-
การวิเคราะห์เชิงคาดการณ์
-
บริการทางการเงิน
-
Machine Learning
-
SERVERLESS
-
IoT
-
แอปพลิเคชันระดับองค์กร
-
การวิเคราะห์เชิงคาดการณ์
-
Formula One Group ใช้ Amazon SageMaker เพื่อพัฒนาการแข่งรถ
เรียนรู้เพิ่มเติมเรียนรู้วิธีที่ Formula 1 ใช้ Amazon SageMaker และบริการของ AWS อื่นๆ เพื่อพัฒนาการตัดสินใจเกี่ยวกับการแข่งรถและปรับปรุงประสบการณ์ของแฟนๆ ให้ดียิ่งขึ้น
เริ่มการเปลี่ยนโฉม
Formula One Group กำลังเคลื่อนย้ายโครงสร้างพื้นฐานส่วนใหญ่จากศูนย์ข้อมูลภายในองค์กรมาที่ AWS และกำหนดมาตรฐานตามบริการ Machine Learning รวมถึง Amazon SageMaker
ใช้ Machine Learning เพื่อพัฒนาการแข่งรถ
นักวิทยาศาสตร์ข้อมูล Formula 1 กำลังฝึกอบรมโมเดล Deep Learning เพื่อคาดการณ์การแข่งและช่วยให้ทีมสามารถปรับปรุงการตัดสินใจในระหว่างการแข่งได้อย่างเหมาะสม โมเดลเหล่านี้สามารถคาดการณ์ได้ว่าเมื่อใดทีมควรนำรถเข้าพิต ระบุเวลาที่เหมาะสมที่สุดในการเปลี่ยนยาง และประเมินประสิทธิภาพของนักขับ
ให้แฟนๆ ได้มีส่วนร่วมบนเส้นทางแห่งความสำเร็จ
Formula 1 จึงใช้บริการสตรีมข้อมูล การวิเคราะห์ และสื่อของ AWS เพื่อให้แฟนๆ กว่า 500 ล้านคนได้รับรู้ถึงข้อมูลเชิงลึกเกี่ยวกับการตัดสินใจของนักขับและประสิทธิภาพของตัวรถ
สร้างหนทางสู่อนาคต
เพราะ Formula 1 สามารถรันปริมาณงานในการประมวลผลประสิทธิภาพสูงในสภาพแวดล้อมที่ปรับขนาดได้บน AWS องค์กรจึงสามารถพัฒนานวัตกรรมสำหรับประสบการณ์การแข่งรถ Formula 1 การออกแบบรถยนต์ และอื่นๆ ได้โดยไม่ต้องกังวลเรื่องความจุ
-
บริการทางการเงิน
-
Intuit ทำให้การจัดเก็บภาษีลดน้อยลงโดยใช้ AWS
เรียนรู้วิธีการที่ Intuit บริษัทเทคโนโลยีด้านการเงิน ใช้ Amazon SageMaker เพื่อฝึกฝนโมเดล Machine Learning อย่างรวดเร็วและตามขนาด ซึ่งช่วยลดเวลาที่ต้องใช้ในการปรับใช้โมเดลได้ถึง 90 เปอร์เซ็นต์เรียนรู้เพิ่มเติม
การเปิดรับระบบคลาวด์
Intuit พึ่งพาทุกสิ่งใน AWS และใช้บริการของ AWS อันหลากหลายเพื่อมอบความยืดหยุ่นในการจัดการกับรูปแบบปริมาณการใช้งานตามฤดูกาลที่สูง ตั้งแต่ปี 2013 Intuit ได้ย้ายโครงสร้างพื้นฐาน แอปพลิเคชัน ข้อมูล และความสามารถเกี่ยวกับ Machine Learning ไปยัง AWS
นวัตกรรมด้านผลิตภัณฑ์ที่อาศัย Data Science
Intuit ศึกษา Machine Learning ในขณะพยายามทำให้งานที่ยากลำบาก เช่น การจัดเก็บภาษี เป็นเรื่องง่ายและน่ารื่นรมย์สำหรับลูกค้า
Amazon SageMaker สำหรับ Machine Learning
การใช้ Amazon SageMaker ได้ช่วยให้ Intuit สามารถลดต้นทุนและเวลาที่ใช้ในการปรับใช้โมเดล Machine Learning Data Scientist สามารถสร้างโมเดลและปรับขนาดขยายออกไปยังเซิร์ฟเวอร์จำนวนมาก และจากที่เคยใช้เวลาถึงหกเดือน ปัจจุบันก็ใช้เวลาเพียงหนึ่งสัปดาห์เท่านั้น
การขับเคลื่อนไปสู่ความสำเร็จมั่งคั่ง
ด้วยการเพิ่มขีดความสามารถให้กับ Data Scientist ทาง Intuit ยังคงพัฒนาและปรับปรุงผลิตภัณฑ์เพื่อตอบสนองภารกิจของบริษัท ซึ่งก็คือ การขับเคลื่อนไปสู่ความสำเร็จมั่งคั่งให้กับลูกค้าทั่วโลก
-
Machine Learning
-
MLB เลือก AWS เป็นผู้ให้บริการ Machine Learning อย่างเป็นทางการ
เรียนรู้ว่า Professional Baseball League ของอเมริกาใช้ Machine Learning ของ AWS ทำให้สถิติมีความหมายได้อย่างไรเรียนรู้เพิ่มเติม
รากฐานของการเรียนรู้เชิงลึก
MLB ได้เก็บรวบรวมข้อมูลเชิงสถิติเกี่ยวกับผู้เล่นและสโมสรของตนมาเป็นเวลาหลายทศวรรษ และในปี 2015 MLB ก็เริ่มใช้ AWS ในการเก็บรวบรวมและเผยแพร่สถิติวันแข่งขันเพื่อปรับปรุงประสบการณ์ของแฟนๆ ให้ดีขึ้น
การเพิ่มประสิทธิภาพให้ Developer
เมื่อใช้ Amazon Sagemaker แล้ว Developer และ Data Scientist ของ MLB ก็สามารถสร้าง ฝึกอบรม และปรับใช้โมเดล Machine Learning ตามต้องการได้อย่างรวดเร็วและง่ายดาย
การลดปริมาณงาน
โมเดลเหล่านี้ช่วยให้ MLB ลดขั้นตอนที่ต้องดำเนินการด้วยตนเองและใช้เวลามากซึ่งเกี่ยวข้องกับการจัดเก็บบันทึกและสถิติ เช่น การจัดเก็บคะแนน การบันทึกโน้ตการแข่งขัน และการจำแนกพิทช์
การปรับการแข่งขันให้เข้ากับแต่ละบุคคล
MLB วางแผนที่จะประสานงานกับ Amazon ML Solutions Lab ในการปรับปรุง Statcast ต่อไปซึ่งเป็นเทคโนโลยีติดตามข้อมูลที่วิเคราะห์ประสิทธิภาพของผู้เล่น รวมถึงการทดสอบความถูกต้องแม่นยำของการคาดเดาพิทช์และการสร้างประสบการณ์ที่ปรับให้เหมาะกับผู้ชมแต่ละคน
โฮมรันด้วยปัญญาประดิษฐ์
MLB จะสร้างนวัตกรรมต่อไปโดยใช้ปัญญาประดิษฐ์ องค์กรวางแผนที่จะใช้ Amazon Comprehend ในการสร้างโมเดลภาษาที่สามารถสร้างสคริปต์สำหรับการแข่งขันแบบถ่ายทอดสดที่จำลองผู้ประกาศที่มีชื่อเสียง
-
SERVERLESS
-
Matson ดำเนินธุรกิจขนส่งและโลจิสติกส์ทั่วโลกด้วย AWS
มาเรียนรู้วิธีที่ Matson ใช้ AWS เพื่อขับเคลื่อนนวัตกรรมและบริการลูกค้าระดับโลกและบรรลุเป้าหมายด้านความน่าเชื่อถือในการดำเนินการ ความปลอดภัย และการประหยัดต้นทุนโครงสร้างพื้นฐานด้วยในขณะเดียวกันเรียนรู้เพิ่มเติม
การติดตามตู้คอนเทนเนอร์แบบเรียลไทม์
Matson สร้างแอปพลิเคชันมือถือที่ทำงานได้ดีเยี่ยมสำหรับตู้คอนเทนเนอร์ทั่วโลกซึ่งทำให้ลูกค้าสามารถติดตามการขนส่งสินค้าแบบเรียลไทม์ คุณสมบัติที่เป็นประโยชน์อื่นๆ ในแอปพลิเคชัน ได้แก่ การค้นหาตารางเดินเรือเชิงโต้ตอบ การค้นหาแผนที่ท่าเรือตามตำแหน่ง และฟีดกล้องแบบไลฟ์เกต
การเข้าถึงอุปกรณ์มือถือ
อุปกรณ์มือถือทั้งหมดเข้าถึง AWS ผ่านทาง Amazon API Gateway ซึ่งทำให้มีปลายทางที่กำหนดสถานที่ตั้ง Edge พร้อมใช้งานสำหรับเข้าถึงทรัพยากรภายใน Virtual Private Cloud ที่มีอยู่ของ Matson
การประมวลผลแบบไร้เซิร์ฟเวอร์
ฟังก์ชันของ AWS Lambda ออกแบบมาให้ใช้รูปแบบไมโครเซอร์วิสและเป็นไปตามแบบในบริบททางธุรกิจทางทะเลเป็นหลัก เช่น ติดตามการขนส่งและตารางเดินเรือ
การกำหนดค่าและการจัดเก็บฐานข้อมูล
Amazon DynamoDB จัดการกำหนดค่ารวมถึงการกำหนดค่าคำติชมของผู้ใช้และการแจ้งเตือนคำติชมของผู้ใช้ที่ส่งมาจากอุปกรณ์มือถือ DynamoDB Streams จะทำการแจ้งเตือนแบบเรียลไทม์ไปยังทีมบริการลูกค้าของ Matson
การเฝ้าติดตามข้อมูลและการแจ้งเตือน
ลูกค้าของ Matson เชื่อมั่นในข้อมูลการติดตามตู้คอนเทนเนอร์และสถานะเรือที่แม่นยำและล่าสุด จะสามารถเฝ้าติดตามและแจ้งเตือนเกี่ยวกับเหตุการณ์ของระบบได้โดยใช้ Amazon CloudWatch, Amazon SNS, Amazon SES, AWS Lambda และ CloudWatch Logs
แอปพลิเคชันไร้เซิร์ฟเวอร์แบบครบวงจร
ขณะนี้ Matson สามารถเสนอแอปพลิเคชันไร้เซิร์ฟเวอร์แบบครบวงจรให้แก่ลูกค้าเพื่อช่วยติดตามการขนส่งและไม่มีโครงสร้างพื้นฐานให้ต้องดูแลรักษา
-
IoT
-
iRobot ให้คำมั่นสัญญาเกี่ยวกับหุ่นยนต์ในระบบบ้านอัจฉริยะด้วยการใช้ AWS
เรียนรู้วิธีที่ iRobot จัดการ IoT สำหรับผู้บริโภคโดยใช้เทคโนโลยีไร้เซิร์ฟเวอร์เรียนรู้เพิ่มเติม
iRobot Roomba 900 เสร็จสิ้นการทำความสะอาด
รุ่น Roomba 900 เสร็จสิ้นภารกิจการทำความสะอาดภายในบ้านและกลับไปที่แท่นชาร์จเพื่อชาร์จไฟ
สำหรับการประมวลผลข้อมูล
iRobot ประมวลผลแผนผังบ้าน คำนวณเนื้อที่ทั้งหมดที่ทำความสะอาดแล้วและรหัสสถานะสำหรับภารกิจการทำความสะอาด และเผยแพร่ข้อมูลเมตาไปที่ AWS IoT
สตรีมข้อมูลพร้อมใช้งาน
iRobot ใช้กฎ AWS IoT เพื่อใส่ข้อความลงใน Amazon Kinesis iRobot สามารถประมวลผลข้อมูลภารกิจการทำความสะอาดจาก Kinesis ได้ Kinesis ช่วยให้หลายทีมได้รับการสตรีมข้อมูล
พื้นที่จัดเก็บและการวิเคราะห์
AWS Lambda ได้รับเมตาดาต้าของภารกิจการทำความสะอาดและวิเคราะห์รูปแบบไปยัง Amazon DynamoDB Amazon Kinesis นำข้อมูลภารกิจรวมเข้าไว้ด้วยกันและจัดเก็บข้อมูลไว้ใน Amazon S3 ใช้ Amazon S3 เป็น Data Lake ของ iRobot สำหรับการวิเคราะห์ ซึ่งข้อมูลข้อความทั้งหมดจะถูกบีบอัดและจัดเก็บไว้ เมื่อข้อมูลอยู่ใน Amazon S3 iRobot จะใช้ชุดเครื่องมือการวิเคราะห์ AWS Amazon Athena ช่วยให้ iRobot สำรวจและค้นพบรูปแบบในข้อมูลได้โดยไม่ต้องรันประมวลผลทรัพยากรตลอดเวลา
ความสัมพันธ์ของข้อมูล
ภารกิจการทำความสะอาดถูกจัดเก็บไว้ใน Amazon DynamoDB และเชื่อมโยงกับหุ่นยนต์และผู้บริโภคที่เฉพาะเจาะจง
การแจ้งเตือนลูกค้า
ผู้บริโภคได้รับการแจ้งเตือนที่แจ้งให้ทราบถึงภารกิจทำความสะอาดด้วยรุ่น Roomba 900 ที่ประสบความสำเร็จ
-
แอปพลิเคชันระดับองค์กร
-
BP ช่วยเพิ่มประสิทธิภาพและเพิ่มความคล่องตัวด้านต้นทุนและความรวดเร็วสำหรับแอปสำหรับธุรกิจที่สำคัญ
ดูว่า BP ช่วยลดความซับซ้อนและทำให้ชุดแอปพลิเคชัน SAP ของคุณทันสมัยขึ้น ปรับปรุงประสบการณ์การใช้งานของผู้ใช้ พร้อมกับเพิ่มความคล่องตัวและเพิ่มประสิทธิภาพได้อย่างไรเรียนรู้เพิ่มเติม
การจัดการแอปสำหรับธุรกิจที่สำคัญ
องค์กรด้าน IT ของ BP จัดการแอปพลิเคชัน SAP ที่ใช้โดยพนักงานหลายพันคนทั่วโลกสำหรับซัพพลายเชน การจัดหา การเงิน และอื่นๆ
การปรับปรุงความเร็วและความคล่องตัวของต้นทุน
เพื่อปรับปรุงความเร็วและเพิ่มความคล่องตัวด้านต้นทุน BP ได้ใช้ Amazon EC2 เพื่อย้ายแอปสำหรับธุรกิจหลักเหล่านี้ไปยังระบบคลาวด์ นอกจากนี้ ทีมยังสร้าง EC2 X1 instance เพื่อเพิ่มขนาดและเพิ่มประสิทธิภาพการวิเคราะห์แบบเรียลไทม์
การเพิ่มประสิทธิภาพ
ทีมงานสามารถตั้งระบบตามความต้องการได้ภายในไม่กี่ชั่วโมงแทนที่จะเป็นสัปดาห์หรือเป็นเดือน BP ได้รับประสิทธิภาพการทำงานโดยรวมเพิ่มขึ้น ซึงรวมถึงการปรับปรุงความเร็ว 40 เปอร์เซ็นต์สำหรับระบบ ERP ของผลิตภัณฑ์หล่อลื่น
การรักษาความปลอดภัยข้อมูล
ในฐานะที่เป็นส่วนหนึ่งของการย้ายระบบคลาวด์ BP กำหนดมาตรฐานความปลอดภัยโดยใช้ AWS Config, AWS Identity and Access Management (IAM), Amazon CloudWatch และ AWS Trusted Advisor มาตรฐานใหม่เหล่านี้ช่วยให้ BP พัฒนากรอบงานความปลอดภัยสำหรับการดำเนินงานด้าน IT ของตนได้
