Clientes do Amazon SageMaker para ML geoespacial
Arup
Dedicada ao desenvolvimento sustentável, a Arup é um coletivo de 16.000 designers, consultores e especialistas que trabalham em 140 países. Fundada para buscar a humanidade e a excelência em tudo o que faz, a empresa colabora com clientes e parceiros, usando imaginação, tecnologia e rigor para moldar um mundo melhor.
“Usamos tecnologias digitais, como machine learning, para explorar o impacto do calor nas áreas urbanas e os fatores que influenciam as temperaturas locais para oferecer um design melhor e apoiar resultados sustentáveis. Ilhas de calor urbanas e os riscos e desconfortos associados são um dos maiores desafios que as cidades enfrentam hoje. O uso dos recursos geoespaciais de ML do Amazon SageMaker nos ajudou a identificar e medir fatores de calor urbanos com dados de observação da Terra, o que acelerou significativamente nossa capacidade de aconselhar os clientes. Isso permitiu que nossas equipes de engenharia realizassem análises que não eram possíveis anteriormente, fornecendo acesso a maiores volumes, tipos e análises de conjuntos de dados maiores.”
Damien McCloud, diretor e líder de observação geoespacial e da Terra, Arup
xarvio
A xarvio Digital Farming Solutions oferece produtos de agricultura digital de precisão para ajudar os agricultores a otimizar a produção agrícola. Disponíveis globalmente, os produtos da xarvio usam machine learning, tecnologia de reconhecimento de imagem e modelos avançados de culturas e doenças, em combinação com dados de satélites e dispositivos de estações meteorológicas, para fornecer recomendações agronômicas precisas e oportunas a fim de gerenciar as necessidades de campos individuais. Os produtos da xarvio são adaptados às condições agronômicas locais, podem monitorar estágios de crescimento e reconhecer doenças e pragas. Os produtos aumentam a eficiência, economizam tempo, reduzem os riscos e fornecem maior confiabilidade para o planejamento e a tomada de decisões enquanto contribuem para uma agricultura sustentável.
“O desenvolvimento rápido de protótipos e a manutenção contínua de nossos ativos de machine learning são algumas de nossas maiores prioridades. As funcionalidades de ML geoespacial do Amazon SageMaker nos fornecem uma solução avançada para desenvolver protótipos e controlar nossos diversos modelos durante todo o ciclo de vida. Usando o Amazon SageMaker, conseguimos melhorar a eficiência em quase 50%. Nossas equipes conseguiram configurar os modelos de pipelines necessários e executar testes em apenas 1 a 2 semanas, o que é quase metade do tempo gasto anteriormente.”
Mojtaba Karami, líder de equipe de sensoriamento remoto, xarvio
DataFarming
A DataFarming é líder em agricultura de precisão.
“Ao entrevistar empresas agrícolas (por exemplo, sementes, fertilizantes e produtos químicos), ficamos surpresos ao descobrir que quase todas elas tomam decisões multimilionárias com base em dados limitados, em sua maioria subjetivos. Muitas vezes, essas empresas não tinham as respostas para as perguntas mais críticas, como “Quanta terra está disponível para semear?” ou “Quando a safra estará pronta para a colheita?” Como somos usuários ávidos de vários tipos de imagens de satélite há quase 20 anos, ficou claro que queríamos aproveitar o poder dos dados geoespaciais para ajudar as empresas agrícolas a descobrir respostas para essas perguntas e ajudá-las a tomar decisões mais inteligentes no campo. No entanto, é extremamente desafiador executar algoritmos complexos de machine learning em mais de 100 milhões de acres de terras agrícolas australianas com resolução de pixels de 10m (e em tempo real). Com os recursos de ML geoespacial do Amazon SageMaker, podemos ir do conceito ao modelo de trabalho em poucas horas.”
Tim Neale, cofundador, DataFarming
SatSure
A SatSure, líder em soluções de inteligência de decisão com sede na Índia, está usando dados de observação da Terra e modelos de aprendizado profundo para gerar insights em uma variedade de casos de uso: desde monitoramento de culturas em todos os climas e pontuação de risco agrícola até detecção de mudanças na cobertura da terra e identificação de características da terra.
“Criar modelos de aprendizado profundo escaláveis e de última geração que sejam econômicos é extremamente desafiador ao lidar com grandes conjuntos de dados provenientes de imagens de satélite. O arsenal de ferramentas do Amazon SageMaker ajudou a simplificar nosso desenvolvimento completo de pipeline de modelos complexos de aprendizado profundo. Isso nos economizou 25% em custos ao longo do ciclo de vida de desenvolvimento do modelo, além de permitir que nos concentrássemos no desenvolvimento de soluções inovadoras. Desejávamos usar as funcionalidades do Amazon SageMaker para desenvolver uma aplicação digital que usasse imagens de satélite de baixa resolução para definir limites de fazendas agrícolas com base no aprendizado. Com os algoritmos geoespaciais integrados do Amazon SageMaker, o Feature Store e o ajuste automático de parâmetros, conseguimos desenvolver essa aplicação de maneira ágil, garantindo o alcance de todas as métricas de sucesso.”
Rashmit Singh Sukhmani, cofundador e diretor de dados da SatSure
EarthOptics
A EarthOptics é uma empresa de medição e mapeamento de dados de solo que utiliza tecnologia proprietária de sensores e análise de dados para medir com precisão a saúde e a estrutura do solo.
“Queríamos usar o ML para ajudar nossos clientes a aumentar a produtividade agrícola com mapas de solo econômicos. Os recursos de ML geoespacial do Amazon SageMaker nos permitiram criar rapidamente protótipos de algoritmos com várias fontes de dados e reduzir o tempo entre a implantação da API de pesquisa e produção para apenas um mês. Graças ao Amazon SageMaker, agora temos soluções geoespaciais para o sequestro de carbono do solo implantadas em fazendas e ranchos nos EUA.”
Lars Dyrud, CEO da EarthOptics