Casos de uso de clientes

Hotels.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, o que nos permite criar rapidamente uma melhor experiência para nossos clientes."

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

Thomson Reuters

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, otimizar, organizar e disponibilizar informações aos nossos clientes para que possam simplificar e obter mais benefícios de seu trabalho. O Amazon SageMaker nos permitiu projetar um recurso de processamento de linguagem natural no contexto de um aplicativo que responde a perguntas. Nossa solução exigiu várias iterações de configurações de aprendizado profundo em grande escala, usando os recursos do Amazon SageMaker."

– Khalid Al-Kofahi, Centro de IA e computação cognitiva da Thomson Reuters


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 seu sucesso."

– Ashok Srivastava, Diretor da equipe de dados na Intuit

DigitalGlobe

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 notebooks Jupyter hospedados. Dessa forma basta os usuários da Geospatial Big Data Platform (GBDX) da DigitalGlobe apertarem 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


Dow Jones

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 do grupo e responsável pelo departamento de tecnologia da Dow Jones

Cookpad

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 no Cookpad


Grammarly

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 no Grammarly

realtor.com

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 apoiamos nossos clientes durante seu processo 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 na Move, Inc.


Tinder

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 criar modelos para previsões que criam novas conexões que, de outra forma, poderiam nunca ser possíveis.

– Elie Seidman, Diretora executiva do Tinder

Edmunds

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 no Edmunds.com


GE Healthcare

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 excelentes ferramentas e serviços de inteligência artificial para desenvolver um atendimento otimizado ao paciente. A escalabilidade do Amazon SageMaker, e sua capacidade de integrar-se a serviços nativos da AWS, agrega um enorme valor para nós. Estamos empolgados 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, Gerente de engenharia de IA na GE Healthcare

Zendesk

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 de TensorFlow atual para um serviço gerenciado. O Amazon SageMaker também facilita nosso acesso a outras estruturas comuns de aprendizado profundo, além de gerenciar a infraestrutura de criação, treinamento e disponibilização dos nossos modelos."

– David Bernstein, Diretor de tecnologia estratégica na Zendesk

 


Atlas Van Lines

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.

Regit

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%.


Sportograf

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 uma carga de trabalho grande e complexa, 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 da Sportograf

Descubra mais recursos do Amazon SageMaker

Acesse a página de recursos
Pronto para começar?
Cadastrar-se
Mais dúvidas?
Entre em contato conosco