。Amazon SageMaker は、機械学習を簡略化し、当社の開発チームが、通常では不可能な新しいつながりを作る予測モデルを構築するうえで役立ちます」

– Elie Seidman 氏、Tinder の最高経営責任者

Edmunds

Edmunds.com は、1 か月の閲覧者が 2,000 万人に上る自動車ショッピングウェブサイトで、自動車に関する最新で詳細な情報を掲載しています。

「当社には、エンジニア全員が機械学習を手掛けるという戦略的イニシアチブがあります。Amazon SageMaker は、この目標を達成するための鍵であり、エンジニアが機械学習のモデルとアルゴリズムを大規模に構築、トレーニング、デプロイするうえで役立ちます。今後も、積極的に SageMaker を使用し、顧客のために全社を挙げて新しいソリューションを開発していきます」

– Stephen Felisan 氏、Edmunds.com の最高情報責任者


GE Healthcare

GE Healthcare は、ハードウェア、ソフトウェア、バイオテクノロジーでデータや分析を活用し、医療提供者や患者にとってより良い成果を達成することで、ヘルスケアを変革しています。 

 

「GE Healthcare では、Amazon SageMaker を使用することによって、人工知能を活用した強力なツールとサービスを利用し、高度な患者治療を促進しています。Amazon SageMaker のスケーラビリティや AWS のネイティブなサービスと統合できる機能は、当社にとって非常に大きな価値があります。GE Health Cloud と Amazon SageMaker を組み合わせることで、医療提供者のパートナーのために優れた成果を達成し、患者治療を向上させていきたいと考えています」

– Sharath Pasupunuti 氏、GE Healthcare の AI エンジニアリングリーダー

Zendesk

Zendesk は、顧客関係を改善するためのソフトウェアを構築しています。同社のソフトウェアは、各企業がカスタマーエンゲージメントを向上させ、顧客への理解を深めるうえで役立ちます。150 以上の国や地域で 9 万 4,000 人を超える顧客が、Zendesk の有料製品を使用しています。

「Amazon SageMaker によって、機械学習を使用するために必要なコストを削減し、準備にかかる期間を短縮できます。Amazon SageMaker を使用すると、既存の自己管理型の TensorFlow デプロイを完全マネージド型のサービスに変更できます。また、モデルのオーサリング、トレーニング、提供に必要なインフラストラクチャを管理しながら、他の一般的な深層学習フレームワークを簡単に利用できるようになります」

– David Bernstein 氏、Zendesk の戦略テクノロジー担当ディレクター

 


Atlas Van Lines

Atlas Van Lines は、北米で 2 番目に大きな長距離引越運送業者です。引越業界と貯蔵業界の起業家グループが 1948 年に創業しました。この会社は、ビジネスの黄金律に則って大陸の端から端まで移動することを目標にして発展しました。Atlas は、業界標準よりも厳格なエージェント品質要件を特徴としており、堅調なシェアを誇っています。

繁忙期には、Atlas のエージェントネットワークが複数の市場にわたって連携し、顧客の需要に応えます。以前は、キャパシティーの予測を人の手で行っていたため手間がかかっていました。長年の経験による知恵と直感に頼ってきたのです。しかし、2011 年以降の履歴データがあったため、将来の市場の需要に基づいてキャパシティーと価格を動的に調整したいと考えました。

Atlas は、長距離引越運送業界におけるキャパシティーと価格を先を見越して管理するため、プレミア APN コンサルティングパートナーである Pariveda Solutions と提携しました。Pariveda はデータを準備し、機械学習モデルを開発および評価し、パフォーマンスをチューニングしました。また、Amazon SageMaker を使用してモデルのトレーニングと最適化を行ってから、Amazon SageMaker のモジュールの特性を使用してエクスポートし、Amazon EC2 を使用して実行しました。

Regit

Regit (旧称 Motoring.co.uk) は自動車のテクノロジー企業で、イギリス大手のドライバー向けオンラインサービス企業でもあります。自動車のナンバープレートに基づく自動車のデジタル管理サービスを提供し、運輸省 (MOT) の税金、保険、リコールなどの情報をドライバーに提示します。

Regit はアドバンスト APN コンサルティングパートナーである Peak Business Insight と提携し、カテゴリと可変データを同時に処理する "カテゴリ機械学習モデル" を適用して、ユーザーの車乗り換えの傾向を予測することで、Regit の売上を伸ばすことができました。

Peak は、リアルタイム取り込み、モデリング、データ出力に、Amazon SageMaker などの AWS のサービスを使用しました。Regit は、Amazon SageMaker を使用し、1 日に 5,000 件の API リクエストを処理して、関連するデータ要件に合わせたスケーリングと調整をシームレスに行い、見込み客のスコアリング結果の提示を管理しています。また、Amazon Redshift と Amazon Elastic Compute Cloud (Amazon EC2) インスタンスを使用して、モデルのパフォーマンスと結果を効率的かつ継続的に最適化しています。Regit は、Peak と連携して、250 万人のユーザーのうち誰がいつ車を乗り換えるかを予測できるようになりました。これにより、よりカスタマイズされ、対象が絞られた方法でサービスを提供することができるようになり、コールセンターの収益が 25% 以上増加しました。


Sportograf

Sportograf はスポーツを愛し、さまざまな分野で競うアスリートを応援しています。その使命は、プロフェッショナルな品質の写真で、すべてのアスリートのパフォーマンスを敬い称えることです。

「スポーツイベントで撮影された何百万枚という写真があるため、写真をゼッケン番号ごとに短時間で正確に整理することが課題となりました。Sportograf は、解決策を模索する中で、QR コードなどのマーカーを使用しないことに決めました。ワークロードが増えて煩雑になり、顧客の複数のリクエストに同時に応えられなくなるためです。この課題を解決するため、Amazon SageMaker に加えて、テキスト認識のために Amazon Rekognition を使用することで、当社独自の機械学習ソリューションを構築し、ほぼリアルタイムで選手のゼッケン番号を識別できるようになりました」

– Tom Janas 氏、Sportograf のマネージングディレクター

Amazon SageMaker の特徴に関する詳細

特徴ページをご覧ください
始める準備はできましたか?
サインアップ
ご不明な点がおありですか?
お問い合わせ