Клиенты Amazon SageMaker AI
Узнайте, как ведущие организации по всему миру используют Amazon SageMaker AI для создания, обучения и развертывания моделей машинного обучения.

Articul8 AI
«Amazon SageMaker HyperPod сильно помог нам распоряжаться вычислительными ресурсами более эффективно и с минимальным временем простоя. Мы одними из первых применили сервис HyperPod на основе Slurm. Его простота использования в сочетании с отказоустойчивостью позволили повысить производительность на 35 % и быстро увеличить масштаб операций с генеративным искусственным интеллектом. Мы тесно связаны с Kubernetes, поэтому чрезвычайно рады появлению поддержки Amazon EKS для SageMaker HyperPod. Для нас это существенно меняет ситуацию за счет легкой интеграции в имеющиеся конвейеры обучения и упрощенного управления крупномасштабными кластерами Kubernetes. Это приносит пользу и нашим конечным клиентам, так как теперь мы можем внедрить новую возможность в нашу платформу генеративного искусственного интеллекта, чтобы клиенты эффективнее проводили обучение и точнее регулировали рабочую нагрузку».
Арун Субраманиян, основатель и CEO компании Articul8 AI

Observea
«Поддержка Amazon EKS в SageMaker HyperPod сыграла важную роль для нас как для быстроразвивающегося стартапа и компании, занимающейся исследованиями в сфере искусственного интеллекта, помогая ускорить выход на рынок. С помощью SageMaker HyperPod мы смогли запустить стабильную и безопасную платформу, которая предоставляет контейнерные приложения для высокопроизводительных вычислений (HPC) в качестве услуг для наших конечных клиентов, в число которых входят ведущие университетские исследовательские программы и стартапы в сфере искусственного интеллекта, а также традиционные предприятия. Используя SageMaker HyperPod, наши клиенты и сотрудники могут больше не беспокоиться об эксплуатации и настройке плоскости управления Kubernetes. SageMaker HyperPod также берет на себя заботу о производительности сети и оптимизации конфигураций для поддержки сложных рабочих нагрузок высокопроизводительных вычислений. Благодаря поддержке EKS в SageMaker HyperPod мы смогли сократить затраты времени на тяжелую рутинную работу по управлению инфраструктурой, а также снизить эксплуатационные расходы более чем на 30 %».
Вамши Пандари, основатель Observea

Recursal AI
«Мы упростили весь процесс. Благодаря SageMaker HyperPod мы пользуемся функциями отказоустойчивости кластера, которые отслеживают задания по обучению и автоматически восстанавливают их по последней сохраненной контрольной точке в случае аппаратного сбоя. Мы выполняем самые разные рабочие задачи – приложения, логический вывод и обучение, – используя Kubernetes в качестве связующего звена. С SageMaker HyperPod Amazon EKS работает как по волшебству – узлы сами появляются в кластере».
Натан Уайлс, infrastructure/data lead, Recursal

Rocket Mortgage
«Rocket Mortgage гордится тем, что является лидером в сфере интеграции искусственного интеллекта и анализа данных в процесс покупки жилья вместе с AWS в роли ключевого партнера нашей компании. Используя ИИ Amazon SageMaker, мы преображаем наши операции машинного обучения, повышая эффективность и точность. С помощью визуального редактора Конвейеров SageMaker Pipelines можно быстро оценивать производительность новых больших языковых моделей (LLM) с открытым исходным кодом, запуская их через наш автоматизированный конвейер валидации. Это сводит к минимуму время, необходимое для оценки новых релизов, что крайне важно в быстро меняющихся условиях. Благодаря простоте использования наши команды, занимающиеся анализом данных, могут сосредоточиться на инновациях, а не на переписывании кода».
Шон Малхотра, Chief Technology Officer, Rocket Companies

SatSure
Компания SatSure, мировой лидер в сфере геопространственных интеллектуальных решений, использует данные наблюдения Земли и модели глубокого обучения для получения информации в различных областях применения – от мониторинга урожая в любую погоду и оценки рисков для фермерских хозяйств до обнаружения изменений почвенного покрова, управления растительностью, предотвращения риска пожаров и идентификации особенностей земли.
«С помощью Конвейеров Amazon SageMaker мы создаем модели для приложения, которое определяет границы сельскохозяйственных ферм на спутниковых снимках низкого разрешения. Разработка современных моделей глубокого обучения на основе больших наборов данных спутниковых снимков чрезвычайно сложна. Мы можем уделять больше внимания инновациям в сфере искусственного интеллекта и тратить меньше времени на ручные процессы, поскольку с помощью Конвейеров можно автоматизировать частую предварительную обработку данных, а также обучение и развертывание моделей. Функция перетаскивания в пользовательском интерфейсе позволит начинающим специалистам по анализу данных легко и быстро наращивать ресурсы и создавать рабочие процессы машинного обучения без специализированных знаний о конкретной структуре оркестровки рабочих процессов».
Пратип Басу, основатель и CEO, SatSure Ltd.

EagleView
«Чтобы удовлетворить спрос наших клиентов на высококачественную аналитику данных, мы постоянно исследуем и внедряем новые возможности на основе машинного обучения. Новый пользовательский интерфейс Конвейеров Amazon SageMaker с функцией перетаскивания даст возможность нашим специалистам по анализу данных сосредоточиться на более сложных проблемах машинного зрения, не беспокоясь о MLOps. Мы создаем Конвейеры, с помощью которых специалисты по анализу данных могут просто регистрировать свои модели в ИИ SageMaker без необходимости координировать работу с инженерами машинного обучения для оптимизации среды обслуживания моделей. Многоэтапный Конвейер автоматически развернет зарегистрированные модели на адресах Amazon SageMaker для логического вывода в средах обеспечения качества для нагрузочного тестирования и, если это будет одобрено инженерами машинного обучения, в производственных средах. Общая скорость нашей комплексной разработки машинного обучения значительно улучшилась, поскольку Конвейеры Amazon SageMaker облегчают интеграцию с другими сервисами AWS (CI/CD, службы обмена сообщениями) для создания высоконастраиваемых рабочих процессов машинного обучения».
Гаррет Хеманн, Head of AI/ML, EagleView

GoDaddy
В GoDaddy мы стремимся помочь обычным предпринимателям добиться успеха, предоставляя им инструменты для создания бизнеса. «Мы обслуживаем клиентов с разнообразными потребностями. Они часто общаются с компаниями, которым оказывают поддержку круглосуточно и по нескольким каналам, включая электронную почту, чат и социальные сети, – говорит Цзин Си, VP Applied ML and AI, GoDaddy. – Сегодня генеративный искусственный интеллект создает равные условия для предприятий малого бизнеса, предоставляя в их полное распоряжение невероятные возможности и знания, которыми обычно владеют только крупные корпорации. Однако одна из самых больших проблем, с которыми сталкиваются наши команды разработчиков генеративного искусственного интеллекта, заключается в том, чтобы выяснить, какая базовая модель подходит для их бизнес-приложений. Для нас важна возможность легко сравнивать модели на основе конкретных и наиболее значимых для наших клиентов критериев, а также достигать правильного баланса между стоимостью модели, задержкой, точностью и производительностью модели. Новая возможность оценки моделей ИИ Amazon SageMaker помогает нам ускорить переход от идеи к реализации, устраняя сложности, связанные с процессом выбора модели, и легко экспериментировать, разрабатывать новые версии этих моделей, развертывать их и управлять ими. Мы рады расширить доступ к этой новой возможности для большего количества команд, чтобы наши разработчики могли повысить производительность и еще больше раскрыть возможности генеративного искусственного интеллекта для развития бизнеса клиентов».
«Компания GoDaddy занимает лидирующие позиции в использовании машинного обучения для предоставления функций, ориентированных на клиентов, а также для повышения экономической эффективности наших внутренних операций. Наши ученые в сфере машинного обучения работают над многочисленными проектами для достижения этих целей. Быстрая итерация рабочих процессов машинного обучения, связанных с обработкой данных, ведением журналов экспериментов, управлением артефактами моделей с использованием реестра моделей и развертыванием, имеет важное значение для принесения прибыли. Наши специалисты в сфере машинного обучения ощутимо нуждались в таком специально разработанном инструменте, как MLflow. ИИ Amazon SageMaker предлагает специалистам по машинному обучению контролируемую и управляемую платформу для комплексных рабочих процессов машинного обучения. Использование стандартного отраслевого инструмента, такого как MLflow, в ИИ SageMaker значительно ускоряет цикл разработки наших моделей. Мы обеспечиваем безопасность корпоративного уровня и зрелость таких продуктов, как Реестр моделей Amazon SageMaker, а также используем стандартное отраслевое отслеживание экспериментов с машинным обучением с помощью MLflow. Внедрение MLflow от ИИ SageMaker в наших командах снизило операционную нагрузку, связанную с обслуживанием собственных размещенных инстансов MLflow, сохранив при этом скорость выполнения задач и улучшив сотрудничество. Мы рады, что с самого начала сотрудничали с командой ИИ SageMaker, чтобы улучшить предложение этого продукта и одновременно принести пользу нашим специалистам по машинному обучению».
Картик Айер, Director, Engineering Machine Learning

KBC
«В KBC Bank мы считаем, что предоставление нашим специалистам по обработке данных подходящих инструментов крайне важно для стимулирования инноваций. Одним из эффективных способов внедрения инноваций является постоянное экспериментирование, посредством которого мы исследуем новые идеи и совершенствуем свои модели. MLflow предоставляет надежную платформу для управления экспериментами и их документирования. Ее использование в качестве управляемого сервиса улучшит взаимодействие специалистов по анализу данных, а также упростит настройку и обслуживание нашей платформы машинного обучения».
Тиаго Алвес, MLOps Engineer

Wallapop
«Чтобы эффективно управлять все большим количеством экспериментов с машинным обучением и обеспечить успешное развертывание моделей, крайне важно иметь надежную систему отслеживания экспериментов и регистрации моделей. MLflow служит эффективным решением для этой цели, поскольку дает возможность беспрепятственно и подробно отслеживать все эксперименты с машинным обучением. При этом изменения, которые необходимо внести в нашу кодовую базу, минимальны. Это облегчает выбор оптимальной модели для Wallapop, упрощает процесс разработки машинного обучения и повышает его эффективность. Таким образом, прямая интеграция этой платформы и управление ею в AWS дает возможность нашей команде сосредоточиться на реальной ценности наших решений машинного обучения, не выполняя всю тяжелую работу, связанную с таким сервисом».
Марти Жорда Рока, Machine Learning Engineer

BigaBid
«ИИ Amazon SageMaker дает нам возможность с легкостью создавать распределенные модели машинного обучения в больших масштабах. Вместо того чтобы полагаться на ручные процессы, мы можем легко автоматизировать большую часть разработки в ИИ Amazon SageMaker. Нам нужен надежный способ отслеживания эффективности наших автоматизированных учебных заданий, чтобы мы могли сравнивать их, выявлять наилучшие модели и внедрять их в производство. Благодаря интеграции с MLflow мы можем делать это без каких-либо хлопот, связанных с самостоятельной настройкой и управлением MLflow. Это дополнительно улучшает наш рабочий процесс, обеспечивая надежный функционал для сравнения и регистрации моделей, что значительно повышает эффективность разработки и развертывания».
Эяль Трабельси, Data Architect

Toyota Connected
«ИИ Amazon SageMaker с MLflow выгодно отличается простотой и в то же время высокоэффективной интеграцией с ИИ SageMaker для отслеживания экспериментов, управления ими и обеспечения качества моделей. Встроенная интеграция MLflow с ИИ Amazon SageMaker значительно упростила выполнение задач по отслеживанию и продвижению моделей. Поскольку наш сервис управляемый, мы не беспокоимся о базовой инфраструктуре и можем сосредоточиться на улучшении моделей и ускорении цикла разработки».
Сумит Кишнани, Managing Data Scientist

Thomson Reuters
«Thomson Reuters уже более 30 лет занимает ведущие позиции в разработке искусственного интеллекта. Мы стремимся предоставлять клиентам эффективные решения, которые ускорят получение результатов и повысят доступность достоверной информации. Чтобы ускорить внедрение инноваций в сфере генеративного искусственного интеллекта, мы не только сотрудничаем с поставщиками больших языковых моделей, но и изучаем возможности более эффективно обучать настраиваемые модели с применением нашего уникального опыта и запатентованного контента. Распределенные библиотеки для обучения SageMaker HyperPod помогают нам повысить эффективность тренировки крупномасштабных моделей, а функция отказоустойчивости экономит время на операции по мониторингу инфраструктуры и управлению ею. Обучение базовых моделей с использованием SageMaker HyperPod ускорит наш выход на рынок и поможет нам в нужном темпе предоставлять качественные решения для наших клиентов».
Джоэл Хрон, Head of AI and Labs, Thomson Reuters
«Amazon SageMaker HyperPod соответствует всем требованиям к обучению нашей большой языковой модели. Применив Amazon EKS на SageMaker HyperPod, мы смогли увеличить объем ресурсов и легко выполнять задания по обучению, что, в свою очередь, позволило использовать преимущества большой языковой модели в таких сферах, как составление юридических резюме и их классификация».
Джон Дюпри, Distinguished Engineer, Thomson Reuters Labs

Hugging Face
«Компания Hugging Face применила SageMaker HyperPod для создания новых важных базовых моделей с открытым исходным кодом, таких как StarCoder, IDEFICS и Zephyr, которые были загружены миллионы раз. Специально разработанные возможности SageMaker HyperPod по обеспечению отказоустойчивости и производительности позволили нашей команде ученых сосредоточиться на развитии и публикации новых методов построения базовых моделей, а не на управлении инфраструктурой. Особенно нам понравилось, как хорошо SageMaker HyperPod справляется с аппаратными сбоями и быстро заменяет неисправное оборудование для машинного обучения, не прерывая текущие процессы обучения моделей. Поскольку нашим специалистам необходимо быстро внедрять инновации, функция автоматического восстановления заданий помогла нам свести к минимуму перерывы в процессе обучения базовых моделей, сэкономив сотни часов на обучении уже за первый год».
Джефф Будье, head of Product, Hugging Face

Perplexity AI
«Мы искали подходящую инфраструктуру машинного обучения, чтобы повысить производительность и снизить затраты при создании высокоэффективных больших языковых моделей. Проведя несколько успешных экспериментов, мы перешли на AWS от других облачных провайдеров, чтобы использовать Amazon SageMaker HyperPod. Последние четыре месяца мы используем HyperPod для создания и настройки больших языковых моделей, на которых будет основан механизм ответов в формате беседы Perplexity, предоставляющий ответы на вопросы вместе с цитатами, содержащими справочные сведения. Поскольку SageMaker HyperPod автоматически отслеживает состояние кластера и восстанавливает его при сбоях в работе графического процессора, разработчики могут сосредоточиться на создании моделей и не отвлекаться на управление базовой инфраструктурой и ее оптимизацию. Встроенные параллельные библиотеки данных и моделей SageMaker HyperPod помогли нам оптимизировать время обучения на графических процессорах и удвоить пропускную способность обучения. Это означает, что обучающие эксперименты теперь могут выполняться в два раза быстрее, благодаря чему наши разработчики завершают итерации быстрее, что в итоге ускоряет разработку новых решений на основе генеративного искусственного интеллекта для наших клиентов».
Аравинд Шринивас, сооснователь и CEO, Perplexity AI

Workday
«Более 10 000 организаций по всему миру используют Workday для управления своими самыми ценными активами – сотрудниками и деньгами. Мы предоставляем клиентам ответственные и прозрачные решения, выбирая наилучшую базовую модель, отражающую политику нашей компании в отношении ответственного использования искусственного интеллекта. Для таких задач, как составление высококачественных описаний должностных обязанностей с обеспечением равных возможностей, мы протестировали новые средства оценки моделей в ИИ Amazon SageMaker по таким показателям, как предвзятость, качество и производительность, и остались довольны результатами. Мы с нетерпением ждем возможности использовать этот сервис в будущем для сравнения и выбора моделей, соответствующих нашим строгим критериям ответственного использования ИИ».
Шейн Люк, vice president of AI and Machine Learning, Workday.

Salesforce
«В Salesforce мы применяем открытый экосистемный подход к базовым моделям. ИИ Amazon SageMaker – важная составляющая, помогающая масштабировать архитектуру и ускорять выход на рынок. Используя новую возможность логического вывода ИИ SageMaker, мы смогли разместить все наши модели на одном адресе ИИ SageMaker, который автоматически управлял распределением всех ресурсов и совместным использованием вычислительных ресурсов, повышая производительность и снижая затраты на развертывание базовых моделей».
Бхавеш Доши, vice president of Engineering, Salesforce.

Bain & Co
«Один из самых серьезных вызовов для Aura – извлечение значимой информации из огромного пула неструктурированных профессиональных данных. Используя большие языковые модели в Amazon SageMaker Canvas, мы автоматизировали процесс извлечения данных, изменив подход компаний к оценке компетенций сотрудников и организационных структур. Такой подход помог нам не только масштабировать анализ данных, но и обойти ограничения его традиционных методов, таких как сопоставление ключевых слов. Используя новые возможности SageMaker Canvas по подготовке данных и LLM, Aura может количественно оценивать и сравнивать компании с точки зрения эффективности организационной структуры, навыков персонала и финансовых результатов».
Пурна Доддапанени, CTO Founder’s Studio и партнер Bain & Co.

Wix
«Логический вывод ИИ Amazon SageMaker помогает нам развертывать модели в нескольких зонах доступности и выполнять прогнозы необходимых масштабов в онлайн- или пакетном режиме».
Итамар Келлер, Research and Development Team Leader, Wix
Qred
«Благодаря централизованной платформе, использующей ИИ Amazon SageMaker, соблюдение требований становится проще. Добавлять конфиденциальные данные проще, когда они централизованы и защищены».
Лезгин Бакирчиоглу, Chief Technology Officer, Qred

Stability AI
«Как ведущая компания в сфере генеративного искусственного интеллекта с открытым исходным кодом, мы стремимся максимально повысить доступность современных технологий искусственного интеллекта. Мы создаем базовые модели с десятками миллиардов параметров, для которых требуется инфраструктура с возможностью масштабирования для оптимальной эффективности обучения. Благодаря управляемой инфраструктуре и библиотекам оптимизации SageMaker HyperPod мы смогли сократить время и затраты на обучение более чем на 50 %. Это делает обучение наших моделей более устойчивым к сбоям и более эффективным, а значит позволяет быстрее создавать самые современные модели».
Эмад Мостак, основатель и CEO, Stability AI

«В iFood мы стремимся радовать клиентов нашими услугами с использованием таких технологий, как машинное обучение. Создание полного и бесперебойного рабочего процесса для разработки, обучения и развертывания моделей стало важной частью нашего пути к масштабированию машинного обучения. Конвейеры Amazon SageMaker помогают нам быстро создать несколько масштабируемых автоматизированных рабочих процессов машинного обучения, а также упрощают развертывание моделей и эффективное управление ими. Конвейеры SageMaker повышают эффективность цикла разработки. Мы продолжаем утверждать наше лидерство в использовании искусственного интеллекта и машинного обучения для обеспечения превосходного обслуживания и эффективности с помощью всех новых возможностей ИИ Amazon SageMaker».
Сандор Каэтано, Chief Data Scientist, iFood

«Развитая сфера ухода, в которой предложение соответствует спросу, необходима для экономического роста – от отдельных семей до ВВП всей страны. Мы рады внедрению Конвейеров Amazon SageMaker, так как уверены, что благодаря использованию согласованного набора тщательно отобранных данных, которые можно применить для создания масштабируемых сквозных конвейеров моделей машинного обучения от этапа подготовки данных до их развертывания, наши команды, занимающиеся анализом данных и разработкой, смогут качественнее масштабировать модели машинного обучения. Благодаря недавно анонсированным возможностям ИИ Amazon SageMaker мы можем ускорить разработку и развертывание наших моделей машинного обучения для различных приложений, помогая нашим клиентам принимать более обоснованные решения за счет ускоренного получения рекомендаций в режиме реального времени».
Клеменс Туммельтсхаммер, Data Science Manager, Care.com
_Logo_Resized.f91898f019610a66c5a9284b90b71cf609deb12e.png)
«Используя машинное обучение, компания 3M совершенствует проверенные продукты, такие как наждачная бумага, и внедряет инновации в ряде других сфер, включая здравоохранение. Поскольку мы планируем распространить машинное обучение на другие сферы 3M, мы замечаем, что количество данных и моделей быстро растет, ежегодно удваиваясь. Мы с радостью приветствуем новые функции ИИ SageMaker, поскольку они помогут расширить наши масштабы. Amazon SageMaker Data Wrangler значительно упрощает подготовку данных для обучения модели, а Хранилище функций Amazon SageMaker избавит нас от необходимости снова и снова создавать одни и те же функции модели. Наконец, Конвейеры Amazon SageMaker помогут нам автоматизировать подготовку данных, построение моделей и их развертывание, создавая комплексный рабочий процесс, что ускорит вывод наших моделей на рынок. Наши исследователи с нетерпением ждут возможности воспользоваться преимуществами новой скорости научного прогресса в компании 3M».
Дэвид Фрейзи, Technical Director, 3M Corporate Systems Research Lab
«Благодаря Amazon SageMaker JumpStart мы смогли поэкспериментировать с несколькими базовыми моделями, выбрать те, которые лучше всего соответствуют нашим потребностям в сфере здравоохранения, и быстро запустить приложения машинного обучения, развертывая совместимые с HIPAA модели SageMaker. Это позволило нам повысить скорость и масштабировать процесс ввода данных для рецептов и обслуживания клиентов».
Александр Алвес-старший Principal Engineer, Amazon Pharmacy

«Миссия компании Canva – предоставить всему миру возможности для дизайна и создания прекрасного на любом устройстве. С помощью генеративного искусственного интеллекта мы помогаем пользователям с легкостью воплощать свои идеи в жизнь. Благодаря SageMaker JumpStart наши команды могут приступить к работе с генеративным искусственным интеллектом и протестировать различные базовые модели. На нашем глобальном хакатоне Canvanauts мы смогли с легкостью внедрить широкий спектр базовых моделей и запустить свои проекты. Это сыграло ключевую роль в успехе нашего хакатона».
Ник Уиттисон, Engineering Lead for AI Products, Canva

«В Dovetail мы помогаем организациям улучшить качество продуктов и услуг за счет лучшего понимания своих клиентов. С помощью Amazon SageMaker JumpStart мы можем легко получать доступ к передовым базовым моделям, а также тестировать и развертывать их. Мы использовали AI21 Jurassic-2 Mid для улучшения суммаризации и смогли интегрировать его в наше приложение SaaS за несколько недель вместо месяцев внедрения. Теперь наши клиенты могут эффективно извлекать и анализировать свои данные, сохраняя при этом их конфиденциальность и безопасность».
Крис Манувриер, Enterprise Architect Manager, Dovetail

«У наших клиентов тысячи юридических документов, процесс их анализа утомителен и занимает много времени. Часто нет способа быстро получить ответы, например понять, кто задал вопрос во время дачи показаний. Теперь с помощью Amazon SageMaker JumpStart мы можем использовать самые современные базовые модели, используемые в наших продуктах, чтобы клиенты могли решать различные задачи, такие как обнаружение противоречий и семантический поиск, одновременно просматривая тысячи документов. Теперь адвокаты могут использовать имеющиеся стенограммы для подготовки к будущим событиям, соблюдая при этом строгие стандарты безопасности и соответствуя всем требованиям».
Джейсон Примут, Chief Innovation Officer, Lexitas

«В Tyson Foods мы продолжаем искать новые способы использования машинного обучения в производственном процессе для повышения производительности. Мы используем модели классификации изображений для идентификации продуктов производственной линии, для которых требуются упаковочные этикетки. Однако модели классификации изображений необходимо периодически переобучать новыми изображениями с места производства. С помощью Amazon SageMaker JumpStart наши специалисты по анализу данных могут делиться моделями машинного обучения с инженерами службы поддержки, чтобы те могли обучать модели машинного обучения новым данным без написания кода. Это ускоряет вывод решений машинного обучения на рынок, способствует постоянному совершенствованию и повышению производительности».
Рахул Даминени, Specialist Data Scientist, Tyson Foods

«Благодаря Amazon SageMaker JumpStart мы можем запускать решения для машинного обучения за считаные дни, быстрее и надежнее удовлетворяя потребности машинного обучения в прогнозировании».
Алекс Панаит, CEO, Mission Automate

«С Amazon SageMaker JumpStart мы получили лучшие стартовые позиции, благодаря которым можем внедрять решения для машинного обучения в собственные сценарии использования всего за 4–6 недель вместо 3–4 месяцев».
Гус Нгуен, Software Engineer, MyCase

«С помощью Amazon SageMaker JumpStart мы быстрее создаем приложения машинного обучения, например для автоматического обнаружения аномалий или классификации объектов, причем процесс разработки решений от проверки концепции до ввода в эксплуатацию сократился до нескольких дней».
Милош Ханцель, Platform Architect, Pivotree

«Amazon SageMaker Clarify легко интегрируется с остальной цифровой платформой Bundesliga Match Facts и является ключевой частью нашей долгосрочной стратегии стандартизации рабочих процессов машинного обучения ИИ Amazon SageMaker. Используя инновационные технологии AWS, такие как машинное обучение, для получения более подробной информации и лучшего понимания болельщиками решений, принимаемых на поле за доли секунды, Bundesliga Match Facts дает зрителям возможность глубже понять ключевые решения каждого матча».
Андреас Хейден, Executive Vice President of Digital Innovations, DFL Group

«Применяя Amazon SageMaker JumpStart, Slack может использовать самые современные базовые модели для поддержки Slack AI, отдавая при этом приоритет безопасности и конфиденциальности. Теперь клиенты Slack могут более эффективно осуществлять поиск, мгновенно резюмировать беседы и работать максимально продуктивно».
Джеки Рокка, VP Product, AI, Slack

«Сочетание AutoGluon и Amazon SageMaker Clarify позволило нашей модели оттока клиентов спрогнозировать отток клиентов с точностью 94 %. SageMaker Clarify помогает нам понять поведение модели, обеспечивая объяснение с помощью значений SHAP. С помощью SageMaker Clarify мы снизили стоимость вычисления значений SHAP до 50 % по сравнению с локальным вычислением. Совместное решение дает нам возможность лучше понять модель и повысить удовлетворенность клиентов с более высокой степенью точности и значительной экономией средств».
Масахиро Такамото, Head of Data Group, CAPCOM

«Domo предлагает масштабируемый набор решений для анализа данных, легко доступный и понятный любому сотруднику организации. Благодаря Clarify наши клиенты получают важную информацию о том, как их модели искусственного интеллекта делают прогнозы. Сочетание Clarify и Domo помогает нашим клиентам повысить скорость и уровень интеллекта ИИ, оснащая возможностями искусственного интеллекта всех участников бизнеса и экосистем».
Бен Эйнскоу, доктор философии, Head of AI and Data Science, Domo

Varo Bank – это цифровой банк, расположенный в США, который использует ИИ/МО для принятия быстрых и основанных на рисках решений, касающихся предоставления клиентам инновационных продуктов и услуг.
«Компания Varo твердо привержена понятности и прозрачности наших моделей машинного обучения, и мы рады видеть результаты Amazon SageMaker Clarify в развитии этих усилий».
Сачин Шетти, Head of Data Science, Varo Money

LG AI Research стремится возглавить новую эру искусственного интеллекта, используя ИИ Amazon SageMaker для более быстрой тренировки и развертывания моделей машинного обучения.
«Недавно мы представили Tilda, ИИ-художницу, работающую на базе EXAONE – сверхгигантской системы искусственного интеллекта, которая может обрабатывать 250 миллионов наборов данных пар изображений высокой четкости и текста. С помощью мультимодального искусственного интеллекта Tilda самостоятельно создает новый образ, способный выходить за рамки языка, который она воспринимает. ИИ Amazon SageMaker сыграл важную роль в разработке EXAONE благодаря масштабируемости и возможностям распределенного обучения. В частности, из-за огромных масштабов вычислений, необходимых для обучения этого сверхгигантского искусственного интеллекта, эффективная параллельная обработка крайне важна. Нам также необходимо было постоянно управлять большими объемами данных и гибко реагировать на вновь полученные данные. Используя обучение моделей ИИ Amazon SageMaker и распределенные учебные библиотеки, мы оптимизировали распределенное обучение и натренировали модель на 59 % быстрее и без существенных изменений в нашем обучающем коде».
Сын Хван Ким, Vice President and Vision Lab Leader, LG AI Research

«В AI21 Labs мы помогаем компаниям и разработчикам использовать передовые языковые модели для трансформации взаимодействия пользователей с текстом без опыта обработки естественного языка. Наша платформа для разработчиков AI21 Studio предоставляет доступ к генерации текста, интеллектуальной суммаризации и даже генерации кода на основе нашего семейства больших языковых моделей. Наша недавно обученная модель Jurassic-Grande (TM) с 17 миллиардами параметров была обучена с использованием ИИ Amazon SageMaker. ИИ Amazon SageMaker упростил и повысил эффективность процесса обучения моделей и был успешно применен к библиотеке DeepSpeed. В результате мы смогли легко масштабировать распределенные учебные задания на сотни графических процессоров Nvidia A100. Модель Grande обеспечивает качество генерации текста на уровне нашей гораздо более крупной модели со 178 миллиардами параметров при гораздо меньших затратах на вывод. В результате клиенты, использующие Jurassic-Grande в производстве, могут ежедневно обслуживать миллионы пользователей в режиме реального времени и пользоваться преимуществами улучшенной экономичности устройства без ущерба для удобства пользователей».
Дэн Паднос, Vice President Architecture, AI21 Labs

С помощью ИИ Amazon SageMaker и библиотеки параллельных распределенных данных ИИ Amazon SageMaker компания Torc.ai, лидер в области автономных транспортных средств с 2005 года, коммерциализирует беспилотные грузовики для безопасных и экологичных дальних грузоперевозок.
«Теперь моя команда может легко выполнять крупномасштабные распределенные учебные задания, используя обучение моделей ИИ Amazon SageMaker и библиотеку параллельных распределенных данных ИИ Amazon SageMaker (SMDDP), включающую терабайты обучающих данных и моделей с миллионами параметров. Обучение распределенной модели ИИ Amazon SageMaker и SMDDP помогли нам беспрепятственно масштабироваться без необходимости в управлении учебной инфраструктурой. Это позволило сократить время обучения моделей с нескольких дней до нескольких часов, благодаря чему мы проектируем и внедряем новые возможности автономных транспортных средств в наш парк быстрее, чем когда-либо».
Дерек Джонсон, Vice President of Engineering, Torc.ai

Компания Sophos, мировой лидер в области решений и услуг кибербезопасности нового поколения, использует ИИ Amazon SageMaker для более эффективной тренировки своих моделей машинного обучения.
«Наша мощная технология обнаруживает и удаляет файлы, искусно зараженные вредоносным кодом. Однако использование моделей XGBoost для обработки наборов данных размером в несколько терабайт занимало чрезвычайно много времени, и иногда это было просто невозможно из-за ограниченного объема памяти. С помощью распределенного обучения ИИ Amazon SageMaker мы можем успешно обучить легкую модель XGBoost, которая занимает намного меньше места на диске (до 25 раз меньше) и в памяти (до пяти раз меньше), чем ее предшественница. Используя автоматическую настройку моделей Amazon SageMaker и распределенное обучение на спотовых инстансах, мы можем быстрее и эффективнее модифицировать и переобучать модели без корректировки базовой инфраструктуры обучения, необходимой для масштабирования до таких больших наборов данных».
Константин Берлин, Head of Artificial Intelligence, Sophos

«Усовершенствованное машинное обучение и масштабное моделирование Aurora лежат в основе безопасной и быстрой разработки нашей технологии, а AWS обеспечивает высокую производительность, необходимую для дальнейшего прогресса. Обладая практически неограниченным масштабом, AWS поддерживает миллионы виртуальных тестов для проверки возможностей Aurora Driver, чтобы он мог безопасно ориентироваться в бесчисленных нетипичных ситуациях во время вождения в реальных условиях».
Крис Урмсон, CEO, Aurora

«Мы используем модели машинного зрения для сегментации сцены, что важно для ее понимания. Раньше на обучение модели в течение одной эпохи уходило 57 минут, что замедляло нашу работу. Используя библиотеку параллелизма данных ИИ Amazon SageMaker и Amazon ML Solutions Lab, мы смогли провести обучение с оптимизированным учебным кодом на инстансах 5ml.p3.16xlarge за шесть минут. Благодаря 10-кратному ускорению обучения мы можем уделять больше времени подготовке данных во время цикла разработки».
Чжин Ук Чхве, Senior Research Engineer, Hyundai Motor Company

«В Latent Space мы создаем игровой движок с нейронным рендерингом, в котором каждый может творить со скоростью мысли. Опираясь на достижения в области языкового моделирования, мы работаем над тем, чтобы использовать семантическое понимание текста и изображений для определения того, что нужно генерировать. В настоящее время мы сосредоточены на использовании извлечения информации для расширения обучения крупномасштабных моделей, для чего у нас есть сложные конвейеры машинного обучения. Такая настройка представляет собой сложную задачу по сравнению с распределенным обучением, поскольку одновременно обучается несколько источников данных и моделей. Таким образом, мы используем новые возможности распределенного обучения в ИИ Amazon SageMaker для эффективного масштабирования обучения для больших генеративных моделей».
Сара Джейн Хонг, сооснователь/Chief Science Officer, Latent Space

«Musixmatch использует ИИ Amazon SageMaker для создания моделей обработки естественного языка (NLP) и обработки звука, а также экспериментирует с Hugging Face с помощью ИИ Amazon SageMaker. Мы выбираем ИИ Amazon SageMaker, поскольку он позволяет специалистам по анализу данных быстро создавать, обучать и настраивать модели, не беспокоясь об управлении базовой инфраструктурой, а значит специалисты по анализу данных могут работать более быстро и независимо. По мере роста компании растут и наши требования к обучению и настройке более крупных и сложных моделей NLP. Мы всегда ищем способы сократить время обучения, в то же время снизив затраты на него, поэтому рады появлению Обучающего компилятора Amazon SageMaker. Обучающий компилятор SageMaker предоставляет более эффективные способы использования графических процессоров в ходе обучения. Благодаря беспрепятственной интеграции между Обучающим компилятором SageMaker, PyTorch и высокоуровневыми библиотеками, такими как Hugging Face, мы смогли значительно сократить время обучения наших моделей на основе трансформеров с недель до нескольких дней, а также снизить затраты на обучение».
Лорето Паризи, Artificial Intelligence Engineering Director, Musixmatch

Компания AT&T Cybersecurity повысила эффективность обнаружения угроз, требующего прогнозирования в близком к реальному масштабу времени с использованием адресов для нескольких моделей ИИ Amazon SageMaker.
«Адреса для нескольких моделей ИИ Amazon SageMaker не только экономичны, но и позволяют нам немного повысить производительность за счет упрощенного хранения моделей».
Мэтью Шнайд, Chief Architect, AT&T

Компания Forethought Technologies, поставщик решений генеративного искусственного интеллекта для обслуживания клиентов, сократила расходы на 80 процентов с помощью ИИ Amazon SageMaker.
«Благодаря переходу на адреса для нескольких моделей ИИ Amazon SageMaker мы сократили расходы до 66 %, а также снизили задержку и время отклика для клиентов».
Джад Шамун, Director of Core Engineering, Forethought Technologies

С помощью Amazon SageMaker Serverless Inference компания Bazaarvoice снижает затраты на вывод машинного обучения на 82 %.
«Используя SageMaker Serverless Inference, мы можем эффективно проводить машинное обучение в любых масштабах, быстро выпуская множество моделей по разумной цене и с низкими операционными затратами».
Лу Кратц, Principal Research Engineer, Bazaarvoice

Компания Tapjoy использует ИИ Amazon SageMaker для развертывания моделей машинного обучения за несколько дней, а не месяцев.
«Мы больше не тратим на обучение, создание и развертывание модели от трех до шести месяцев. Теперь с помощью ИИ SageMaker мы можем сделать это за одну неделю, а может, и меньше».
Ник Реффитт, Vice President of Data Science and Engineering, Tapjoy

Zendesk разместила тысячи моделей машинного обучения в адресах для нескольких моделей ИИ Amazon SageMaker для своей функции предлагаемых макросов и снизила затраты на логический вывод на 90 % по сравнению с выделенными адресами.
«Мы развернули тысячи моделей машинного обучения, адаптированных для более чем 100 тысяч клиентов, используя адреса для нескольких моделей (MME) ИИ Amazon SageMaker. С помощью MME ИИ SageMaker мы создали мультиарендную и удобную для SaaS возможность логического вывода, позволяющую размещать несколько моделей на каждый адрес, что снизило стоимость логических выводов на 90 % по сравнению с выделенными адресами».
Крис Хауслер, Head of AI/ML, Zendesk
Amazon Pharmacy
«Благодаря Amazon SageMaker JumpStart мы смогли поэкспериментировать с несколькими базовыми моделями, выбрать те, которые лучше всего соответствуют нашим потребностям в сфере здравоохранения, и быстро запустить приложения машинного обучения, развертывая совместимые с HIPAA модели SageMaker. Это позволило нам повысить скорость и масштабировать процесс ввода данных для рецептов и обслуживания клиентов».
Александр Алвес-старший Principal Engineer, Amazon Pharmacy
Intuit
«С помощью ИИ Amazon SageMaker мы можем ускорить масштабное развитие наших инициатив по искусственному интеллекту, создавая и развертывая свои алгоритмы на готовой платформе. Мы создадим новые крупномасштабные алгоритмы машинного обучения и искусственного интеллекта с развертыванием на этой платформе и сможем решать сложные проблемы, чтобы обеспечить процветание наших клиентов».
Ашок Шривастава, Chief Data Officer, Intuit
GE Healthcare
«Используя данные и аналитику со всего оборудования, программного обеспечения и биотехнологий, GE Healthcare трансформирует здравоохранение за счет предоставления лучших результатов поставщикам и пациентам.
ИИ Amazon SageMaker обеспечивает доступ GE Healthcare к мощным инструментам и службам искусственного интеллекта для улучшения ухода за пациентами. Масштабируемость ИИ Amazon SageMaker и его способность интегрироваться с собственными сервисами AWS очень важны для нас. Мы не сомневаемся, что дальнейшее сотрудничество между GE Health Cloud и ИИ Amazon SageMaker принесет лучшие результаты нашим партнерам-поставщикам медицинских услуг и повысит качество ухода за пациентами».
Шаратх Пасупунути, AI Engineering Leader, GE Healthcare
ADP, Inc.
ADP – ведущая мировая технологическая компания, предоставляющая решения по управлению человеческим капиталом. ADP DataCloud использует непревзойденные данные ADP о более чем 30 миллионах сотрудников для получения полезной информации, которая поможет руководителям принимать решения в режиме реального времени для лучшего управления бизнесом.
«Удерживать и привлекать таланты непросто, поэтому мы продолжаем расширять ADP DataCloud, добавляя возможности искусственного интеллекта, чтобы помочь работодателям поддерживать сильные команды. Мы используем машинное обучение AWS, включая ИИ Amazon SageMaker, чтобы быстро выявлять модели персонала и прогнозировать результаты, такие как, к примеру, текучесть кадров или влияние увеличения вознаграждения. Используя AWS в качестве основной платформы для искусственного интеллекта и машинного обучения, мы сократили время развертывания моделей машинного обучения с двух недель до одного дня».
Джек Берковиц, SVP of Product Development, ADP, Inc.
BASF Digital Farming
Миссия BASF Digital Farming заключается в том, чтобы дать фермерам возможность принимать более разумные решения, помочь обеспечить продовольствием растущее население мира и снизить воздействие на окружающую среду.
«ИИ Amazon SageMaker и связанные с ним технологии AWS поддерживают быстрое экспериментирование и предоставляют простые в использовании функции и API, снижающие входной барьер для внедрения машинного обучения. Таким образом мы сможем быстро раскрыть весь потенциал сценариев использования машинного обучения».
Доктор Кристиан Керкхофф, Manager Data Automation, BASF Digital Farming GmbH

Cerner
Cerner Corporation – глобальная компания в сфере здравоохранения и технологий, предоставляющая различные решения, услуги, устройства и оборудование в сфере информационных технологий для здравоохранения.
«Cerner гордится тем, что внедряет инновации в сфере искусственного интеллекта и машинного обучения в разнообразных клинических, финансовых и операционных системах. Благодаря новым возможностям, созданным экосистемой машинного обучения Cerner и обработкой естественного языка Cerner, а также сотрудничеству с AWS мы ускоряем масштабируемые инновации для всех наших клиентов. ИИ Amazon SageMaker является важным компонентом, благодаря которому Cerner приносит пользу клиентам с помощью искусственного интеллекта и машинного обучения. Кроме того, благодаря ИИ Amazon SageMaker Cerner использует различные фреймворки, такие как TensorFlow и PyTorch, а также получает возможность интеграции с различными сервисами AWS».
Шашанка Аре, доктор философии, Vice President, Cerner

Dow Jones
Dow Jones & Co. является глобальным информационно-новостным агентством, предоставляющим контент потребителям и организациям через газеты, веб-сайты, мобильные приложения, видео, информационные бюллетени, журналы, собственные базы данных, конференции и радиостанции.
«Поскольку компания Dow Jones продолжает уделять особое внимание интеграции машинного обучения в наши продукты и сервисы, AWS стала отличным партнером. В преддверии нашего недавнего хакатона по машинному обучению команда AWS провела обучение участников по ИИ Amazon SageMaker и Amazon Rekognition, а также оказывала поддержку всем командам в течение дня. В результате наши команды разработали несколько отличных идей по применению машинного обучения, многие из которых мы продолжим разрабатывать на AWS. Мероприятие прошло с огромным успехом и стало примером прекрасного партнерства».
Рамин Бехешти, Group Chief Product and Technology Officer, Dow Jones

Advanced Microgrid Solutions
Advanced Microgrid Solutions (AMS) – это компания, предоставляющая энергетические платформы и услуги для ускоренного перехода к экономике экологически чистой энергии во всем мире путем развертывания и оптимизации соответствующих объектов. NEM использует спотовый рынок, на котором все стороны делают ставки на потребление/поставку энергии каждые 5 минут. Для этого необходимо прогнозировать спрос и делать динамические ставки за считаные минуты, одновременно обрабатывая огромные объемы рыночных данных. Чтобы решить эту проблему, AMS создала модель глубокого обучения с использованием TensorFlow на ИИ Amazon SageMaker. В компании воспользовались автоматической настройкой модели ИИ Amazon SageMaker, чтобы определить ее лучшие параметры и создать модель всего за несколько недель. Полученная модель продемонстрировала улучшение рыночных прогнозов по всем энергетическим продуктам при измерении чистой энергии, что приведет к значительному повышению эффективности.

ProQuest
ProQuest управляет самой большой коллекцией журналов, электронных книг, первоисточников, диссертаций, новостей и видеоматериалов, а также создает эффективные решения для управления рабочими процессами, которые помогают библиотекам получать и дополнять свои коллекции. Продукты и службы ProQuest используются в академических, школьных, публичных, корпоративных и правительственных библиотеках в 150 странах.
«Мы сотрудничаем с AWS с целью создания более привлекательного пользовательского интерфейса для посетителей библиотек, который повышает релевантность результатов поиска. Совместно с Лабораторией решений AWS ML мы протестировали различные алгоритмы с использованием ИИ Amazon SageMaker, настроили модели с помощью гиперпараметрической оптимизации и автоматизировали развертывание моделей машинного обучения. На данный момент мы довольны результатами и в настоящее время рассматриваем технологии машинного обучения для других продуктов».
Аллан Лу, Vice President of Research Tools, Services & Platforms, ProQuest
Celgene
Celgene – глобальная биофармацевтическая компания, деятельность которой направлена на улучшение жизни пациентов по всему миру. Основное внимание уделяется открытию, разработке и коммерциализации инновационных методов лечения для пациентов с онкологическими, иммуновоспалительными и другими заболеваниями с неудовлетворенными медицинскими потребностями.
«Цель сотрудников Celgene заключается в том, чтобы предлагать действительно инновационные и меняющие жизнь методы лечения и улучшать жизнь пациентов во всем мире. Благодаря ИИ Amazon SageMaker и Apache MXNet создавать и тренировать модели глубокого обучения для разработки решений и процессов стало быстрее и проще, и мы можем легко масштабировать усилия по поиску методов лечения и производству лекарств. Использование ИИ SageMaker и инстансов Amazon EC2 P3 ускорило разработку моделей и повысило производительность, что позволило нашей команде сосредоточиться на новаторских исследованиях и открытиях».
Лэнс Смит, Director, Celgene
Atlas Van Lines
Atlas Van Lines – вторая по величине линия по производству фургонов в Северной Америке, основанная в 1948 году группой предпринимателей в сфере транспортировки и хранения. Организация была создана с единственной целью: обеспечить перевозки от побережья до побережья, соблюдая золотое правило бизнеса. Помимо внушительного территориального охвата, компания Atlas может похвастаться тем, что предъявляет к агентам более строгие требования, чем принято в отрасли.
В пиковые сезоны переездов агентская сеть Atlas работает как единое целое на разных рынках для удовлетворения спроса клиентов. Традиционно прогнозы в отношении возможностей составлялись вручную, это был трудоемкий процесс. При этом полагались на мудрость и интуицию специалистов с многолетним опытом. Компания Atlas собирала исторические данные с 2011 года, стремясь найти способ динамической корректировки возможностей и цены в соответствии с будущими требованиями рынка.
Компания Atlas совместно с Pariveda Solutions, ведущим партнером-консультантом APN, помогла реализовать упреждающее управление возможностями и ценами в сфере перевозок на дальние расстояния. Компания Pariveda готовила данные, разрабатывала и оценивала модель машинного обучения, а также корректировала производительность. Ее специалисты обучили и оптимизировали модель с помощью ИИ Amazon SageMaker, а затем экспортировали, используя модульность ИИ Amazon SageMaker, для работы с Amazon EC2.

Edmunds
Edmunds.com – это веб-сайт, посвященный продаже автомобилей, на котором 20 миллионов посетителей ежемесячно получают подробную и непрерывно обновляемую информацию о транспортных средствах.
«У нас есть стратегическая инициатива по предоставлению машинного обучения всем нашим инженерам. ИИ Amazon SageMaker играет ключевую роль в достижении этой цели, упрощая инженерам создание, обучение и развертывание моделей и алгоритмов машинного обучения в нужном масштабе. Мы с нетерпением ждем результатов использования ИИ SageMaker в Edmunds, чтобы внедрить новые решения для клиентов».
Стивен Фелисан, Chief Information Officer, Edmunds.com

Hotels.com
Hotels.com – ведущий мировой гостиничный бренд, управляющий 90 локализованными веб-сайтами на 41 языке.
«Компания Hotels.com всегда заинтересована в том, чтобы быстрее развиваться, использовать новейшие технологии и оставаться инновационной. При использовании ИИ Amazon SageMaker распределенное обучение, оптимизированные алгоритмы и встроенные возможности гиперпараметров должны дать моей команде возможность быстро создавать более точные модели по самым большим наборам данных, значительно сокращая время, необходимое для переноса модели в производство. Все выполняется простым вызовом API. Применение ИИ Amazon SageMaker значительно снизит сложность машинного обучения, что позволит нам улучшить качество обслуживания наших клиентов, причем в короткие сроки».
Мэтт Фрайер, VP и Chief Data Science Officer, Hotels.com и Expedia Affiliate Network

Formosa Plastics
Formosa Plastics Corporation – растущий вертикально интегрированный поставщик пластиковых смол и нефтехимических продуктов. Formosa Plastics предлагает полную линейку поливинилхлорида, полиэтилена и полипропилена, каустической соды и других нефтехимических продуктов, которые обеспечивают консистенцию, производительность и качество, необходимые клиентам.
«Formosa Plastics является одной из лидирующих нефтехимических компаний Тайваня и входит в число ведущих мировых производителей пластмасс. Мы решили исследовать машинное обучение, чтобы точнее обнаруживать дефекты и снизить затраты на ручной труд. Для этого мы обратились за помощью к AWS как к лучшему поставщику облачных услуг. Лаборатория решений AWS ML работала с нами на каждом этапе процесса – от семинара на этапе исследования для определения бизнес-сценариев использования до создания и выбора подходящих моделей машинного обучения и фактического развертывания. При использовании ИИ Amazon SageMaker решение для машинного обучения вдвое сократило время, затрачиваемое нашими сотрудниками на ручную проверку. Теперь благодаря Лаборатории решений мы сможем самостоятельно оптимизировать модель ИИ SageMaker по мере изменения условий в будущем».
Билл Ли, Assistant Vice President, Formosa Plastics Corporation
Voodoo
Voodoo – ведущая компания, занимающаяся мобильными играми, с более чем 2 миллиардами загрузок игр и более чем 400 миллионами активных пользователей в месяц. Компания использует собственную рекламную платформу и машинное обучение для повышения точности и качества рекламных предложений, показываемых пользователям.
«Voodoo необходимо удерживать активных игроков, число которых насчитывает миллионы и продолжает расти. Стандартизируя рабочие нагрузки по машинному обучению и искусственному интеллекту на AWS, мы можем выполнять итерации в нужном темпе и масштабе для дальнейшего развития бизнеса и привлечения игроков. Используя ИИ Amazon SageMaker, мы можем в реальном времени решать, какую рекламу показывать игрокам. Свыше 30 миллионов пользователей ежедневно вызывают наш адрес более 100 миллионов раз, поэтому общее прогнозируемое количество вызовов составляет около миллиарда в сутки. Благодаря машинному обучению AWS мы смогли внедрить точную модель менее чем за неделю при поддержке небольшой группы специалистов и постоянно улучшать ее по мере роста нашей команды и бизнеса».
Эймерик Роффе, Chief Technology Officer, Voodoo
Regit
Компания Regit (ранее Motoring.co.uk), специализирующаяся на автомобильных технологиях, – ведущий онлайн-сервис Великобритании для автомобилистов. Компания предоставляет цифровые услуги по управлению автомобилями на основе их номерных знаков, а также информативные напоминания для водителей, например о налогах Министерства транспорта, страховании и отзыве автомобилей производителем.
В сотрудничестве с компанией Peak Business Insight, опытным партнером-консультантом APN, компания Regit применила «категориальные модели машинного обучения», позволяющие одновременно обрабатывать категориальные и переменные данные, чтобы прогнозировать вероятность смены автомобиля пользователями, что приведет к продаже для Regit.
Компания Peak использовала сервисы AWS, такие как ИИ Amazon SageMaker, для получения, моделирования и вывода данных в режиме реального времени. ИИ Amazon SageMaker обрабатывает 5000 запросов API в день для Regit, легко масштабируется и адаптируется к соответствующим требованиям к данным, а также управляет получением результатов оценки потенциальных клиентов. Тем временем инстансы Amazon Redshift и Amazon Elastic Compute Cloud (Amazon EC2) эффективно и непрерывно оптимизируют производительность модели и ее результаты. Благодаря Peak компания Regit может прогнозировать, кто из 2,5 миллионов пользователей собирается сменить машину и когда. Это означает, что они могут обслуживать клиентов, улучшив персонализацию и таргетирование, что поможет увеличить доходы кол-центров более чем на четверть.

Realtor.com
Сеть Move, Inc., в которую входят realtor.com®, Doorsteps® и Moving.com™, предоставляет потребителям и риелторам информацию, инструменты и профессиональные знания на различных веб-сайтах и мобильных устройствах.
«Мы считаем, что ИИ Amazon SageMaker – это революционное дополнение к набору инструментов realtor.com®, с помощью которых мы помогаем потребителям на пути к приобретению жилья. Рабочие процессы машинного обучения, на которые раньше уходило много времени, такие как обучение и оптимизация моделей, выполняются эффективнее и более широким кругом разработчиков, благодаря чему наши специалисты по обработке данных и аналитики могут сосредоточиться на максимальном улучшении обслуживания наших пользователей».
Винит Сингх, Chief Data Officer and Senior Vice President, Move, Inc.

Grammarly
Алгоритмы Grammarly ежедневно помогают миллионам людей общаться более эффективно, помогая в написании текстов на нескольких платформах и устройствах за счет сочетания обработки естественного языка и передовых технологий машинного обучения.
«С помощью ИИ Amazon SageMaker мы можем разрабатывать модели TensorFlow в распределенной учебной среде. Наши рабочие процессы также интегрируются с Amazon EMR для предварительной обработки, поэтому мы можем получать данные из Amazon S3, фильтровать их с помощью EMR и Spark из блокнота Jupyter, а затем обучать с применением ИИ Amazon SageMaker в том же блокноте. Кроме того, ИИ SageMaker адаптируется к нашим различным производственным требованиям. Мы можем делать логические выводы непосредственно в ИИ SageMaker или, если нам нужна только модель, загрузить ее из S3 и сделать логические выводы о наших реализациях мобильных устройств для пользователей iOS и Android».
Станислав Левенталь, Technical Lead, Grammarly
Slice Labs
Компания Slice Labs, расположенная в Нью-Йорке и работающая по всему миру, является первым поставщиком облачной страховой платформы по запросу. Slice обслуживает рынок B2C, предлагая индивидуальные страховые предложения по запросу, а также рынок B2B, предоставляя компаниям возможность создавать интуитивно понятные цифровые страховые продукты.
«В Slice мы прекрасно понимаем постоянно меняющийся характер потребностей клиентов в страховании и выбрали AWS в качестве основной облачной платформы за ее широкий спектр сервисов, гибкость и хорошую репутацию среди страховщиков. Для поддержки нашего бизнеса мы используем широкий спектр сервисов AWS, включая машинное обучение AWS, которое помогает клиентам выбирать лучшие варианты страхования с учетом их потребностей. Работая со страховыми и технологическими компаниями, стремящимися создать и запустить интеллектуальные страховые продукты, мы добились значительного снижения затрат и повышения производительности благодаря AWS. Например, мы сократили время закупок на 98 % – с 47 дней до одного дня. Мы рады продолжить территориальное распространение и расширение использования облачных технологий с AWS».
Филипп Лафреньер, Chief Growth Officer, Slice Labs

DigitalGlobe
DigitalGlobe является ведущим мировым поставщиком спутниковых снимков Земли с высоким разрешением, а также других данных и аналитической информации о нашей планете. Компания ежедневно работает с огромным объемом данных.
«DigitalGlobe является ведущим мировым поставщиком спутниковых снимков Земли с высоким разрешением, а также других данных и аналитической информации о нашей планете. Компания ежедневно работает с огромным объемом данных. DigitalGlobe облегчает людям доступ к библиотеке изображений объемом 100 ПБ, которая хранится в облаке AWS, а также поиск по ней и компьютерную обработку данных, что дает возможность применять к спутниковым изображениям технологии глубокого обучения. Мы планируем задействовать ИИ Amazon SageMaker, используя размещенные блокноты Jupyter, для обучения моделей на петабайтах данных изображений, полученных при наблюдении Земли. Это позволит пользователям платформы DigitalGlobe Geospatial Big Data Platform (GBDX) одним нажатием кнопки создать модель и выполнить ее развертывание в пределах единой масштабируемой распределенной среды нужного размера».
Доктор Уолтер Скотт, Chief Technology Officer, Maxar Technologies и основатель DigitalGlobe

Intercom
Продукты Intercom, ориентированные на обмен сообщениями, легко интегрируются с веб-сайтами и мобильными приложениями других компаний, помогая им привлекать и поддерживать клиентов. Основанная в 2011 году, компания имеет офисы в Сан-Франциско, Лондоне, Чикаго и Дублине.
«В Intercom растет команда специалистов по анализу данных и инженеров, ориентированных на данные, и мы часто хотим быстро выполнять итерацию и изучать новые решения для продуктов, основанных на данных. До появления ИИ Amazon SageMaker мы пробовали множество различных вариантов создания этих продуктов, но каждый раз сталкивались со сложностями: совместное использование кода было затруднено, тестирование больших наборов данных шло медленно, а самостоятельное выделение оборудования и управление им было проблематично. Появился ИИ SageMaker, который решил все это за нас. С его помощью мы, в частности, разрабатываем алгоритмы для наших поисковых платформ и функций машинного обучения, а также мы обнаружили, что блокноты Jupyter, размещенные в ИИ SageMaker, дают нам возможность быстро создавать и выполнять итерации. Важнее всего то, что ИИ SageMaker – это управляемый сервис, который помогает нашей команде сосредоточиться на поставленной задаче. ИИ Amazon SageMaker – чрезвычайно ценный для Intercom сервис, и мы с удовольствием применяем его все больше и больше по мере роста нашей компании».
Кевин Макнелли, Senior Data Scientist Machine Learning, Intercom

Kinect Energy Group
Kinect Energy Group является «дочкой» компании World Fuel Services из списка Fortune 100, которая предоставляет коммерческим и промышленным клиентам консультационные услуги по закупкам энергии, выполнению поставок и управлению транзакциями и платежами, в основном в отраслях авиационного, морского и наземного транспорта. Kinect Energy является ключевым поставщиком энергии в северных странах и зависит от природных энергетических ресурсов, обеспечиваемых ветреным климатом региона.
Недавно, с появлением ряда сервисов искусственного интеллекта и машинного обучения от AWS, компания начала стремительно развиваться. С помощью ИИ Amazon SageMaker компания может прогнозировать предстоящие погодные тенденции и, следовательно, цены на электроэнергию в ближайшие месяцы, обеспечивая беспрецедентную долгосрочную торговлю энергией, – это передовой подход в отрасли
«Мы начали использовать ИИ Amazon SageMaker, и с помощью команд, занимающихся решениями по машинному обучению AWS и архитектурой решений, набрали обороты благодаря Всемирному дню инноваций. С тех пор это оказывает огромное влияние на работу нашей компании. Мы несколько раз увеличивали нашу команду по работе с ИИ, чтобы в полной мере использовать новые преимущества технологий AWS. Мы получаем прибыль новыми способами, устанавливая цены в зависимости от погоды, которая еще не наступила. Мы полностью перешли на AWS, включая хранение данных в S3, использование Lambda для выполнения задач и Step Functions в дополнение к ИИ SageMaker. А благодаря активному партнерству с Лабораторией решений AWS ML мы теперь самодостаточны, можем дорабатывать созданные модели и продолжать совершенствовать свой бизнес».
Эндрю Стыпа, Lead Business Analyst, Kinect Energy Group

Frame.io
Frame.io – это центр всего, что связано с видео. Frame.io, лидер в области видеообзоров и сотрудничества с более чем 700 тысячами клиентов по всему миру, – это платформа, к которой обращаются профессионалы в области видео, от фрилансеров до корпораций, для просмотра, одобрения и предоставления видео.
«Поскольку это оптимизированная для облака платформа для просмотра видео и совместной работы, доступная пользователям по всему миру, крайне важно обеспечить нашим клиентам лучшую в своем классе безопасность. Благодаря модели обнаружения аномалий, встроенной в ИИ Amazon SageMaker, мы можем использовать машинное обучение для быстрого определения, обнаружения и блокировки любых нежелательных IP-запросов, чтобы обеспечить постоянную безопасность и защиту мультимедийных данных наших клиентов. Начать работу с ИИ Amazon SageMaker, поддерживать ее с течением времени, масштабировать по всей платформе и адаптировать к конкретным рабочим процессам было просто и понятно. А с помощью блокнотов Jupyter в ИИ SageMaker мы смогли поэкспериментировать с различными моделями, чтобы повысить точность и запоминаемость данных, благодаря чему надежность Frame.io повысилась».
Абхинав Шривастава, VP и Head of Information Security, Frame.io

Cookpad
Cookpad – крупнейший японский сервис обмена рецептами, который ежемесячно посещает около 60 миллионов пользователей из Японии и около 90 миллионов пользователей в месяц со всего мира.
«Все чаще звучат пожелания об упрощении сервиса рецептов Cookpad, поэтому наши специалисты по анализу данных будут создавать больше моделей машинного обучения для оптимизации взаимодействия с пользователями. Пытаясь свести к минимуму количество итераций учебных заданий для повышения производительности, мы поняли, что при развертывании адресов логического вывода машинного обучения существует серьезная проблема, которая замедляет процессы разработки. Чтобы автоматизировать развертывание модели машинного обучения и предоставить специалистам по анализу данных возможность развертывать модели самостоятельно, мы использовали API логического вывода ИИ Amazon SageMaker и убедились, что ИИ Amazon SageMaker избавит инженеров приложений от необходимости развертывать модели машинного обучения. Мы планируем автоматизировать этот процесс с помощью ИИ Amazon SageMaker в производственной среде».
Йоитиро Сомея, Research Engineer, Cookpad

Fabulyst
Fabulyst – индийский стартап, специализирующийся на торговле модной одеждой, стремящийся обслуживать покупателей более позитивно и персонализировано, а также помогать розничным продавцам улучшать конверсию за счет искусственного интеллекта.
«Fabulyst упрощает покупателям поиск идеальных для них товаров, сопоставляя товарно-материальные запасы с индивидуальными запросами пользователей (например, с учетом их типа телосложения или оттенка кожи). В то же время мы помогаем розничным продавцам повышать эффективность конверсий, используя машинное зрение для прогнозирования ежемесячных тенденций на основе данных из социальных сетей, поиска, блогов и т. д. и автоматически проставляя теги этих тенденций в каталогах наших розничных клиентов. Fabulyst использует AWS для предоставления лучших в своем классе решений, включая ИИ Amazon SageMaker, для обработки множества прогнозов, лежащих в основе наших предложений. Опираясь на ИИ SageMaker и другие сервисы AWS, мы можем гарантировать нашим пользователям преимущества (например, увеличение доходов розничных продавцов на 10 %) и уверенно добиваться превосходных результатов каждый раз».
Комал Праджапати, основатель и CEO, Fabulyst

Terragon Group
Terragon Group – это технологическая компания, которая анализирует данные и занимается маркетингом для бизнес-клиентов, использующих аналитические данные с целью охвата мобильной аудитории в Африке. За прошедшие годы Terragon Group стала лидером в сфере мобильной связи. Компания обслуживает местные и транснациональные бренды из разных регионов. Для доставки нужного рекламного сообщения нужному пользователю в нужный момент требуется персонализация, и Terragon применяет данные, аналитику и искусственный интеллект, чтобы помочь компаниям охватить нужную аудиторию в Африке.
«ИИ Amazon SageMaker предоставляет нам комплексный рабочий процесс машинного обучения без необходимости работы с базовой инфраструктурой. Наши команды по анализу данных и машинному обучению могут быстро перейти от исследования данных к обучению моделей и производству всего за пару часов. Для компании, расположенной в Африке и испытывающей дефицит инженерных кадров, мы не смогли бы иначе создать и развернуть модели машинного обучения, позволяющие решать реальные проблемы менее чем за 90 дней».
Деджи Балогун, CTO, Terragon Group

SmartNews
SmartNews – крупнейшее новостное приложение в Японии, ежемесячно предоставляющее качественную информацию более чем 11 миллионам активных пользователей по всему миру. Благодаря технологиям машинного обучения SmartNews помогает пользователям публиковать самые актуальные и интересные новости. Алгоритмы машинного обучения SmartNews оценивают миллионы статей, социальных сигналов и взаимодействий людей, чтобы предоставить самые важные 0,01 % историй максимально оперативно.
«Наша миссия по поиску и распространению качественных историй во всем мире основана на AWS и, в частности, ИИ Amazon SageMaker, который помог нам ускорить цикл разработки для обслуживания клиентов. ИИ Amazon SageMaker невероятно помог нам разработать методы подбора новостей, включая классификацию статей с помощью глубокого обучения, прогнозирование пожизненной ценности и композиционное моделирование текста и изображений. Мы стремимся достичь новых высот с помощью ИИ Amazon SageMaker и других ИИ-решений от AWS».
Кайсей Хамамото, сооснователь и со-CEO, SmartNews, Inc.

Pioneer
Pioneer – транснациональная корпорация, специализирующаяся на цифровых развлечениях, включая автомобильную электронику и мобильные услуги. Компания Pioneer руководствуется корпоративной философией «Обратиться к сердцу и затронуть душу» и предоставляет своим клиентам продукты и услуги, которые могут помочь им в повседневной жизни.
«Используя ИИ Amazon SageMaker и такие функции обучения моделям, как автоматическая настройка моделей, мы смогли разработать высокоточные модели машинного обучения и продолжить обеспечивать конфиденциальность для наших клиентов. Мы также с нетерпением ждем возможности использовать AWS Marketplace в машинном обучении для алгоритмов и предварительно обученных моделей для создания платформы монетизации».
Кадзухиро Миямото, General Manager Information Service Engineering Department, Pioneer

Dely
Dely управляет лучшим японским кулинарным видеосервисом Kurashiru. Ежедневно компания стремится предоставлять кулинарные услуги, влияющие на мир. Каждый день Kurashiru помогает многим людям, выпуская кулинарные видеоролики с разнообразными рецептами вкусных блюд, украшающих обеденный стол. Десятки миллионов людей смотрят и слушают выпуски ежемесячного сервиса рецептов в Японии.
«За 2,5 года с момента запуска популярного сервиса Kurashiru количество загрузок нашего мобильного приложения превысило 15 миллионов. Мы считаем, что крайне важно предоставлять пользователям нужный контент в нужное время с помощью передовых технологий, таких как машинное обучение. Для этого мы использовали искусственный интеллект Amazon SageMaker, который помог нам создать модели машинного обучения и развернуть их в производственной среде за 90 дней. Мы также повысили показатель кликабельности на 15 % за счет персонализации контента».
Масато Отакэ, CTO, Dely, Inc.

Ayla Networks
Компания Ayla Networks из Сан-Франциско разрабатывает платформу интернета вещей как услуги, а также решения для потребительских и коммерческих рынков.
«В Ayla Networks мы выяснили, что наши клиенты в основном отдают предпочтение инфраструктуре AWS ввиду ее проверенной масштабируемости и надежности. В частности, мы видим, что коммерческие производители используют данных о производительности оборудования из Ayla Cloud с помощью ИИ Amazon SageMaker. Благодаря ИИ Amazon SageMaker и нашему продукту Ayla IQ компании могут выявлять аналитические данные и аномалии, что способствует повышению качества продуктов и услуг, даже если речь идет о прогнозировании отказов оборудования и их устранении до возникновения. Это решение обеспечивает бесперебойную работу наших клиентов, поэтому их бизнес может без проблем расти, производить продукцию и масштабироваться».
Прашантх Шетти, VP of Global Marketing, Ayla Networks

FreakOut
FreakOut – ведущая технологическая компания, специализирующаяся на цифровой рекламе. Компания предлагает продукты для операций по учету интернет-рекламы в режиме реального времени, а также для анализа данных о просмотре веб-страниц. FreakOut использует машинное обучение для прогнозирования коэффициента кликабельности и коэффициента конверсии.
«Сейчас мы переносим машинное обучение из локальной среды в ИИ Amazon SageMaker. ИИ Amazon SageMaker предлагает более масштабируемое решение для нашего бизнеса. С помощью функции автоматической настройки моделей в ИИ Amazon SageMaker мы можем оптимизировать и оценивать высокоточные модели в соответствии с нашими требованиями».
Дзиро Ниcигути, CTO, FreakOut

Wag!
«Компания Wag! должна соответствовать спросу и предложению на двустороннем рынке. Мы увидели возможность использования машинного обучения на базе AWS для прогнозирования спроса наших клиентов на выгул собак. Стандартизируя наши приложения машинного обучения на AWS, мы можем удовлетворить растущие потребности нашего бизнеса, значительно ускоряя и масштабируя итерацию, несмотря на ограниченные инженерные ресурсы. Используя ИИ Amazon SageMaker, мы можем ускорить эксперименты с машинным обучением, сократив 45 дней вычислительного времени на обучение модели до трех дней».
Дейв Буллок, VP of Technology of Engineering and Operations, Wag Labs Inc.

Infoblox
Infoblox – лидер в области безопасных сетевых сервисов с облачным управлением, предназначенных для управления ядром сети и его защиты, а именно DNS, DHCP и управления IP-адресами (под общим названием DDI).
«В Infoblox мы создали сервис аналитики безопасности DNS с использованием ИИ Amazon SageMaker, который обнаруживает злоумышленников, создающих с помощью гомографов поддельные ценные доменные имена для загрузки вредоносных программ, фишинга пользовательской информации и атак на репутацию бренда. AWS – наш корпоративный стандарт для облака, и мы можем использовать множество функций ИИ SageMaker, чтобы ускорить разработку моделей машинного обучения. Используя возможности автоматической настройки модели SageMaker, мы расширили масштабы экспериментов и повысили точность до 96,9 %. Благодаря ИИ SageMaker наш детектор гомографов IDN, входящий в наш сервис аналитики безопасности, выявил более 60 миллионов разрешений доменов гомографов и продолжает находить миллионы новых доменов ежемесячно, что помогает нашим клиентам быстрее выявлять злоупотребления торговой маркой».
Феми Олумофин, Analytics Architect, Infoblox

NerdWallet
Компания NerdWallet из Сан-Франциско, занимающаяся личными финансами, предоставляет обзоры и сравнения финансовых продуктов, включая кредитные карты, банкинг, инвестиции, займы и страхование.
«NerdWallet полагается на анализ данных и машинное обучение для предоставления клиентам персонализированных финансовых продуктов. Мы решили стандартизировать рабочие нагрузки машинного обучения на AWS, поскольку это позволило нам быстро модернизировать инженерные методы анализа данных, устранить препятствия и ускорить выполнение задач. Благодаря ИИ Amazon SageMaker наши специалисты по обработке данных могут уделять больше времени стратегическим задачам и нашим конкурентным преимуществам – пониманию проблем, которые мы решаем для своих пользователей».
Райан Киркман, Senior Engineering Manager, NerdWallet

Splice
Splice – это творческая платформа для музыкантов, созданная музыкантами, на которой исполнители могут раскрыть свой истинный творческий потенциал. Стартап по созданию музыки на основе подписки был учрежден в 2013 году и сейчас обслуживает более 3 миллионов музыкантов, которые исследуют каталог в поисках идеальных звуков.
«По мере расширения нашего каталога звуков и готовых наборов возрастает и проблема поиска подходящего звука. Вот почему Splice инвестировала в создание лучших в своем классе возможностей поиска и обнаружения. Стандартизировав рабочие нагрузки машинного обучения на AWS, мы создали новое предложение, ориентированное на пользователей, призванное упростить для музыкантов поиск нужных им звуков. С момента запуска сервиса Similar Sounds количество поисковых конверсий увеличилось почти на 10 процентов. Применив ИИ Amazon SageMaker, мы создали идеальное дополнение к текстовому поиску, с помощью которого пользователи находят наш каталог и перемещаются по нему так, как раньше было невозможно».
Алехандро Корецки, Head of Machine Learning & Principal Engineer, Splice

Audeosoft
«До того как мы начали наш путь к машинному обучению, мы могли искать только текст резюме, но из-за отсутствия оптического распознавания символов не каждое резюме было доступно для поиска. С помощью Amazon Textract мы теперь можем извлекать содержимое из любых документов и индексировать все переданные файлы в кластере Elasticsearch. Теперь каждый переданный документ доступен для поиска с помощью Elasticsearch со скоростью в 10 раз выше, чем было раньше, при использовании SQL. Кроме того, с помощью ИИ Amazon SageMaker мы внедрили векторизацию слов для добавления связанных ключевых слов в поисковые запросы. Благодаря этому процессу мы можем точно классифицировать и квалифицировать кандидатов и устранять ошибки, вызванные синонимами или альтернативными формулировками, используемыми в резюме. Используя ИИ Amazon SageMaker и Amazon Textract, мы можем предлагать специалистам по подбору персонала более умных и качественных кандидатов. Стабильные результаты, доступность по всему миру и надежность – вот ключевые факторы успеха Audeosoft. Когда мы решили начать сотрудничать с AWS почти восемь лет назад, мы знали, что это отличный будущий партнер. Выбрав AWS в качестве предпочтительного поставщика облачных услуг, мы получили партнера, который стремится внедрять инновации так же, как и мы, на долгие годы».
Марсель Шмидт, CTO, Audeosoft

Freshworks
Freshworks находится в США и Индии, работает на рынке B2B и предоставляет SaaS предприятиям малого и среднего бизнеса, а также компаниям, представленным на средних рынках по всему миру. Freshworks предлагает портфель простых в использовании, но мощных приложений для рабочих процессов, касающихся взаимодействия с клиентами и сотрудниками.
«Компания Freshworks подготовила флагманское предложение по искусственному интеллекту и машинному обучению Freddy AI Skills с использованием гиперперсонализированных моделей, которые помогают агентам успешно обрабатывать запросы пользователей и заявки в службу поддержки, отделам продаж и маркетинга – определять приоритеты и быстро заключать сделки, а менеджерам по работе с клиентами – снижать риск оттока клиентов и развивать бизнес. Мы решили стандартизировать рабочие нагрузки машинного обучения на AWS, поскольку могли легко создавать, обучать и развертывать модели машинного обучения, оптимизированные для сценариев использования нашими клиентами. Благодаря ИИ Amazon SageMaker мы создали более 30 000 моделей для 11 000 клиентов, сократив время обучения этих моделей с 24 часов до 33 минут. С помощью Монитора модели SageMaker мы можем отслеживать перемещение данных и переобучать модели для обеспечения точности. Технология Freddy AI Skills, основанная на ИИ Amazon SageMaker, постоянно совершенствуется благодаря продуманным действиям, глубокому анализу данных и обсуждениям, основанным на намерениях».
Теджас Бхандаркар, Senior Director of Product, Freshworks Platform

Veolia
Veolia Water Technologies – опытная проектная компания и специализированный поставщик технологических решений и услуг в области очистки воды и сточных вод.
«Всего за восемь недель мы совместно с AWS разработали прототип, который прогнозирует время очистки или замены мембран, фильтрующих воду на наших опреснительных установках. Используя ИИ Amazon SageMaker, мы создали модель машинного обучения, которая учитывает предыдущие закономерности и прогнозирует будущие изменения индикаторов загрязнения. Благодаря стандартизации рабочих нагрузок машинного обучения на AWS мы смогли сократить расходы и предотвратить время простоя, а также улучшить качество производимой воды. Эти результаты не могли бы быть достигнуты без технического опыта, доверия и преданности обеих команд достижению одной цели: бесперебойного снабжения чистой и безопасной водой».
Од ЖИАР, Chief Digital Officer, Veolia Water Technologies
Sportradar
Sportradar, ведущий поставщик спортивных данных, предоставляет их в режиме реального времени более чем 65 лигам по всему миру. Стремясь получить передовые аналитические данные, компания совместно с Лабораторией решений Amazon ML разработала средство прогнозирования футбольных голов.
«Мы намеренно поставили перед командой Лаборатории решений Amazon ML одну из самых сложных задач, связанных с машинным зрением, чтобы протестировать возможности машинного обучения AWS, и результаты меня очень впечатлили. Команда создала модель машинного обучения для прогнозирования футбольных голов за 2 секунды до начала матча в режиме реального времени с помощью ИИ Amazon SageMaker. Уже одна эта модель открыла для нас множество новых деловых возможностей. Мы с нетерпением ожидаем стандартизации рабочих нагрузок машинного обучения на AWS, поскольку можем создавать, обучать и развертывать модели, способствующие инновациям в нашем бизнесе и отвечающие нашим требованиям по стоимости и задержкам».
Бен Бердсолл, CTO, Sportradar

Roche
F. Hoffmann-La Roche AG (Roche) – швейцарская транснациональная медико-биологическая компания, специализирующаяся на фармацевтике и диагностике.
«Я хотела добиться от своих команд, чтобы они систематизировали рабочие процессы машинного обучения в облаке, поэтому мы совместно с Лабораторией решений машинного обучения провели семинары по ИИ Amazon SageMaker, в ходе которых было продемонстрировано, как ИИ SageMaker оптимизирует производственный процесс машинного обучения для специалистов по анализу данных. После семинара 80 % наших рабочих нагрузок машинного обучения выполнялось на AWS, благодаря чему наши команды смогли в три раза быстрее внедрять модели машинного обучения в производство. Благодаря ИИ SageMaker и стеку AWS мы можем использовать вычислительные ресурсы для обучения по запросу, не ограничиваясь локальной доступностью».
Глория Мачия, Data Scientist, Roche

Guru
«В Guru убеждены, что знания, необходимые вам для выполнения работы, должны найти вас. Наше решение для управления знаниями собирает самую ценную информацию вашей команды и объединяет ее в единый источник достоверной информации. С помощью искусственного интеллекта мы в режиме реального времени рекомендуем вам знания в сфере вашей деятельности, обеспечиваем их проверку и помогаем вам лучше управлять общей базой знаний. Наша растущая команда специалистов по анализу данных о продуктах сталкивается со всеми проблемами современной команды машинного обучения (создание, обучение и развертывание систем машинного обучения в больших масштабах), и для решения некоторых из этих проблем мы полагаемся на ИИ Amazon SageMaker. В настоящее время мы используем SageMaker для логического вывода, чтобы быстрее внедрять наши модели машинного обучения в производство, где они помогают нам достичь главной цели – приносить пользу клиентам».
Набин Мулепати, Staff ML Engineer, Guru

Amazon Operations
В рамках обязательств Amazon по обеспечению безопасности своих сотрудников во время пандемии COVID-19 команда Amazon Operations развернула решение машинного обучения, чтобы помочь соблюдать правила социальной дистанции в более чем 1000 операционных зданиях по всему миру. Amazon Operations совместно с Лабораторией решений Amazon Machine Learning создала современные модели машинного зрения для оценки расстояний с использованием ИИ Amazon SageMaker.
«Благодаря стандартизации рабочих нагрузок машинного обучения на AWS и сотрудничеству с экспертами Лаборатории решений ML мы создали инновационный набор моделей, который, по нашим оценкам, может сэкономить до 30 % за счет сокращения затрат на ручную проверку. Благодаря ИИ Amazon SageMaker мы можем уделять больше времени усилению безопасности и повышению точности, сокращая потребность в сотнях часов ручной проверки в день».
Рассел Уильямс, Director, Software Development, Amazon OpsTech IT

Freddy’s Frozen Custard & Steakburgers
Freddy’s Frozen Custard & Steakburgers – это ресторан быстрого питания, предлагающий уникальное сочетание стейкбургеров, приготовленных на заказ, хот-догов с венской говядиной, картофеля фри и других аппетитных блюд, а также десертов на основе свежевзбитого замороженного заварного крема. Основанная в 2002 году и получившая франшизу в 2004 году, компания Freddy’s в настоящее время насчитывает около 400 ресторанов в 32 штатах.
«Раньше нам приходилось просто выбирать пару похожих ресторанов, а теперь у нас есть полное понимание связей между нашими позициями в меню, клиентами и расположением. Автопилот Amazon SageMaker, на котором основана новая система машинного обучения Domo, заметно повысил эффективность наших команд маркетинга и закупок за счет применения новых идей и лучшего взаимодействия с клиентами».
Шон Томпсон, IT Director, Freddy’s

Vanguard
«Мы рады, что наши специалисты по обработке и анализу данных Vanguard теперь могут совместно работать в одном блокноте для аналитики и машинного обучения. Теперь в Студию Amazon SageMaker встроены интеграции со Spark, Hive и Presto, функционирующими на основе Amazon EMR, и наши команды разработчиков могут улучшить свои результаты. Эта единая среда разработки даст возможность нашим командам сосредоточиться на создании, обучении и развертывании моделей машинного обучения».
Даг Стюарт, Senior Director of Data and Analytics, Vanguard

Provectus
«Мы ждали появления возможности создавать кластеры Amazon EMR и управлять ими непосредственно из Студии Amazon SageMaker, чтобы наши клиенты могли запускать рабочие процессы Spark, Hive и Presto прямо из блокнотов Студии Amazon SageMaker. Мы рады, что ИИ Amazon SageMaker уже изначально создал эту возможность для упрощения управления заданиями Spark и задачами машинного обучения. Это поможет инженерам и специалистам по обработке данных наших клиентов более эффективно сотрудничать, выполняя интерактивный анализ данных и разработку конвейеров машинного обучения с преобразованиями данных на основе EMR».
Степан Пушкарев, CEO, Provectus

Climate
«В Climate мы убеждены, что фермеры всего мира должны получать точную информацию для принятия решений на основе данных и максимизации прибыли с каждого акра земли. Для этого мы инвестировали средства в такие технологии, как инструменты машинного обучения, чтобы создавать модели с использованием измеряемых объектов (функций), например урожайности поля фермера. Используя Хранилище функций Amazon SageMaker, мы можем ускорить разработку моделей машинного обучения с помощью центрального хранилища, позволяющего легко получать доступ к функциям и повторно использовать их в сразу нескольких командах. Хранилище функций SageMaker предоставляет удобный доступ к функциям в режиме реального времени через онлайн-хранилище и возможность запускать их по расписанию в офлайн-хранилище для различных сценариев использования. С помощью Хранилища функций SageMaker мы можем быстрее разрабатывать модели машинного обучения».
Атул Камбодж, Senior Data Scientist, iCare, NSW Government Insurance and Care agency, Australia Дэниел Маккеффри, Vice President, Data and Analytics, Climate

Experian
«В Experian мы считаем своим долгом научить потребителей разбираться в кредитах и использовать их в своей финансовой жизни, а также помочь кредиторам управлять кредитными рисками. Продолжая внедрять передовые практики для построения наших финансовых моделей, мы ищем решения, которые ускорят производство продуктов, использующих машинное обучение. Хранилище функций Amazon SageMaker предоставляет нам безопасный способ хранения и повторного использования функций наших приложений машинного обучения. Согласованность приложений – как пакетных, так и работающих в режиме реального времени – в разных учетных записях является ключевым требованием для нашего бизнеса. Использование новых возможностей Хранилища функций Amazon SageMaker позволяет нашим клиентам контролировать свои кредиты и сокращать расходы в условиях новой экономики».
Джефф Джафаров, Chief Enterprise Architect, Experian Consumer Services

Dena
«Миссия DeNA – оказывать влияние и помогать получать удовольствие от использования интернета, искусственного интеллекта и машинного обучения. Предоставление услуг, основанных на стоимости, является нашей главной целью, и мы хотим, чтобы наши предприятия и услуги были готовы к ее достижению. Мы хотим исследовать и повторно использовать функции в организации, и Хранилище функций Amazon SageMaker помогает нам легко и эффективно повторно использовать их для различных приложений. Кроме того, Хранилище функций Amazon SageMaker помогает нам поддерживать стандартные определения функций и применять согласованную методологию при обучении моделей и их развертывании в производственной среде. Благодаря новым возможностям ИИ Amazon SageMaker мы можем быстрее обучать и развертывать модели машинного обучения, чтобы радовать клиентов лучшими услугами».
Кенсин Ямада, General Manager / AI System Dept System Unit, DeNA

United Airlines
«В United Airlines мы используем машинное обучение для лучшего обслуживания клиентов. Наши персонализированные предложения помогают подготовиться к путешествиям в Travel Readiness Center. Мы также используем машинное обучение для операций в аэропортах, сетевого планирования и составления расписания рейсов. В период окончания пандемии ИИ Amazon SageMaker сыграл решающую роль в Travel Readiness Center, мы смогли обрабатывать большие объемы сертификатов тестов на COVID и карт вакцин за счет автоматизации модели на основе документов. Благодаря новым возможностям управления ИИ Amazon SageMaker мы улучшили контроль и видимость для наших моделей машинного обучения. SageMaker Role Manager значительно упрощает процесс настройки пользователей, предоставляя базовые разрешения и действия машинного обучения для каждой персоны, связанной с ролями IAM. С помощью SageMaker Model Cards наши команды могут активно собирать и передавать информацию о модели для проверки, а с помощью SageMaker Model Dashboard мы можем искать и просматривать модели, развернутые на MARS – нашей внутренней платформе машинного обучения. Благодаря всем этим новым возможностям управления мы экономим значительное количество времени и можем расширять масштабы».
Ашок Шринивас, Director of ML Engineering and Ops, United Airlines

Capitec
«У Capitec есть широкий круг специалистов по работе с данными, которые занимаются разработкой различных решений для машинного обучения. Наши инженеры по машинному обучению управляют централизованной платформой моделирования на основе ИИ Amazon SageMaker, которая дает возможность разрабатывать и внедрять все эти решения по машинному обучению. Без встроенных инструментов отслеживание работ по моделированию часто приводит к созданию разрозненной документации и отсутствию видимости модели. С помощью SageMaker Model Cards мы можем отслеживать множество метаданных модели в единой среде, а SageMaker Model Dashboard позволяет нам видеть производительность каждой модели. Кроме того, SageMaker Role Manager упрощает процесс управления доступом для специалистов по обработке данных в различных линейках наших продуктов. Всё это способствует тому, что наша модель управления является достаточной для того, чтобы оправдать доверие, которое оказывают нам наши клиенты как поставщику финансовых услуг».
Дин Мэттер, ML Engineer, Capitec Bank

Lenovo
Компания Lenovo™, мировой производитель ПК № 1, недавно добавила ИИ Amazon SageMaker к своему новейшему предложению технического обслуживания по текущему состоянию. Ашок Шринивас, Director of ML Engineering and Ops, United Airlines
«Новый Менеджер периферии SageMaker поможет устранить необходимость в ручной работе при оптимизации, мониторинге и постоянном улучшении моделей после развертывания. Мы ожидаем, что благодаря этому наши модели будут работать быстрее и потреблять меньше памяти по сравнению с другими сопоставимыми платформами машинного обучения. С помощью Менеджера периферии SageMaker мы можем автоматически брать образцы данных на периферии, безопасно отправлять их в облако и непрерывно контролировать качество каждой модели на всех устройствах после развертывания. Это дает нам возможность удаленно отслеживать, улучшать и обновлять модели на наших периферийных устройствах по всему миру, экономя время и деньги для себя и клиентов».
Игорь Бергман, Lenovo Vice President, Cloud & Software of PCs and Smart Devices.

Basler AG
Basler AG – ведущий производитель высококачественных цифровых камер и аксессуаров для промышленности, медицины, транспорта и ряда других рынков.
«Basler AG поставляет интеллектуальные решения компьютерного зрения в различных отраслях, включая производство, медицину и розничную торговлю. Мы рады расширить наше программное обеспечение новыми функциями, которые стали возможны благодаря Менеджеру периферии Amazon SageMaker Чтобы наши решения по машинному обучению были производительными и надежными, нам нужен масштабируемый инструмент MLOps от периферии до облака, который даст нам возможность постоянно отслеживать, поддерживать и улучшать модели машинного обучения на периферийных устройствах. С помощью Менеджера периферии SageMaker мы можем автоматически брать образцы данных на периферии, безопасно отправлять их в облако и непрерывно контролировать качество каждой модели на всех устройствах после развертывания. Это дает нам возможность удаленно отслеживать, улучшать и обновлять модели на наших периферийных устройствах по всему миру, экономя время и деньги для себя и клиентов».
Марк Хеббел, Head of Software Solutions, Basler

NatWest Group
Крупное финансовое учреждение NatWest Group стандартизировало процесс разработки и развертывания моделей машинного обучения в организации, сократив цикл создания новых сред машинного обучения с 40 до 2 дней и ускорив окупаемость сценариев использования машинного обучения с 40 до 16 недель.

AstraZeneca
«Благодаря Студии Amazon SageMaker мы отказались от множества выполняемых вручную процессов и можем по большей части автоматизировать разработку машинного обучения».
Черри Кабадинг, Global Senior Enterprise Architect, AstraZeneca

Janssen
Используя сервисы AWS, включая ИИ Amazon SageMaker, компания Janssen внедрила автоматизированный процесс MLOps, который повысил точность прогнозирования на основе модели на 21 % и ускорил конструирование признаков примерно на 700 %, что помогло компании Janssen сократить расходы и повысить эффективность.

Qualtrics
«ИИ Amazon SageMaker повышает эффективность работы наших команд MLOps с помощью инструментов, необходимых для тестирования и масштабного развертывания моделей машинного обучения».
Самир Джоши, ML Engineer, Qualtrics

Deloitte
«С помощью Amazon SageMaker Data Wrangler мы оперативно решаем задачи по подготовке данных с помощью богатого набора инструментов трансформации, которые ускоряют процесс подготовки данных машинного обучения, необходимых для вывода новых продуктов на рынок. В свою очередь, наши клиенты выигрывают от скорости масштабирования развернутых моделей, благодаря чему мы получаем измеримые и устойчивые результаты, отвечающие потребностям наших клиентов, в течение нескольких дней, а не месяцев».
Фрэнк Фарралл, Principal, AI Ecosystems and Platforms Leader, Deloitte

NRI
«Мы являемся ведущим партнером-консультантом AWS, поэтому наши инженерные группы в тесном сотрудничестве с AWS создают инновационные решения, с помощью которых клиенты постоянно повышают эффективность операций. Машинное обучение лежит в основе наших инновационных решений, но наш рабочий процесс подготовки данных включает в себя сложные методы, внедрение которых в производственной среде занимает значительное время. Благодаря Amazon SageMaker Data Wrangler наши специалисты по анализу данных могут быстрее и проще выполнять каждый этап рабочего процесса подготовки данных для машинного обучения, в частности их отбор, очистку, исследование и визуализацию. С помощью Amazon SageMaker Data Wrangler мы можем быстрее подготовить данные для машинного обучения».
Сигекадзу Омото, Senior Corporate Managing Director, NRI Japan

Equilibrium
«Поскольку мы расширяем свое присутствие на рынке общественного здравоохранения и охватываем все больше поставщиков медицинских услуг и их платных клиентов, менеджеров по пособиям на лекарственные средства и других медицинских организаций, нам потребовалось решение для автоматизации комплексных процессов использования источников данных, лежащих в основе наших моделей машинного обучения, включая сведения о страховых случаях и регистрации, а также данные аптек. Теперь с помощью Amazon SageMaker Data Wrangler мы ускорили агрегирование и подготовку данных для машинного обучения, используя набор рабочих процессов, которые проще проверять и повторно использовать. Это значительно сократило время доставки, улучшило качество наших моделей, повысило эффективность работы наших специалистов по анализу данных и ускорило подготовку данных почти на 50 %. Кроме того, SageMaker Data Wrangler помог нам сэкономить несколько итераций машинного обучения и значительно уменьшить время работы графического процессора, ускорив весь комплексный процесс для наших клиентов, поскольку теперь мы можем создавать банки данных с тысячами функций, включая аптеку, диагностические коды, обращения в службу скорой помощи, пребывание в стационаре, а также демографические и другие социальные детерминанты. С помощью SageMaker Data Wrangler мы эффективнее преобразовываем наши данные для создания обучающих наборов данных, анализируем данные из наборов перед запуском моделей машинного обучения и готовим реальные данные для масштабных выводов и прогнозов».
Лукас Мерроу, CEO, Equilibrium Point IoT

icare Insurance and Care NSW
iCare – это государственное учреждение штата Новый Южный Уэльс, предоставляющее компенсационное страхование для более 329 000 работодателей государственного и частного секторов в Новом Южном Уэльсе, Австралия, и их 3,2 миллиона сотрудников. Кроме того, iCare страхует строителей и домовладельцев, обеспечивает лечение и уход людям, получившим серьезные травмы на дорогах Нового Южного Уэльса, и защищает государственные активы Нового Южного Уэльса на сумму более 266,6 миллиарда долларов, включая Сиднейский оперный театр, мост Харбор-Бридж, школы и больницы.
«Insurance and Care (iCare) NSW стремится изменить отношение людей к страхованию и медицинскому обслуживанию. С помощью ИИ Amazon SageMaker организация iCare создает и тренирует модели глубокого обучения для раннего выявления пациентов с хроническим пневмокониозом. Такое раннее выявление может предотвратить опасные для жизни состояния. Согласно предыдущим исследованиям, признаки силикоза были пропущены или не выявлены у 39 % пациентов. За счет диагностики с помощью искусственного интеллекта врачи смогли правильно идентифицировать 80 % случаев. Когда вспомогательные средства диагностики не применялись, этот показатель составлял 71 %. После реализации этого проекта мы упростим и ускорим разработку решений и процессов в других проектах за счет ИИ Amazon SageMaker и сможем легко масштабировать оказание медицинской помощи жителям Нового Южного Уэльса».
Атул Камбодж, Senior Data Scientist, iCare, Государственное страховое и медицинское учреждение Нового Южного Уэльса, Австралия