Clientes do Amazon SageMaker

A Intuit é uma empresa de software empresarial e financeiro que desenvolve e vende software de contabilidade e elaboração de declaração de impostos, além de serviços relacionados, para pequenas empresas, contadores e pessoas físicas.

"Com o Amazon SageMaker, podemos acelerar nossas iniciativas de inteligência artificial em grande escala, criando e implantando algoritmos na plataforma. Criaremos e implantaremos algoritmos inovadores de machine learning e IA em grande escala nessa plataforma para resolver problemas complexos dos clientes e promover o seu sucesso."

Ashok Srivastava, Diretor da equipe de dados - Intuit

Aproveitando dados e análise encontrados em hardware, software e biotecnologia, a GE Healthcare está transformando a área de saúde ao proporcionar melhores resultados para profissionais de saúde e pacientes. 

“O Amazon SageMaker permite que a GE Healthcare acesse ferramentas e serviços poderosos de inteligência artificial para melhorar o atendimento ao paciente. A escalabilidade do Amazon SageMaker e sua capacidade de integração com os serviços nativos da AWS agregam enorme valor para nós. Estamos ansiosos para ver como nossa colaboração contínua entre a GE Health Cloud e o Amazon SageMaker gerará melhores resultados para nossos parceiros profissionais de saúde e proporcionará um atendimento otimizado ao paciente.”

Sharath Pasupunuti, Líder de engenharia de IA - GE Healthcare

A ADP é uma empresa líder global em tecnologia que fornece soluções de gerenciamento de capital humano (HCM). O ADP DataCloud utiliza os dados incomparáveis da força de trabalho de mais de 30 milhões de funcionários da ADP para fornecer informações acionáveis que podem ajudar os executivos a tomar decisões em tempo real para que possam gerenciar melhor os negócios.

"Manter e atrair talentos é difícil, e é por isso que continuamos aprimorando o ADP DataCloud com recursos de inteligência artificial para ajudar os empregadores a manter equipes fortes. Usamos o AWS machine learning, incluindo o Amazon SageMaker, para identificar rapidamente os padrões da força de trabalho e prever resultados antes que eles aconteçam, por exemplo, rotatividade de funcionários ou o impacto de um aumento na remuneração. Ao utilizar a AWS como nossa plataforma principal de inteligência artificial e machine learning, reduzimos o tempo para implantar modelos de machine learning de duas semanas para apenas um dia.”

Jack Berkowitz, SVP de desenvolvimento de produtos – ADP, Inc.

A missão da BASF Digital Farming é capacitar agricultores a tomar decisões mais inteligentes e contribuir para resolver o desafio de alimentar uma população mundial crescente, além de reduzir a pegada ambiental.

“O Amazon SageMaker e a tecnologia relacionada da AWS oferecem suporte à experimentação rápida e fornecem funcionalidades e APIs fáceis de usar que reduzem a barreira de entrada para a adoção de ML. Dessa forma, podemos rapidamente descobrir todo o potencial de valor dos casos de uso de ML.”

Dr. Christian Kerkhoff, gerente de automação de dados, BASF Digital Farming GmbH

A Cerner Corporation é uma empresa global de saúde e tecnologia que fornece várias soluções de tecnologia da informação para o setor da saúde (HIT), além de serviços, dispositivos e hardware.

“A Cerner tem orgulho em promover inovações de inteligência artificial e machine learning para uma enorme variedade de experiências clínicas, financeiras e operacionais. Com os novos recursos criados pelo ecossistema de machine learning e o processamento de linguagem natural da Cerner e com a parceria de colaboração com a AWS, estamos acelerando a inovação em escala para todos os nossos clientes. O Amazon SageMaker é um componente importante para ajudar a Cerner a se alinhar a nosso intuito de oferecer valor aos clientes por meio de IA/ML. Além disso, o Amazon SageMaker garante à Cerner a capacidade de utilizar diferentes frameworks, como TensorFlow e PyTorch, e integrá-los a vários produtos da AWS.”

Sasanka Are, PhD, vice-presidente - Cerner

A Dow Jones & Co. é um fornecedor global de notícias e informações de negócios, que disponibiliza conteúdo para clientes e empresas por meio de jornais, sites, aplicativos móveis, vídeo, newsletters, revistas, bancos de dados proprietários, conferências e rádio.

"Como a Dow Jones continua a dar ênfase à integração do machine learning aos nossos produtos e serviços, a AWS tem sido um grande parceiro. Antes da nossa recente Machine Learning Hackathon, a equipe da AWS disponibilizou treinamento aos participantes no Amazon SageMaker e no Amazon Rekognition, assim como ofereceu suporte um dia inteiro a todas as equipes. O resultado foi que nossas equipes desenvolveram excelentes ideias relacionadas a como podemos aplicar o machine learning. Muitas dessas ideias continuarão a ser desenvolvidas por nós na AWS. O evento foi um grande sucesso e um exemplo de como deve ser uma excelente parceria."

Ramin Beheshti, Diretor de produtos e tecnologia do grupo - Dow Jones

A Advanced Microgrid Solutions (AMS) é uma empresa de plataforma e serviços de energia que pretende acelerar a transformação global para uma economia de energia limpa, facilitando a implantação e a otimização de ativos de energia limpa. A NEM usa um mercado spot em que todas as partes fazem ofertas para consumir/fornecer energia a cada 5 minutes. Isso exige prever demandas e gerar ofertas dinâmicas em minutos, processando quantidades massivas de dados de mercado. Para resolver esse desafio, a AMS criou um modelo de aprendizagem profunda usando o TensorFlow no Amazon SageMaker. A empresa aproveitou o ajuste automático de modelos do Amazon SageMaker para descobrir os melhores parâmetros de modelo e criar seu modelo em apenas algumas semanas. Esse modelo demonstrou aprimoramentos nas previsões de mercado em todos os produtos de energia na medição de energia líquida, proporcionando eficiências significativas.

A ProQuest seleciona a maior coleção do mundo de periódicos, ebooks, fontes primárias, dissertações, notícias e vídeos e constrói soluções poderosas de fluxo de trabalho que ajudam bibliotecas adquirirem e aumentarem seus acervos. Os produtos e serviços da ProQuest são usados em bibliotecas acadêmicas, K-12, públicas, corporativas e governamentais em 150 países.

“Estamos colaborando com a AWS para construir uma experiência do usuário em vídeo mais atraente para quem frequenta bibliotecas, permitindo que as consultas retornem resultados mais relevantes. Junto do AWS ML Solutions Lab, testamos diferentes algoritmos que usam o Amazon SageMaker, aprimoramos os modelos usando a otimização de hiperparâmetros e automatizamos a implementação de modelos de machine learning (ML). Estamos satisfeitos com os resultados até agora e pensando em utilizar tecnologias de ML com outros produtos.”

Allan Lu, vice-presidente de ferramentas de pesquisa, serviços e plataformas - ProQuest

A Celgene é uma empresa biofarmacêutica global comprometida em melhorar a vida de pacientes no mundo todo. O foco da empresa está na descoberta, no desenvolvimento e na comercialização de terapias inovadoras para pacientes com câncer, doenças imunoinflamatórias e outras necessidades médicas não atendidas.

"Na Celgene, nossa visão é entregar tratamentos verdadeiramente inovadores e revolucionários para melhorar a vida de pacientes no mundo todo. Com o Amazon SageMaker e o Apache MXNet, a criação e o treinamento de modelos de aprendizagem profunda para desenvolver soluções e processos tem sido mais rápido e fácil que nunca, e agora podemos direcionar facilmente nossos esforços para descobrir tratamentos e produzir novos medicamentos. O uso do SageMaker e de instâncias P3 do Amazon EC2 acelerou nosso tempo de treinamento dos modelos e nossa produtividade, possibilitando que a equipe se concentre em pesquisas e descobertas revolucionárias."

Lance Smith, Diretor - Celgene

A Thomson Reuters é a maior fonte de notícias e informações do mundo para mercados profissionais. 

"Desenvolvemos recursos avançados de machine learning há mais de 25 anos para encontrar, conectar, aprimorar, organizar e entregar informações aos nossos clientes para que possam simplificar e obter mais valor de seu trabalho. O Amazon SageMaker nos permitiu projetar um recurso de processamento de linguagem natural no contexto de uma aplicação que responde perguntas. Nossa soluções exigiu várias iterações de configurações de aprendizado profundo em grande escala, usando os recursos do Amazon SageMaker.”

Khalid Al-Kofahi, IA e computação cognitiva - Thomson Reuters Center

Zalando é a plataforma on-line líder da Europa em moda e estilo de vida, com mais de 28 milhões de clientes ativos em 17 mercados, oferecendo roupas, calçados, acessórios e beleza.

"Os valores da Zalando giram em torno do foco no cliente, velocidade, empreendedorismo e capacitação. Decidimos padronizar nossas cargas de trabalho de machine learning na AWS para melhorar a experiência do cliente, fornecer à nossa equipe as ferramentas e os processos para serem mais produtivos e fazerem uma diferença significativa nos nossos negócios. Usando o Amazon SageMaker, a Zalando pode orientar melhor as campanhas, gerar roupas personalizadas e proporcionar melhores experiências aos nossos clientes. Com essa solução da AWS, a produtividade de nossos engenheiros e cientistas de dados aumentou em 20%."

Rodrigue Schäfer, diretor de fundação digital – Zalando

A Atlas Van Lines é a segunda maior linha de vans na América do Norte, fundada em 1948 por um grupo de empreendedores do setor de mudanças e armazenamento. A empresa foi desenvolvida com o objetivo único de fazer mudanças de costa a costa, além de aderir à regra de ouro do negócio. Além de ter uma presença sólida, a Atlas exibe requisitos rigorosos de qualidade de agentes que superam os do setor.

Durante o pico nas temporadas de mudanças, a rede de agentes da Atlas trabalha em conjunto entre mercados para atender à demanda dos clientes. Tradicionalmente, a empresa previa capacidade de modo manual e bastante trabalhoso. Ela contava com a sabedoria e o instinto de funcionários com vários anos de experiência. A Atlas encaminhou dados históricos de 2011 e desejava encontrar uma maneira de ajustar de modo dinâmico a capacidade e o preço com base nas demandas futuras do mercado.

A Atlas trabalhou com a Pariveda Solutions, um parceiro de consultoria Premier do APN, para ajudar a tornar possível um gerenciamento proativo de preço e capacidade no setor de mudanças de longa distância. A Pariveda preparou os dados, desenvolveu e avaliou o modelo de Machine Learning, e ajustou a performance. Eles usaram o Amazon SageMaker para treinar e otimizar o modelo e, depois, o exportaram usando a natureza modular do Amazon SageMaker para executá-lo usando o Amazon EC2.

Com 20 bilhões de matches até hoje, o Tinder é o aplicativo mais conhecido do mundo para conhecer novas pessoas.

"Por trás de cada deslizada na tela do Tinder está um sistema que gerencia milhões de solicitações por minuto, bilhões de deslizadas por dia, em mais de 190 países. O Amazon SageMaker simplifica o machine learning, ajudando nossas equipes de desenvolvimento a desenvolver modelos para previsões que criam novas conexões que, de outra forma, poderiam nunca ser possíveis."

Elie Seidman, Diretora executiva - Tinder

O Edmunds.com é um site de compras de automóveis que oferece informações detalhadas e atualizadas constantemente sobre veículos para 20 milhões de visitantes mensais.

"Temos uma iniciativa estratégica para disponibilizar o machine learning a todos nossos engenheiros. O Amazon SageMaker é essencial para nos ajudar a atingir esse objetivo, facilitando para nossos engenheiros a criação, o treinamento e a implantação de modelos de machine learning e algoritmos em grande escala. Estamos entusiasmados para ver como o Edmunds usará o SageMaker para inovar novas soluções na empresa para nossos clientes."

Stephen Felisan, Diretor de TI - Edmunds.com

A Hotels.com é uma marca líder global do setor de hotelaria, com operações em 90 sites localizados para 41 idiomas.

"Na Hotels.com, estamos sempre interessados em aumentar a agilidade, usar as mais recentes tecnologias e promover a inovação. Os algoritmos otimizados de treinamento distribuído e os recursos incorporados de hiperparâmetros do Amazon SageMaker devem permitir que a equipe crie rapidamente modelos mais precisos com base em nossos maiores conjuntos de dados, reduzindo o tempo considerável necessário para implantar um modelo em produção. Basta uma chamada de API. O Amazon SageMaker reduzirá substancialmente a complexidade do machine learning, agilizando a criação de uma melhor experiência para os nossos clientes."

Matt Fryer, Vice-presidente e Diretor de ciência de dados - Hotels.com e Expedia Affiliate Network

A Formosa Plastics Corporation é uma empresa em expansão verticalmente integrada, que fornece resinas plásticas e petroquímicos. A Formosa Plastics oferece uma linha completa de resinas de cloreto de polivinilo, polietileno e polipropileno, soda cáustica e outros petroquímicos que entregam a consistência, a performance e a qualidade que os clientes exigem.

"A Formosa Plastics é uma das maiores empresas petroquímicas de Taiwan e um dos maiores fabricantes de plástico do mundo. Nós decidimos explorar o machine learning para permitir uma detecção mais precisa de defeitos e reduzir custos de mão de obra, e para nos ajudar escolhemos a AWS como nosso provedor de nuvem preferido. O laboratório de soluções de ML da AWS trabalhou conosco em todas as etapas do processo, desde um workshop de descoberta para definir os casos de uso de negócios para a criação e seleção de modelos de ML apropriados até a implantação real. Usando o Amazon SageMaker, a solução de machine learning reduziu pela metade o tempo dos nossos funcionários no trabalho de inspeção manual. Com a ajuda do laboratório de soluções, nós mesmos agora podemos otimizar o modelo do SageMaker, seguindo em frente conforme as condições mudam."

Bill Lee, vice-presidente assistente - Formosa Plastics Corporation

A Voodoo é uma empresa líder em jogos para dispositivos móveis, com mais de 2 bilhões de downloads de jogos e mais de 400 milhões de usuários ativos mensais (MAU). Ela executa a própria plataforma de publicidade e está usando o machine learning para melhorar a precisão e a qualidade dos lances de anúncio que são mostrados aos usuários dela.

"Na Voodoo, precisamos manter ativamente envolvida uma base de milhões de jogadores que continua crescendo. Ao padronizar nossos workloads de machine learning e inteligência artificial na AWS, podemos iterar no ritmo e na escala necessários para continuar expandindo nossos negócios e envolvendo nossos jogadores. Usando o Amazon SageMaker, podemos decidir em tempo real qual anúncio deve ser exibido aos nossos jogadores e invocar nosso endpoint mais de 100 milhões de vezes por mais de 30 milhões de usuários diariamente, representando quase um bilhão de previsões por dia. Com o AWS machine learning, conseguimos colocar um modelo preciso em produção em menos de uma semana, com suporte de uma equipe pequena, e pudemos desenvolver continuamente sobre ele conforme o crescimento de nossa equipe e de nossos negócios."

Aymeric Roffé, diretor de tecnologia – Voodoo

A Zendesk desenvolve software para proporcionar melhores relacionamentos com os clientes. Isso capacita a empresa a melhorar o envolvimento com o cliente e a entendê-lo mais claramente. Mais de 94.000 contas pagas de clientes em mais de 150 países e territórios usam os produtos da Zendesk.

"O Amazon SageMaker reduzirá nossos custos e aumentará a velocidade com que usamos o machine learning. Com o Amazon SageMaker, podemos fazer a transição de nossa implantação autogerenciada do TensorFlow atual para um serviço totalmente gerenciado. O Amazon SageMaker também facilita nosso acesso a outras estruturas comuns de aprendizado profundo, além de gerenciar o framework de criação, treinamento e disponibilização dos nossos modelos."

David Bernstein, diretor de tecnologia estratégica - Zendesk

A Regit (antiga Motoring.co.uk) é uma empresa de tecnologia automotiva e o principal serviço online para motoristas do RU. Ela disponibiliza serviços de gerenciamento digital de carros com base na matrícula do automóvel (placa do carro), além de enviar aos motoristas lembretes informativos sobre assuntos relacionados, como imposto do Ministry of Transport (MOT – Ministério dos transportes), seguros e revogações.

A Regit trabalhou com a Peak Business Insight, um parceiro de consultoria Advanced do APN, para aplicar "modelos categóricos de Machine Learning" que processem dados de categoria e variáveis simultaneamente para oferecer previsões sobre a probabilidade de os usuários trocarem de carro, o que resulta em vendas para a Regit.

A Peak usou serviços da AWS, como o Amazon SageMaker, para saída de dados, modelagem e consumo em tempo real. O Amazon SageMaker processa 5.000 solicitações de API por dia para a Regit, ajustando a escala perfeitamente e fazendo acertos para cumprir requisitos relevantes de dados, além de gerenciar a entrega de resultados de avaliação de leads. Enquanto isso, as instâncias do Amazon Redshift e do Amazon Elastic Compute Cloud (Amazon EC2) otimizam de modo eficiente e contínuo a performance e os resultados do modelo. Com a Peak, a Regit pôde prever quais de seus 2,5 milhões de usuários trocarão de carros e quando isso acontecerá. Isso significa que eles podem atender os clientes de modo mais personalizado e direcionado, aumentando as receitas de call center em mais de 25%.

A Zocdoc oferece aos usuários finais uma solução integrada com recurso de pesquisa de atendimento médico por especialidade e horário. O foco está nas necessidades dos pacientes e na entrega da melhor experiência possível.

"Na Zocdoc, nosso foco tem sido facilitar para que pacientes encontrem o médico certo e agendem uma consulta no horário e no local que lhes for mais conveniente. Os engenheiros da Zocdoc estão bastante entusiasmados com a facilidade e a rapidez para criar, treinar e implantar modelos usando o Amazon SageMaker. Um de nossos engenheiros remotos conseguiu treinar e implantar um modelo de recomendação de especialidade médica do zero em menos de um dia, e que acabou sendo colocado em produção. Antes, nossa equipe de ciências de dados precisava colaborar com o desenvolvimento de qualquer modelo, o que atrasava as equipes de produção. Com o Amazon SageMaker, podemos passar do conceito à produção com muito mais rapidez, graças aos recursos completos e simplificados do SageMaker.”

A rede Move, Inc., que inclui a realtor.com®, a Doorsteps® e a Moving.com™, disponibiliza ferramentas, especialização profissional e informações do setor imobiliário encontradas em uma família de sites e experiências móveis para clientes e profissionais desse setor.

"Acreditamos que o Amazon SageMaker seja um complemento transformador para o conjunto de ferramentas da realtor.com®, enquanto ajudamos os clientes na jornada de obtenção da casa própria. Os fluxos de trabalho de machine learning, que têm um histórico de serem muito demorados, como o treinamento e a otimização de modelos, podem ser realizados com maior eficiência e por um conjunto mais amplo de desenvolvedores, o que capacita nossos cientistas e analistas de dados a se concentrarem na criação da mais avançada experiência para nossos usuários."

Vineet Singh, Diretor da equipe de dados e Vice-presidente sênior - Move, Inc.

Todos os dias, os algoritmos do Grammarly ajudam milhões de pessoas a se comunicarem de modo mais eficiente ao oferecer assistência na elaboração de texto em várias plataformas em dispositivos, por meio de uma combinação de tecnologias de machine learning avançado e processamento de linguagem natural.

"O Amazon SageMaker possibilita para nós o desenvolvimento de modelos do TensorFlow em um ambiente de treinamento distribuído. Nossos fluxos de trabalho também se integram ao Amazon EMR para pré-processamento. Dessa forma podemos obter nossos dados do Amazon S3, filtrados com o EMR e o Spark usando o notebook Jupyter, e treinar no Amazon SageMaker com o mesmo notebook. O SageMaker também e flexível para nossos diferentes requisitos de produção. Podemos executar inferências no próprio SageMaker ou, se precisarmos apenas do modelo, fazemos download dele por meio do S3 e executamos inferências de implementações de dispositivos móveis para clientes iOS e Android."

Stanislav Levental, Gerente de tecnologia - Grammarly

A Slice Labs, com sede em Nova York e operações em todo o mundo, é o primeiro provedor de plataforma na nuvem de seguros sob demanda. A Slice atende ao mercado B2C com ofertas de seguro sob demanda individuais, bem como ao mercado B2B permitindo que as empresas a criarem produtos de seguro digital intuitivos.

"Na Slice, estamos profundamente cientes da natureza de constante mudança das necessidades de seguro dos clientes, e selecionamos a AWS como nossa plataforma de acesso à nuvem devido à ampla faixa de serviços, flexibilidade e forte reputação entre as seguradoras. Usamos vários serviços da AWS para dar suporte a nosso negócio, incluindo o AWS Machine Learning para ajudar a conectar os clientes às melhores opções de seguro de acordo com as necessidades deles. Em nosso trabalho com seguradoras e empresas de tecnologia que buscam criar e lançar produtos de seguro inteligentes, vimos enormes economias de custo e benefícios de produtividade com a AWS. Por exemplo, reduzimos o tempo de compras em 98%, de 47 dias para 1 dia. Estamos empolgados em continuar nos expandindo geograficamente e em termos de nosso uso da nuvem com a AWS."

Philippe Lafreniere, diretor de crescimento - Slice Labs

“Como líder global no fornecimento de imagens de alta resolução, dados e análises da Terra, a DigitalGlobe trabalha com grandes quantidades de dados todos os dias.

"Como líder global no fornecimento de imagens de alta resolução, dados e análises da Terra, a DigitalGlobe trabalha com grandes quantidades de dados todos os dias. A DigitalGlobe facilita a pesquisa, o acesso e a execução de computação em toda nossa biblioteca de imagens de 100 PB, armazenada na Nuvem AWS, para aplicar aprendizado profundo às imagens de satélite. Pretendemos usar o Amazon SageMaker para treinar modelos com petabytes de conjuntos de dados de imagens de observação da Terra, usando blocos de notas Jupyter hospedados. Dessa forma, os usuários da Geospatial Big Data Platform (GBDX) da DigitalGlobe podem simplesmente pressionar um botão, criar um modelo e implantá-lo em grande escala em um ambiente distribuído escalável.”

Dr. Walter Scott, Diretor de tecnologia da Maxar Technologies e fundador da DigitalGlobe

Os primeiros produtos de mensagens da Intercom integram-se perfeitamente a outros sites e apps para dispositivos móveis da empresa para ajudá-la a adquirir, envolver e dar suporte a clientes. A empresa foi fundada em 2011 e conta com escritórios em São Francisco, Londres, Chicago e Dublin.

"Na Intercom, temos uma equipe cada vez maior de cientistas de dados e engenheiros orientados a dados, e frequentemente queremos iterar rapidamente e explorar novas soluções para produtos orientados a dados. Antes do Amazon SageMaker, tentamos várias outras opções para criar esses produtos, mas cada um tinha seus desafios: o compartilhamento de código era difícil, os testes em grandes conjuntos de dados eram lentos e o provisionamento e o gerenciamento de hardware por nossa conta eram problemáticos. Quando o SageMaker chegou, todos esses problemas foram resolvidos. Nós o usamos principalmente para desenvolver algoritmos para nossas plataformas de pesquisa e recursos de machine learning. Além disso, acreditamos que os Jupyter Notebooks hospedados do SageMaker nos permitem criar e iterar rapidamente. Essencialmente, o fato de o SageMaker ser um serviço gerenciado permite que minha equipe se concentre na tarefa atual. O Amazon SageMaker é um serviço extremamente valioso para a Intercom e estamos empolgados em continuar a usá-lo cada vez mais à medida que nossa empresa cresce."

Kevin McNally, cientista de dados sênior, Machine Learning - Intercom

"Nós começamos a usar o Amazon SageMaker e com a ajuda da equipe de soluções de ML e da equipe de arquitetura de soluções da AWS, fomos impulsionados com o Innovation Day e o impacto foi enorme desde então. Nós aumentamos nossa própria equipe de AI várias vezes para explorar totalmente a nova vantagem que as tecnologias da AWS oferecem. Estamos lucrando com as novas maneiras de definir preços com base no clima, o que ainda não acontecia. Decidimos “apostar tudo” na AWS, inclusive armazenar nossos dados no S3, usando o Lambda para execução e funções escalonadas além do SageMaker. E graças à parceria dedicada do laboratório de soluções de ML da AWS, agora somos autossuficientes, capazes de repetir os modelos que criamos e continuar melhorando nosso negócio.”

Andrew Stypa, principal analista de negócios - Kinect Energy Group

A Frame.io é o centro para tudo o que diz respeito ao vídeo. A líder em revisão e colaboração de vídeo, com mais de 700 mil clientes em todo o mundo, a Frame.io é onde profissionais de vídeo de todos os tipos, de autônomos a empresariais, revisam, aprovam e entregam vídeo.

"Como uma plataforma nativa da nuvem de revisão e colaboração de vídeo, acessada por usuários de todo o mundo, é nossa obrigação oferecer a melhor segurança disponível para os clientes. Com o modelo de detecção de anomalias incorporado ao Amazon SageMaker, podemos usar machine learning para identificar, detectar e bloquear rapidamente qualquer solicitação IP indesejada para garantir a segurança e a proteção contínuas da mídia de nossos clientes. Começar a usar o Amazon SageMaker, mantê-lo ao longo do tempo, escaloná-lo em nossa plataforma e ajustar nossos fluxos de trabalho específicos foram atividades simples e direta. Além disso, com a ajuda de notebooks Jupyter no SageMaker, conseguimos experimentar diversos modelos para aprimorar a precisão e a recuperação de formas que tornam a Frame.io ainda mais segura."

Abhinav Srivastava, vice-presidente e diretor de segurança da informação - Frame.io

Da mesma forma como ocorre com atletas em várias modalidades, a Sportograf tem uma afinidade natural com os esportes. Sua missão é respeitar e honrar a performance de cada atleta com imagens de qualidade profissional.

"Com milhões de imagens geradas em eventos esportivos, nosso desafio era organizá-las por número de inscrição do competidor com alta velocidade e precisão. Ao pesquisar por uma solução, a Sportograf decidiu não trabalhar com códigos QR especiais nem outros marcadores, pois eles introduzem um workload grande e complexo, tornando impossível responder a solicitações espontâneas de clientes. Para solucionar esse desafio, o Amazon Rekognition para reconhecimento de texto e o Amazon SageMaker permitiram que criássemos nossa própria solução de machine learning para melhorar a identificação dos números de inscrição dos competidores praticamente em tempo real.”

Tom Janas, diretor geral - Sportograf

O Cookpad é o maior serviço de compartilhamento de receitas do Japão, com cerca de 60 milhões de usuários mensais no Japão e cerca de 90 milhões de usuários mensais em todo o mundo.

"Com o aumento na demanda por um uso mais fácil do serviço de receitas do Cookpad, nossos cientistas de dados estão criando mais modelos de machine learning para otimizar a experiência do usuário. Na tentativa de minimizar o número de iterações de trabalho de treinamento para a obtenção da melhor performance, identificamos um grande desafio na implantação de endpoints de inferência de ML, o que estava desacelerando nossos processos de desenvolvimento. Para automatizar a implantação do modelo de ML de modo que os cientistas pudessem implantar modelos por conta própria, usamos as APIs de inferência do Amazon SageMaker e comprovamos que o serviço eliminava a necessidade de os engenheiros de aplicativos implantarem modelos de ML. Prevemos a automação deste processo com o Amazon SageMaker no ambiente de produção." 

Yoichiro Someya, Engenheiro de pesquisa - Cookpad

A Fabulyst é uma startup dedicada ao comércio de moda com sede na Índia que possibilita experiências mais positivas e personalizadas aos compradores, bem como conversões melhores para varejistas utilizando IA.

“A Fabulyst torna mais fácil para os compradores encontrarem as compras perfeitas, combinando os itens do inventário com as consultas personalizadas e específicas dos usuários (por exemplo, adequando-se ao seu tipo de corpo ou tom de pele). Ao mesmo tempo, ajudamos os varejistas a conseguir melhores conversões por meio da nossa visão computacional para produzir previsões de tendências mensais com base em dados de redes sociais, pesquisas, blogs, dentre outras fontes; automaticamente codificando essas tendências nos catálogos de nossos clientes de varejo. A Fabulyst usa a AWS para fornecer as nossas melhores soluções, incluindo o Amazon SageMaker para administrar as diversas previsões que sustentam nossas ofertas. Contando com o SageMaker e em outros serviços da AWS, podemos garantir valor aos nossos usuários – como um aumento de 10% na receita incremental para os varejistas – e confiamos em nossa capacidade de fornecer excelentes resultados em todas as oportunidades”.

Komal Prajapati, fundador e CEO - Fabulyst

O Terragon Group é uma empresa de tecnologia de dados e marketing que libera valor para as empresas usando insights para alcançar o público móvel na África. Ao longo dos anos, o Terragon Group tornou-se líder no setor de dispositivos móveis, atendendo a marcas locais e multinacionais em diversas áreas geográficas. Entregar a mensagem de anúncio certa para o usuário certo no momento certo exige personalização. O Terragon usa dados, insights e inteligência artificial para ajudar as empresas a alcançar o público certo na África.

"O Amazon SageMaker oferece um fluxo de trabalho de machine learning completo, sem necessidade de nenhuma infraestrutura subjacente. Nossas equipes de ciência de dados e machine learning podem passar rapidamente da exploração de dados ao treinamento e produção de modelos em apenas algumas horas. Para uma empresa sediada na África com poucos talentos de engenharia, não há outra maneira de construir e implantar modelos de ML resolvendo problemas da vida real em menos de 90 dias.”

Deji Balogun, diretor de tecnologia - Terragon Group

O SmartNews é a maior aplicação de notícias no Japão, fornecendo informações de qualidade para mais de 11 milhões de usuários ativos mensais no mundo. Com tecnologias de machine learning, a SmartNews ajuda os usuários com as notícias mais relevantes e interessantes. Os algoritmos de machine learning da SmartNews avaliam milhões de artigos, sinais sociais e interações humanas para entregar imediatamente as principais histórias, os 0,01% que realmente importam.

“Nossa missão de descobrir e fornecer histórias de qualidade para o mundo é desenvolvida pela AWS e, especialmente, pelo Amazon SageMaker, que nos ajudou a acelerar o ciclo de desenvolvimento para atender aos nossos clientes. O uso do Amazon SageMaker ajudou substancialmente os nossos métodos de seleção de notícias, incluindo a classificação de artigos usando aprendizado profundo, previsão do valor do tempo de vida e modelagem composta para textos e imagens. Estamos ansiosos para avançar ainda mais com o Amazon SageMaker e outras soluções de IA da AWS."

Kaisei Hamamoto, cofundador e codiretor executivo - SmartNews, Inc.

A SIGNATE oferece soluções para serviços de terceirização, contratação e consultoria usando IA. A SIGNATE também é conhecida como uma comunidade de ciência de dados com mais de 16.000 membros, que competem entre si para produzir os melhores modelos nas competições. A empresa também oferece um serviço utilizando o Amazon SageMaker que ajuda os clientes a implantar os modelos obtidos nas competições em aplicações de produção.

"Estamos usando o Amazon SageMaker como nossa principal ferramenta para criar modelos de machine learning, e isso tornou nosso sistema de gerenciamento de modelos chamado 'Aldebaran' mais escalável. O SageMaker permitiu uma integração transparente aos nossos fluxos de trabalho, incluindo a criação, o treinamento e a implantação simultâneas de modelos de ML. Antes, eram necessários três a seis meses para implantar modelos em produção. Com o SageMaker, podemos implantar um modelo em produção em 1 a 4 semanas, economizando tempo e aumentando a produtividade. O SageMaker é a nossa plataforma de ML padrão preferencial para todos os nossos modelos de ML”.

Shigeru Saito, presidente, diretor executivo e diretor de desenvolvimento, SIGNATE Inc.

A Pioneer é uma empresa multinacional especializada em entretenimento digital, incluindo eletrônica de automóveis e serviços de mobilidade. As atividades da empresa são motivadas por sua filosofia corporativa de “Mover o coração e tocar a alma” e oferece aos clientes produtos e serviços que podem ajudá-los no dia a dia.

"Ao aproveitar o Amazon SageMaker e os recursos de treinamento de modelo, como o Ajuste automático de modelos, estamos aptos a desenvolver modelos de machine learning altamente precisos e continuar a garantir a privacidade de nossos clientes. Também estamos ansiosos para usar o AWS Marketplace para machine learning, tanto para algoritmos como para modelos pré-treinados, para criar uma plataforma de monetização."

Kazuhiro Miyamoto, gerente geral do departamento de engenharia de serviços da informação - Pioneer

A Dely opera o melhor serviço de vídeos sobre culinária do Japão, o Kurashiru. A empresa se esforça todos os dias para criar serviços culinários com impacto global. Kurashiru ajuda muitas pessoas por dia apresentando diversas receitas saborosas que colorem a mesa de jantar com vídeos de culinária. Dezenas de milhões de pessoas assistem e ouvem serviços mensais de receitas no Japão.

"Já passamos dos 15 milhões de downloads do nosso aplicativo móvel nos dois anos e meio desde o lançamento do popular serviço Kurashiru. Acreditamos que é essencial entregar aos usuários o conteúdo certo no momento certo, usando tecnologias avançadas como machine learning. Para isso, usamos o Amazon SageMaker, que ajudou a construir e implantar os modelos de machine learning em produção em 90 dias. Além disso, aumentamos a taxa de cliques em 15% com a personalização do conteúdo.”

Masato Otake, diretor de tecnologia - Dely, Inc.

Ayla Networks é uma empresa de software de plataforma como um serviço de IoT sediada em São Francisco. Ela desenvolve soluções para os mercados de consumo e comercial.

"Na Ayla Networks, descobrimos que nossos clientes executam na infraestrutura da AWS devido a sua escalabilidade e confiabilidade comprovada. Especificamente, vemos que os fabricantes comerciais estão aproveitando o Amazon SageMaker para dominar os dados de performance do equipamento obtidos do Ayla Cloud. Com o Amazon SageMaker e nosso produto Ayla IQ, as empresas podem revelar insights e anomalias que levam a melhor qualidade de produtos e serviços, até mesmo na previsão de falhas da máquina e corrigindo-as antes que ocorram. Essa solução mantém nossos clientes operando perfeitamente de maneira que as empresas deles podem continuar crescendo, produzindo e escalando sem preocupações."

Prashanth Shetty, vice-presidente de marketing global - Ayla Networks

A FreakOut é uma empresa de tecnologia líder no setor, voltada para publicidade digital. A empresa oferece produtos para transações de inventário de anúncios em tempo real na publicidade da internet, bem como análise de dados para navegar na web. A FreakOut aproveita o machine learning para fazer previsões de taxa de cliques e taxa de conversão.

"Estamos no processo de migrar os ambientes de treinamento de machine learning on-premises para o Amazon SageMaker. O Amazon SageMaker nos oferece uma solução mais escalável para nossos negócios. Com o recurso Ajuste automático de modelos do Amazon SageMaker, podemos otimizar e estimar modelos altamente precisos para nossos requisitos."

Jiro Nishiguchi, diretor de tecnologia - FreakOut

“Na Wag!, temos de atender às necessidades de suprimento e demanda em um mercado bilateral. Vimos uma oportunidade de usar o machine learning desenvolvido pela AWS para prever a demanda de passeio com cães dos nossos clientes. Padronizando nossos aplicativos de machine learning na AWS, podemos atender ao crescimento contínuo de nossas necessidades comerciais iterando a um ritmo muito aprimorado e escalar independentemente dos recursos limitados de engenharia. Usando o Amazon SageMaker, podemos acelerar nossa experimentação com machine learning, reduzindo para 3 dias o tempo computacional de 45 dias para treinar o modelo.”

Dave Bullock, vice-presidente de tecnologia de engenharia e operações – Wag Labs Inc.

“Há mais de 100 anos, ajudamos os clientes a crescer e continuamos a introduzir serviços essenciais para aumentar a segurança e a simplicidade das transações comerciais. Com dados administrativos e financeiros de mais de 30 milhões de empresas, pode ser um desafio detectar fraudes cibernéticos antes que afetem as operações empresariais. O nosso trabalho com o Amazon SageMaker como plataforma preferencial de IA/ML permite que agilizemos a inovação. Por exemplo, conseguimos lançar um novo serviço interno em 7 meses e podemos agora identificar fraudes do tipo URL squatting em 24 horas após a criação de um domínio mal-intencionado.”

Luis Leon, consultor de inovação de TI – Euler Hermes

A iFood é a líder de entrega de alimentos online na América Latina, com 30,6 milhões de pedidos mensais e aproximadamente 160.000 restaurantes registrados em mais de 1.000 cidades.

“Na iFood, usamos machine learning para aprimorar a experiência dos clientes e dos restaurantes. Com o Amazon SageMaker, podemos criar recomendações personalizadas de restaurantes e pratos. Na logística, o pessoal de entrega reduziu a distância percorrida em 12% graças à otimização de rotas. Com a padronização das nossas cargas de trabalho de machine learning na AWS, agora temos a flexibilidade e a escalabilidade necessárias para oferecer informações e resultados em tempo real.”

Sandor Caetano, cientista-chefe de dados – iFood

“A Root Insurance usa tecnologia para definir o preço do seguro automotivo com base em como as pessoas realmente dirigem, não em meros dados demográficos. À medida que a Root crescia, os recursos de treinamento e de transformação em lote do Amazon SageMaker se tornavam mais relevantes para nossas necessidades. Padronizando nossas cargas de trabalho de machine learning na AWS, podemos analisar a telemetria em smartphones e ajudar os bons motoristas a economizar até 52% no seguro automotivo.”

Bill Kaper, Vice-Presidente de Engenharia - Root Insurance

A Infoblox é líder em serviços de rede gerenciados em nuvem seguros, projetados para gerenciar e proteger o núcleo da rede, como DNS, DHCP e gerenciamento de endereço IP (coletivamente conhecido como DDI).

“Na Infoblox, criamos um serviço de análise de segurança de DNS com o Amazon SageMaker que detecta agentes mal-intencionados que criam homógrafos para personificar alvos de nomes de domínio altamente valiosos e os usa para descartar malware, informações de phishing de usuário e atacar a reputação de uma marca. A AWS é nosso padrão corporativo para nuvem e podemos aproveitar vários recursos oferecidos pelo SageMaker para agilizar o desenvolvimento do modelo de ML. Usando os recursos de ajuste automático de modelo do SageMaker, dimensionamos nossa experimentação e aprimoramos a precisão para 96,9%. Graças ao SageMaker, nosso detector de homógrafos de IDNs, parte de nosso serviço de análise de segurança, identificou mais de 60 milhões de resoluções de domínios de homógrafos e continua a encontrar milhões todo mês, o que ajuda nossos clientes a detectar abusos de marca de maneira mais rápida.”

Femi Olumofin, Arquiteto de solução analítica, Infoblox

A Zappos começou há 20 anos como uma pequena loja de calçados on-line. Desde então, ela cresceu e passou a vender roupas, bolsas, acessórios e muito mais, ao mesmo tempo em que prestava um atendimento de renome ao cliente e proporcionava experiências inovadoras aos funcionários. A empresa é subsidiária da Amazon desde 2009.

“Na Zappos, estamos aprimorando mensuravelmente a experiência do usuário em e-commerce usando ferramentas analíticas e soluções de machine learning que nos permitem personalizar as dimensões e os resultados de pesquisa para usuários individualmente enquanto preservamos uma experiência de usuário altamente fluída e responsiva. Com o Amazon SageMaker, podemos prever os tamanhos de sapatos dos clientes. A AWS é nosso padrão empresarial para ML/IA porque os serviços da AWS permitem que os engenheiros se concentrem em melhorar a performance e os resultados, em vez da sobrecarga do DevOps.”

Ameen Kazerouni, Chefe de pesquisa e plataformas de machine learning, Zappos

A NerdWallet, uma empresa de finanças pessoais sediada em San Francisco, fornece análises e comparações de produtos financeiros, incluindo cartões de crédito, bancos, investimentos, empréstimos e seguros.

“A NerdWallet depende de ciência de dados e ML para conectar clientes com produtos financeiros personalizados. Escolhemos padronizar nossas cargas de trabalho de ML na AWS porque nos permitiu modernizar rapidamente nossas práticas de engenharia de ciência de dados, removendo obstáculos e acelerando o tempo de entrega. Com o Amazon SageMaker, nossos cientistas de dados podem investir mais tempo em questões estratégias e concentrar mais energia onde está nossa vantagem competitiva: nossos insights sobre os problemas que estamos resolvendo para nossos clientes.”

Ryan Kirkman, Gerente de engenharia sênior, NerdWallet

A Splice é uma plataforma criativa para músicos, criada por músicos, para incentivar os artistas a liberar seu verdadeiro potencial criativo. A startup de criação de músicas baseada em assinatura foi fundada em 2013 e agora lida com mais de 3 milhões de músicos, que exploram o catálogo em busca de sons perfeitos.

“Conforme nosso catálogo de sons e presets aumenta, também aumenta o desafio de encontrar o som correto. É por isso que a Splice investiu em criar as melhores capacidades de pesquisa e descoberta. Ao padronizar nossas cargas de trabalho de ML na AWS, criamos uma nova oferta voltada ao clientes, que visa facilitar mais do que nunca conectar músicos com os sons que eles procuram. Desde o lançamento dos Sons Similares, observamos quase dez porcento de aumento nas conversões de busca. Fazendo uso do Amazon SageMaker, criamos o complemento perfeito para a pesquisa baseada em texto, permitindo a nossos usuários descobrir e navegar por nosso catálogo de formas antes impossíveis.”

Alejandro Koretzky, chefe de machine learning e engenheiro chefe, Splice

“Antes de iniciarmos nossa jornada rumo ao machine learning, somente conseguíamos pesquisar textos em currículos. A falta de recursos de reconhecimento óptico de caracteres impedia que todos os currículos fossem pesquisados. Agora, com o Amazon Textract, podemos extrair o conteúdo de todos os tipos de documentos e temos os recursos necessários para indexar todos os arquivos carregados em um cluster do Elasticsearch. Todos os documentos carregados são pesquisáveis com o Elasticsearch a uma velocidade dez vezes maior que a da pesquisa original usando SQL. Além disso, implementamos a vetorização de palavras usando o Amazon SageMaker para adicionar palavras-chave relacionadas a consultas de pesquisa. Esse processo nos permite classificar e qualificar com precisão os candidatos e nos ajuda a eliminar os erros causados por sinônimos ou grafias alternativas usadas em currículos. Com o Amazon SageMaker e o Amazon Textract, podemos entregar aos recrutadores os candidatos mais inteligentes e qualificados. Performance estável, disponibilidade global e confiabilidade são fatores de sucesso cruciais para a Audeosoft. Quando tomamos a decisão de estabelecer uma parceria com a AWS há cerca de oito anos, sabíamos que ela seria um parceiro excelente para o futuro. A escolha da AWS como provedor de nuvem preferencial nos proporcionou um parceiro com a mesma dinâmica e o mesmo desejo de criar inovações, como continuaremos fazendo por muitos anos.”

Marcel Schmidt, diretor de tecnologia – Audeosoft

Freshworks é uma empresa de SaaS B2B com sede nos EUA/Índia que atende pequenas e médias empresas (SMB) e empresas de médio porte em todo o mundo. A Freshworks oferece um portfólio de aplicações simples de usar, mas avançadas para fluxos de trabalho de interação de clientes e funcionários.

"Na Freshworks, criamos nossa oferta principal de AI/ML, o Freddy AI Skills, com modelos hiperpersonalizados que auxiliam os agentes na abordagem de dúvidas dos usuários e na resolução de tíquetes de suporte com sucesso, as equipes de vendas e marketing priorizam oportunidades e fecham negócios rapidamente, e os gerentes de sucesso do cliente reduzem o risco de rotatividade e expandem os negócios. Optamos por padronizar nossas cargas de trabalho de ML na AWS porque poderíamos construir, treinar e implantar facilmente modelos de machine learning otimizados para os casos de uso de nossos clientes. Graças ao Amazon SageMaker, criamos mais de 30.000 modelos para 11.000 clientes, enquanto reduzimos o tempo de treinamento para esses modelos de 24 horas para menos de 33 minutos. Com o SageMaker Model Monitor, podemos acompanhar os desvios de dados e readaptar os modelos para garantir a precisão. O Freddy AI Skills, baseado no Amazon SageMaker, está em constante evolução com ações inteligentes, insights de dados profundos e conversas orientadas por intenções.”

Tejas Bhandarkar, diretor de produto sênior – Freshworks Platform

A Veolia Water Technologies é uma empresa de design experiente e provedora especializada de soluções e serviços tecnológicos na área de tratamento de água e águas servidas.

“Em oito semanas breves, trabalhamos com a AWS a fim de desenvolver um protótipo para prever quando limpar ou trocar membranas de filtragem de água em nossas plantas de dessanilização. Usando o Amazon SageMaker, criamos um modelo de ML que aprende com padrões anteriores e prevê a evolução futura de indicadores de sujeira. Com a padronização das nossos workloads de ML na AWS, conseguimos reduzir os custos e evitar tempos de indisponibilidade ao mesmo tempo que aumentamos a qualidade da água produzida. Esses resultados não teriam sido possíveis sem a experiência técnica, a confiança e a dedicação das duas equipes para alcançar uma meta: o fornecimento ininterrupto de água limpa e segura.”

Aude GIARD, diretor digital – Veolia Water Technologies

Sportradar, um grande fornecedor de dados esportivos, entrega dados esportivos em tempo real para 65 equipes em todo o mundo. Com o objetivo de gerar insights inovadores, a empresa colaborou com o Amazon ML Solutions Lab para desenvolver um preditor de gol no futebol.

“Intencionalmente jogamos um dos problemas de visão computacional mais complicado possível para a equipe do Amazon ML Solutions Lab para testar os recursos do AWS machine learning, e estou muito impressionado com os resultados. A equipe criou um modelo de ML para prever gols no futebol dois segundos antes da jogada ao vivo usando o Amazon SageMaker. Apenas o modelo abriu portas para muitas novas oportunidades de negócios para nós. Estamos animados para padronizar nossas cargas de trabalho de ML na AWS porque podemos criar, treinar e implantar modelos que promovem a inovação em nossos negócios e estão de acordo com os nossos requisitos de custo e latência.”  

Ben Burdsall, CTO – Sportradar

F. A Hoffmann-La Roche AG (Roche) é uma empresa multinacional suíça de ciências biológicas especializada em produtos farmacêuticos e diagnósticos.

“Eu queria impulsionar minhas equipes para sistematizar nossos fluxos de trabalho de ML na nuvem, então trabalhamos com o Machine Learning Solutions Lab para oferecer workshops do Amazon SageMaker, demonstrando como o SageMaker simplifica o processo de produção de ML para cientistas de dados. Desde o workshop, 80% de nossos workloads de ML são executados na AWS, o que ajuda nossas equipes a trazer modelos de ML para produção três vezes mais rápido.” O SageMaker e a pilha AWS nos permitem usar recursos de computação para treinar sob demanda, sem ficar restrito pela disponibilidade on-premises.”  

Gloria Macia, cientista de dados - Roche

“Na Guru, acreditamos que o conhecimento necessário para execução do seu trabalho deve chegar até você. Somos uma solução de gerenciamento de conhecimento que captura as informações mais valiosas de sua equipe e as organiza em uma única fonte de verdade. Utilizamos a IA para recomendar conhecimento em tempo real onde você trabalha, garantir que ele seja comprovado e para ajudar a gerenciar melhor sua base de conhecimentos geral. Nossa crescente equipe de ciência de dados de produtos enfrenta todos os desafios da equipe de ML moderna (criar, treinar e implantar sistemas de ML em escala) e contamos com o Amazon SageMaker como forma de superar alguns desses desafios. Atualmente, aproveitamos a SageMaker Inference para implantar mais rapidamente nossos modelos de ML para produção, onde eles nos ajudam a cumprir nosso objetivo número um: fornecer valor a nossos clientes.”  

Nabin Mulepati, engenheiro chefe de ML - Guru

Como parte do compromisso da Amazon com a segurança de seus associados durante a pandemia da COVID-19, a equipe de operações da Amazon implantou uma solução de ML para ajudar a manter protocolos de distanciamento social nos mais de 1.000 edifícios de operações em todo o mundo. As Operações da Amazon colaboraram com o Laboratório de soluções do Amazon Machine Learning para criar modelos de visão por computador de última geração para estimativa de distância usando o Amazon SageMaker.

“Ao padronizar nossas cargas de trabalho de ML na AWS e trabalhar com os especialistas do Laboratório de soluções de ML, criamos um conjunto inovador de modelos que estimamos poder economizar até 30% do nosso esforço de revisão manual. O uso do Amazon SageMaker nos permite gastar mais tempo focados na segurança e no aumento da precisão, reduzindo a necessidade de centenas de horas de revisão manual por dia.”

Russell Williams, diretor de desenvolvimento de software – Amazon OpsTech IT

Freddy’s Frozen Custard & Steakburgers é um restaurante casual rápido que oferece uma combinação única de hambúrgueres preparados na hora, cachorros-quentes Vienna Beef, batatas fritas e outros itens salgados, juntamente com guloseimas de creme recém-batidas congeladas. Fundado em 2002 e franqueado em 2004, o Freddy’s possui atualmente cerca de 400 restaurantes em 32 estados.

“Anteriormente, escolheríamos simplesmente dois restaurantes que pareciam semelhantes, mas agora temos um verdadeiro entendimento das relações entre nossos itens de menu, clientes e locais. O Amazon SageMaker Autopilot, que capacita o novo recurso de ML do Domo, tem sido um multiplicador de força para nossas equipes de marketing e compras para tentar novas ideias e melhorar a experiência de nossos clientes.”

Sean Thompson, diretor de TI – Freddy’s

A iCare é um órgão governamental de NSW que fornece seguro de remuneração de trabalhadores para mais de 329.000 empregadores dos setores público e privado em NSW, Austrália, e seus 3,2 milhões de funcionários. Além disso, a iCare oferece seguros a construtores e proprietários de casas, oferece tratamento e assistência a pessoas gravemente feridas nas estradas de NSW e protege mais de USD 266,6 bilhões em ativos do governo de NSW, incluindo a Sydney Opera House, a Sydney Harbour Bridge, escolas e hospitais.

“Na Insurance and Care (iCare) NSW, nossa visão é mudar a forma como as pessoas pensam sobre seguros e assistência. O Amazon SageMaker permitiu que a iCare criasse e treinasse modelos de aprendizado profundo para identificação precoce de pacientes com doenças de poeira a longo prazo. Essa identificação precoce pode evitar condições potencialmente fatais. De acordo com estudos anteriores, os sinais de silicose não foram detectados ou não puderam ser detectados em 39% dos pacientes. O diagnóstico assistido por IA permitiu que os médicos identificassem corretamente 80% dos casos, em comparação com 71% dos diagnósticos não assistidos. Depois de implementar esse projeto, estamos usando o Amazon SageMaker para desenvolver soluções e processos em outros projetos, pois isso provou ser mais rápido e fácil do que antes, e podemos escalar facilmente nossos esforços para prestar assistência às pessoas de NSW.”

Atul Kamboj, cientista sênior de dados - iCare, agência governamental de seguros e cuidados de NSW, Austrália