Modernize o seu processo de desenvolvimento de machine learning
O Machine learning (ML) se tornou um ingrediente tecnológico fundamental em uma ampla gama de casos de uso desde o processamento de linguagem natural e visão computacional até a detecção de fraude, previsão de demanda, recomendações de produto, manutenção preventiva e processamento de documentos. Aproveitar os benefícios do machine learning em escala requer a padronização de um processo de desenvolvimento de ML moderno em toda a sua empresa. A modernização do seu processo de desenvolvimento de ML pode acelerar o seu ritmo de inovação ao fornecer infraestrutura escalável, ferramentas integradas, práticas saudáveis para uso responsável de ML, uma opção de ferramentas acessíveis para desenvolvedores e cientistas de dados de todos os níveis de habilidade em ML e gestão eficiente de recursos para manter os custos baixos.
Benefícios
Acelere a inovação de ML
Reduza o tempo de desenvolvimento do modelo ML de meses para semanas e obtenha, mais rápido, modelos para comercializar. Melhore a produtividade dos cientistas de dados com ferramentas de uso específico para cada etapa do desenvolvimento de ML. Automatize os processos de ML com MLOps (operações de machine learning) para ampliar o desenvolvimento do modelo.
Promova o uso responsável de ML
Detecte vieses através de todo o fluxo de trabalho de ML ao desenvolver maiores equidade e transparência em seus modelos. Utilize o amplo conjunto de recursos de segurança e de governança da AWS para ajudar a sua organização com requisitos de segurança que possam ser aplicados aos fluxos de trabalho de ML.
Inove com qualquer nível de habilidade em ML
Deixe que seus desenvolvedores e cientistas de dados desenvolvam os modelos de ML como quiserem. Faça com que seus cientistas de dados escrevam códigos em um ambiente de desenvolvimento integrado, criem automaticamente modelos de ML ou implantem soluções predefinidas para casos de uso populares com apenas alguns cliques.
Reduza custos
Reduza o custo total de propriedade em mais de 54%, em comparação às opções autogerenciadas, ao automaticamente otimizar a infraestrutura e melhorar a utilização de recursos.
Histórias de clientes
A Lyft Level 5, divisão de veículos autônomos da Lyft, padronizou o Amazon SageMaker para treinamento e reduziu os tempos de treinamento de modelo de dias para menos de algumas horas.
Com o Amazon SageMaker Clarify, a Deutsche Fußball Liga (DFL) GmbH pode compreender os componentes-chave dos insights do Bundesliga Match Facts para entregar informações com qualidade mais alta para os fãs do futebol.
A Freddy’s Frozen Custard & Steakburgers usou o Amazon SageMaker Autopilot através do Domo para implantar os modelos de machine learning sem precisar contratar especialistas em ML e alcançou um crescimento de dois dígitos em suas vendas.
Com o Amazon SageMaker, a NerdWallet reduziu os custos de treinamento em ML em cerca de 75%, até mesmo ao aumentar o número de modelos treinados.
Casos de uso
Analise as imagens com atenção
Desenvolva modelos de visão computacional para uma ampla gama de casos de uso, incluindo detecção de objetos, diagnósticos médicos e direção autônoma. Por exemplo, clientes do setor de saúde podem usar os recursos do SageMaker, como classificação de imagem, para melhorar o diagnóstico dos pacientes, reduzir a subjetividade nos diagnósticos e diminuir a carga de trabalho dos patologistas.
Automatize o processamento de texto
Crie modelos de ML para processar e analisar automaticamente dados de documentos escritos à mão e eletrônicos para agilizar, tornar mais precisa e mais econômica a análise de documentos. O Amazon SageMaker fornece algoritmos integrados de ML, como o BlazingText e o Linear Learner, que são otimizados para classificação de texto, processamento de linguagem natural (NLP) e reconhecimento óptico de caracteres (OCR). O SageMaker também conta com a Hugging Face, uma biblioteca popular de modelo NLP.
Detecte anomalias rapidamente
Identifique anomalias em dados para várias aplicações, tais como detecção de fraude e manutenção preditiva. Por exemplo, identifique transações suspeitas antes que elas ocorram com o ML, e alerte seus clientes a tempo para reforçar a confiança que eles depositam em você. O SageMaker fornece algoritmos integrados de ML, tais como Random Cut Forest e XGBoost, para que você possa usá-los para treinar e implantar modelos de detecção de fraude de forma rápida.
Produza recomendações personalizadas
Forneça experiências personalizadas online aos clientes, melhore a satisfação de seus consumidores e promova o desenvolvimento rápido do seu negócio com ML. O Amazon SageMaker fornece algoritmos integrados de ML, como máquinas de fatoração, para criar mecanismos de recomendação. Você também pode usar o SageMaker Autopilot para gerar automaticamente um modelo de personalização e implantá-lo com apenas alguns cliques.
Soluções em destaque na AWS
Descubra serviços com propósitos específicos, soluções da AWS, soluções de parceiros e orientações para lidar rapidamente com casos de uso comerciais e técnicos.
Amazon SageMaker
O Amazon SageMaker ajuda você a modernizar rapidamente o ambiente de ML em todos os seus ramos de negócio, permitindo que desenvolvedores e cientistas de dados com qualquer nível de habilidade em ML criem, treinem e implantem modelos de machine learning para praticamente qualquer caso de uso. O SageMaker reúne um amplo conjunto de recursos de ML para uso específico em uma interface do usuário visual unificada, sem a necessidade de criar o seu próprio ambiente de ML, para que você possa focar em seu negócio principal. O Amazon SageMaker baseia-se nas duas décadas de experiência da Amazon no desenvolvimento de aplicações de machine learning para o mundo real, incluindo recomendações de produtos, personalização, compras inteligentes, robótica e dispositivos assistidos por voz.
MLOps Workload Orchestrator
Esta solução ajuda você a agilizar e aplicar práticas recomendadas de arquitetura para a produção de modelos de machine learning (ML). Essa solução é um framework extensível que fornece uma interface padrão para gerenciar pipelines de ML para serviços de ML da AWS e de terceiros.
Guidance for Overhead Imagery Inference on AWS
Saiba como processar imagens de sensoriamento remoto usando modelos de machine learning que detectam e identificam automaticamente objetos coletados de satélites, veículos aéreos não tripulados e outros dispositivos de sensoriamento remoto.
Guidance for Distributed Model Training on AWS
Esta orientação ajuda clientes com restrições on-premises ou que já têm investimentos em Kubernetes a usar o Amazon Elastic Kubernetes Service (Amazon EKS) e o Kubeflow ou o Amazon SageMaker para implementar uma arquitetura de treinamento híbrida e distribuída de machine learning (ML).
Recursos
Guia detalhado do Amazon SageMaker
Tutorial de 10 minutos do Amazon SageMaker
Soluções disponíveis previamente integradas ao Amazon SageMaker Jumpstart
Pronto para começar?
Entre em contato conosco para obter mais informações sobre a modernização de ML.
Entre em contato com a rede de parceiros da AWS para trabalhar com nossos parceiros globais de tecnologia e de consultoria.
A organização AWS Professional Services é uma equipe global de especialistas que pode ajudar você a alcançar os resultados comerciais que deseja usando a AWS.