客戶使用案例

Hotels.com

Hotels.com 是全球頂尖的住宿品牌,以 41 種語言運作 90 個本地化網站。

「在 Hotels.com,我們致力於快速採用最新技術,並隨時保持創新。Amazon SageMaker 的分散式培訓、優化演算法和內建超參數功能,可讓我的團隊透過龐大的資料集快速建立更準確的模型,並大幅縮減將模型移至生產的時間。只要使用 API 呼叫就能輕鬆搞定。Amazon SageMaker 可大幅降低機器學習的複雜性,讓我們快速為客戶提供更好的使用體驗。」

– Hotels.com 和 Expedia Affiliate Network 副總裁暨資料科學長 Matt Frye

Thomson Reuters

Thomson Reuters 是全球專業市場頂尖的新聞和資訊來源。 

「過去 25 年來,我們致力於開發進階機器學習功能,以發掘、連接、增強、組織資訊,並將其交付給客戶,順利讓客戶簡化並從工作中找出最有價值的資訊。與 Amazon SageMaker 合作,使我們能夠在問答應用程式環境中設計自然語言處理功能。我們的解決方案需要使用 Amazon SageMaker 功能,大規模多次重複執行深度學習組態。」

– Thomson Reuters 人工智慧和認知運算中心 Khalid Al-Kofahi


Intuit 是一家商業和金融軟體公司,專門開發和銷售小型企業、會計師和個人專用的金融、會計和報稅準備軟體,並提供相關服務。

「我們使用 Amazon SageMaker 在平台上建立和部署演算法,以大規模加速人工智慧計劃的推動。我們建立全新的大規模機器學習和 AI 演算法,並將它們部署在這個平台上,以解決複雜問題並讓客戶的事業更加成功。」

– Intuit 首席資料長 Ashok Srivastava

DigitalGlobe

DigitalGlobe 是全世界高解析度地球影像、資料及分析的龍頭供應商之一,每天需要處理大量資料。

「DigitalGlobe 是全世界高解析度地球影像、資料及分析的龍頭供應商之一,每天需要處理大量資料。DigitalGlobe 讓人們可以輕鬆在 100 PB 的完整影像庫 (存放在 AWS 雲端) 中尋找、存取和執行運算,以便在衛星影像套用深度學習。我們打算透過 Amazon SageMaker,利用託管的 Jupyter 筆記本使用數 PB 的地球觀察影像資料集訓練模型,如此一來,DigitalGlobe 地理空間大數據平台 (GBDX) 使用者只要按下按鈕、建立模型,即可將其大規模部署到單一可擴展分散式環境中。」

-Maxar Technologies 首席技術官和 DigitalGlobe 創辦人 Walter Scott 博士


Dow Jones

Dow Jones & Co. 是全球新聞和商業資訊供應商,透過報紙、網站、行動應用程式、影片、電子報、雜誌、專屬資料庫、會議和電台,將內容交付給消費者和組織。

「Dow Jones 持續專注在將機器學習整合到產品和服務,而 AWS 一直都是最佳的合作夥伴。AWS 團隊在最近舉辦的機器學習程式設計馬拉松準備期間,為參賽者提供 Amazon SageMaker 和 Amazon Rekognition 的培訓,以及為所有團隊提供全天候支援。我們的團隊因此開發出一些很好的機器學習運用構想,而我們將持續在 AWS 上開發其中的許多想法。這個活動取得空前的成功,也是合作夥伴的最佳典範。」

– Dow Jones 集團產品和技術總監 Ramin Beheshti

Cookpad

Cookpad 是日本最大的食譜共享服務,在日本每月有 6 千萬名使用者,在全球每月則有 9 千萬名使用者。

 

「越來越多使用者要求更易於使用的 Cookpad 食譜服務,我們的資料科學家將建立更多機器學習模型,以優化使用者體驗。在嘗試降低訓練任務反覆次數以獲得最佳效能時,我們在部署 ML 推論端點上遭遇到很大的困難,也因此拖慢了開發程序。為了自動化 ML 模型部署,讓資料科學家可自行部署模型,我們使用 Amazon SageMaker 推論 API,並證明 Amazon SageMaker 可免除應用程式工程師部署 ML 模型的需要。我們預計在生產時使用 Amazon SageMaker 自動化此程序。」

– Cookpad 研發工程師 Yoichiro Someya


Grammarly

Grammarly 演算法結合自然語言處理和進階機器學習技術,在多種裝置平台上提供寫作幫助,每天協助數百萬人更有效率地進行通訊。

「Amazon SageMaker 讓我們可以在分散式訓練環境開發 TensorFlow 模型。我們工作流程的預先處理程序也與 Amazon EMR 整合,可從 Amazon S3 取得資料、使用 EMR 和 Jupyter notebook 的 Spark 篩選,然後使用相同的 notebook 在 Amazon SageMaker 進行訓練。SageMaker 也可靈活地滿足我們不同的生產需求。我們可以在 SageMaker 本身執行推論,或者如果只需要模型,可從 S3 下載,然後針對 iOS 和 Android 客戶執行行動裝置實作推論。」

– Grammarly 技術主管 Stanislav Levental

realtor.com

Move, Inc. 網路包含 realtor.com®、Doorsteps® 和 Moving.com™,可為消費者和房地產專業人員提供各種網站系列的房地產資訊、工具和專業服務,以及行動體驗。

「我們相信在 realtor.com® 工具集中加入 Amazon SageMaker 是一項重大變革,能夠讓我們在消費者的自有房產旅程中提供協助。訓練和優化模型等過去耗時的機器學習工作流程,現在可以更有效率並由更廣泛的開發人員完成,讓我們的資料科學家和分析師專注在為使用者建立更豐富的體驗。」

– Move, Inc. 首席資料長兼資深副總裁 Vineet Singh


Tinder

Tinder 到目前為止成功促成 200 億組配對,是全球最熱門的交友應用程式。

Tinder 每次的撥動都是一個每分鐘管理數百萬個請求的系統,在 190 多個國家/地區每天有數十億次的撥動。Amazon SageMaker 簡化了機器學習程序,協助我們的開發團隊打造可建立新連接的預測模型,沒有它,這一切都不可能實現。

– Tinder 執行長 Elie Seidman

Edmunds

Edmunds.com 是購車網站,每月為 2 千萬名訪客提供持續更新的詳細車輛資訊。

「我們有一個策略計劃,打算將機器學習技術提供給我們所有的工程師。Amazon SageMaker 是協助我們達成此目標的關鍵,它可協助工程師輕鬆建立、訓練和部署大規模的機器學習模型和演算法。我們等不及要看 Edmunds 如何使用 SageMaker,為我們的客戶在整個組織內創新解決方案。」

– Edmunds.com 資訊長 Stephen Felisan


GE Healthcare

GE Healthcare 利用硬體、軟體和生物科技的資料和分析,為提供者和病患提供更好的成效,以改革醫療保健產業。 

 

「Amazon SageMaker 可讓 GE Healthcare 存取功能強大的人工智慧工具和服務以大幅改善病患照護。Amazon SageMaker 的可擴展性和與原生 AWS 服務整合的能力,為我們帶來極大的價值。我們很熱切的期盼 GE Health Cloud 與 Amazon SageMaker 之間的持續合作,能夠為醫療保健提供者合作夥伴帶來更好的成效,並提供更好的病患照護。」

– GE Healthcare 首席 AI 工程師 Sharath Pasupunuti

Zendesk

Zendesk 建立可提升客戶關係的軟體。該公司能夠讓組織改善與客戶的互動關係,並更加理解他們的客戶。在 150 多個國家和地區有超過 94,000 個付費客戶帳戶使用 Zendesk 產品。

「Amazon SageMaker 可降低我們的成本,並提高使用機器學習的速率。我們使用 Amazon SageMaker 從現有的自我管理 TensorFlow 部署轉移到全受管服務。Amazon SageMaker 還可讓我們輕鬆存取其他常用的深度學習架構,同時管理撰寫、訓練和提供模型的基礎設施。」

– Zendesk 策略技術總監 David Bernstein

 


Atlas Van Lines

Atlas Van Lines 是北美第二大貨運公司,由一群搬家和倉儲業企業家於 1948 年成立。該組織成立的唯一目的就是在東岸和西岸之間進行搬運,並遵守業界的黃金規則。除了穩定的業務量,Atlas 擁有超越業界最嚴格的代理品質要求。

在搬家巔峰季節,Atlas 代理網路會跨多個市場一起合作,以滿足客戶需求。過去,他們預測可負擔的工作量時,需要花費很多體力和人力。他們依賴多年累積的智慧和直覺來預估資源。Atlas 擁有 2011 年之前的歷史資料,且希望可以根據未來的市場需求,動態地調整產量和價格。

Atlas 與 APN 高級諮詢合作夥伴 Pariveda Solutions 合作,在長途搬運業中尋找主動管理產量和價格的可能性。Pariveda 準備資料、開發並評估機器學習模型,然後微調效能。他們使用 Amazon SageMaker 訓練和優化模型,然後使用 Amazon SageMaker 的模組化特性匯出,再使用 Amazon EC2 執行。

Regit

Regit 的前身是 Motoring.co.uk,是一間汽車技術廠,也是英國最頂尖的汽車駕駛線上服務。他們根據汽車牌照交付數位汽車管理服務,並提供駕駛資訊豐富的提醒,像是交通部 (MOT) 稅金、保險和回收。

Regit 與 APN 進階諮詢合作夥伴 Peak Business Insight 合作,運用可同時處理類別和變數資料的「類別機器學習模型」,以預測使用者換車的可能性,進而提升 Regit 的銷售量。

Peak 使用 Amazon SageMaker 等 AWS 服務進行即時導入、建模和資料輸出。Amazon SageMaker 一天可為 Regit 處理 5,000 個 API 請求,無縫擴展和調整相關資料需求,以及管理潛在客戶分數結果的交付。同時,Amazon Redshift 和 Amazon Elastic Compute Cloud (Amazon EC2) 執行個體可有效率且持續地優化模型效能和結果。與 Peak 合作之後,Regit 能夠預測 250 萬個使用者當中有哪些會換車和換車的時機。這表示他們可以更個人化且針對性的方法服務客戶,讓客服中心增加超過四分之一的收入。


Sportograf

Sportograf 創立者中有多種競賽項目的運動員,因此很自然地顯現對運動的熱愛。他們的使命是透過專業品質的相片,展現對每個運動員表現的崇敬之意。

「面對從各種運動活動拍攝的數百萬張相片,我們最大的挑戰是以高度準確的方式,依照號碼布編號快速整理相片。在搜尋解決方案的過程中,Sportograf 決定不使用特殊的 QR 條碼或其他標記,因為這會產生大型且複雜的工作負載,導致無法回應自發的客戶請求。為了解決這項難題,我們使用 Amazon Rekognition 進行文字辨識,而 Amazon SageMaker 則可讓我們建立自己的機器學習解決方案,以近乎即時的方式進一步識別參賽者的號碼布編號。」

– Sportograf 管理總監 Tom Janas

MLB Statcast

Major League Baseball (MLB) 是美國歷史上最專業的體育聯盟,在美國和加拿大擁有 30 個會員俱樂部,代表專業棒球的最高級別。Statcast 是 MLB 引入的先進追蹤技術,允許以史無前例的可行方式收集和分析大量的棒球資料。 

AWS 廣泛的基於雲端的機器學習服務將讓 MLB 免除與保留記錄和統計資料相關的手動耗時程序,例如記錄得分、擷取球賽記錄和分類球路。透過使用 Amazon SageMaker,MLB 能夠讓其開發人員和資料科學家將這些工作自動化,以便輕鬆快速地建立、訓練及部署任何規模的機器學習模型。

MLB 和 Amazon ML Solutions Lab 正在使用 Amazon SageMaker 來測試如何準確地預測球路,方法是透過評估投手、擊球手、接球手和場上狀況來預測下一個球路的類型和位置。MLB 還打算利用 Amazon SageMaker 和自然語言處理服務 Amazon Comprehend 來構建一種語言模型,以標誌性播音員的語調和風格針對現場球賽建立分析,以捕捉棒球迷所了解和敬重的與衆不同的播音精髓。


Celgene

Celgene 是一家全球生物製藥公司,致力於改善全球病患的生或。其專注於為罹患癌症、免疫炎症及其他具有未滿足醫療需要的病患探索、研製創新療法並商業化。

「在 Celgene,我們的願景是提供真正具有創新性和改變生命的治療並改善全球病患的生活。透過使用 Amazon SageMaker 和 Apache MXNet,構建和訓練深度學習模型來開發解決方案和程序比以往更快、更輕鬆,且我們能夠輕鬆加大工作力度來探索療法和生產藥物。使用 SageMaker 和 Amazon EC2 P3 執行個體加快了我們訓練模型和生產力的速度,讓我們的團隊能夠專注於突破性的研究和探索工作上。」

– Celgene 總監 Lance Smith

Zocdoc

Zocdoc 透過有關醫療實踐和個別醫生時間表的資訊的整合式解決方案,為使用者提供醫療照護搜尋。主要專注於在病患需求和提供最佳的醫療保健體驗。

「在 Zocdoc,我們專注於讓病患輕鬆地尋找適合的醫生並預約最方便的時間和地點。Zocdoc 的工程師執行大量試驗,來證明使用 Amazon SageMaker 能夠多輕鬆地快速構建、訓練及部署模型。我們的其中一位行動工程師能夠在不到一天的時間,從頭開始訓練和部署醫生專業建議模型,我們最終將其投入到生產中。先前,我們的資料科學團隊必須為任何模型工作的開發提供資料,這拖慢了產品團隊的進度。使用 Amazon SageMaker,我們能夠從概念到生產環節更快地取得此資料,這完全得歸功於 SageMaker 精簡的端對端功能的簡便性。」


SmartNews

SmartNews 是日本最大的新聞應用程式,為全球超過 1100 萬月作用中使用者提供重要資訊。借助機器學習技術,SmartNews 可以幫助使用者獲得最相關和最有趣的新聞。SmartNews 的機器學習演算法能評估數百萬篇文章、社交訊號和人際互動,以提供目前最重要的 0.01% 篇故事。

「我們採用 AWS 技術探索高品質的新聞並將其傳送到全世界以完成我們的使命,特別是 Amazon SageMaker,該服務協助我們加快開發週期,為客戶提供最佳的服務。使用 Amazon SageMaker 對我們的新聞策劃方法有很大幫助,包括使用深度學習進行文章分類、預測生命時間值以及文字和影像的綜合建模。我們期待透過 AWS 的 Amazon SageMaker 和其他 AI 解決方案實現更高的目標。」

-  SmartNews, Inc. 聯合創始人兼聯合首席執行官 Kaisei Hamamoto

Terragon Group

Terragon Group 是一家數據和營銷技術企業,透過洞察力為非洲的行動受眾提供服務,為企業創造價值。多年來,Terragon Group 已成為服務於本地和跨國品牌的行動空間領導者,事業遍及多個地區。在適當的時刻向正確的使用者提供正確的廣告訊息需要個人化,Terragon 使用數據、洞見和人工智慧幫助企業服務非洲的合適受眾。

「Amazon SageMaker 為我們提供端對端機器學習工作流程,無需架設任何相關基礎設施。我們的數據科學和機器學習團隊能夠在短短幾個小時內,快速從數據探索進步到模型培訓和生產。對於一家工程人才十分稀缺的非洲企業來說,沒有其他辦法能夠在不到 90 天的時間內建立和部署 ML 模式來解決現實生活的問題。」

- Terragon Group 首席技術官 Deji Balogun

 


dely_logo

Dely 正在營運日本最好的烹飪影片服務 Kurashiru。Dely 每天都在努力提供影響世界的烹飪服務。Kurashiru 每天幫助許多人,它介紹了各種美味的食物食譜,為餐桌上的烹飪影片增添色彩。數以千萬計的人在日本觀看和收聽每月食譜服務。

「自從我們推出受歡迎的 Kurashiru 服務以來,在兩年半我們的行動應用程式下載量超過了 1500 萬次。我們認為,使用機器學習等先進技術,在適當的時間為使用者提供正確的內容十分重要。為實現這一目標,我們使用 Amazon SageMaker 幫助我們在 90 天內建構和部署機器學習模型。我們還透過內容個人化,將點擊率提高了15%」。

-  Dely, Inc.首席技術官 Masato Otake

SIGNATE

SIGNATE 使用 AI 提供適用於外包、招聘,以及諮詢服務等各種解決方案。SIGNATE 也稱為資料科學社群,擁有超過 16,000 名成員,他們互相競爭,在競賽中製作出最佳模型。該公司也使用 Amazon SageMaker 提供服務,協助客戶將透過競賽獲得的模型,部署到生產應用程式中。

「我們利用 Amazon SageMaker 作為建置機器學習模型的主要工具,這使我們的模型管理系統『Aldebaran』更具可擴展性。SageMaker 啟用與我們工作流程的無縫整合,包括同時建置、培訓和部署機器學習模型。以前需要 3 到 6 個月才能將模型部署到生產環境中。有了 SageMaker,我們可以在 1 到 4 週內將模型部署到生產中,既可節省時間,又能提高生產率。SageMaker 是我們所有機器學習模型的首選標準機器學習平台」。

-  SIGNATE Inc. 總裁兼執行長/首席數據官 Shigeru Saito


Kinect Energy Group 是全球燃料服務公司 (World Fuel Services) 的子公司,這是一家財富 100 強公司,專為商業和工業客戶 (主要是海陸空交通運輸行業) 提供能源採購諮詢服務、供貨履行以及交易和付款管理解決方案。Kinect Energy 是一家重要的北歐能源供應商,依賴於該地區的風氣候提供的自然電力資源。

在引進 AWS 的多項 AI/ML 服務後,該業務最近迅速發展。藉由 Amazon SageMaker,公司可以預測未來天氣趨勢,從而預測未來幾個月的電力價格,實現前所未有的遠程能源交易,代表行業領先的前瞻性方法。

「我們已開始使用 Amazon SageMaker,且在AWS ML 解決方案團隊和解決方案架構團隊的協助下,我們透過「創新日」(Innovation Day) 加快發展勢頭,也產生了相當深遠的影響力。我們已數次壯大自己的 AI 團隊,以充分利用 AWS 技術提供的新優勢。我們根據尚未發生的天氣設定價格,從而以全新方式獲益。我們已與 AWS 密不可分,包括在 S3 中儲存我們的資料,使用 Lamda 執行,以及除了 SageMaker 之外的 Step Function。此外,得益於與 AWS ML Solutions Lab 的牢固合作夥伴關係,我們現在自給自足,能夠在我們建置的模型上重複利用並繼續提升我們的業務。」

-  首席商業分析師 Andrew Stypa

Formosa Plastics Corporation 是一家不斷成長、垂直整合的塑料樹脂和石油化工產品供應商。Formosa Plastics 提供一條完整的聚氯乙烯、聚乙烯以及聚丙烯樹脂、苛性鈉及其他石油化工產品線,可提供客戶需要的一致性、效能和品質。

「Formosa Plastics 是台灣頂尖的石油化工產品公司之一,位列全球領先的塑料製造商行列。我們決定探索機器學習來實現更準確的瑕疵偵測和降低手動人工成本,我們將 AWS 視為優先的雲端供應商來協助我們實現這一目標。AWS ML Solutions Lab 在該程序的每一步 (從定義商業使用案例的探索研討會到建置和選擇適當的 ML 模型,再到實際部署) 都與我們通力合作。使用 Amazon SageMaker,機器學習解決方案將我們員工花在手動檢查上的時間減少了一半。在 Solutions Lab 的鼎力協助下,我們現在能夠隨著條件的變更自行進一步優化 SageMaker 模型。」

-  Formosa Plastics Corporation 助理副總裁 Bill Lee


ProQuest 是全球最大資料庫系統,收藏內容包括期刊、電子書、初級資料、論文、新聞和影片,並打造出強大的工作流程解決方案,協助圖書館取得和增加其收藏。有 150 個國家/地區的各類型圖書館採用 ProQuest 產品和服務,包括學術圖書館、高中以下學校圖書館、K-12, 公共圖書館、企業圖書館和政府圖書館。

「我們正在與 AWS 協作來為圖書館讀者打造更引人入勝的影片使用者體驗,為他們的搜尋傳回更相關的結果。透過使用 AWS ML Solutions Lab,我們已使用 Amazon SageMaker 測試不同的演算法,使用超參數優化微調模型,以及自動化機器學習 (ML) 模型的部署。我們對目前為止的結果感到滿意,目前正在考量將 ML 技術用於其他產品。」

-  ProQuest 調查工具、服務與平台部副總裁 Allan Lu

Pioneer 是一間跨国企業,專門從事數位娛樂,包括汽車電子和行動服務。Pioneer 以「讓更多的人聽到更感動的聲音」為公司理念,為客戶提供有助於提升日常生活品質的產品和服務。

「利用 Amazon SageMaker 和模型訓練功能,如自動模型調校,我們可以開發高度準確的機器學習模型,並繼續確保客戶的隱私。我們也希望同時對演算法和預先訓練的模型利用 AWS Marketplace for Machine Learning,來建置獲利平台。」

-  Pioneer 資訊服務工程部總經理 Kazuhiro Miyamoto


FreakOut 是一間致力於數位廣告的領先業界的技術公司。該公司提供透過網際網路廣告進行即時廣告庫存交易的產品,以及提供瀏覽 Web 的資料分析。FreakOut 利用機器學習預測點選率 (CTR) 和轉換率 (CVR)。

「我們正在將機器學習訓練環境從現場部署移轉至 Amazon SageMaker。Amazon SageMaker 為我們的業務提供了更容易擴展的解決方案。使用 Amazon SageMaker 的自動模型調校功能,我們可以根據需求最佳化和估計高度準確的模型。」

– FreakOut 首席技術官 Jiro Nishiguchi

Frame.io 是所有影片處理工作的中心。Frame.io 是影片檢閱的領導者並與全球 700,000 多家客戶協作,從自由職業者到企業,整個產業的影片專業人士都可在這裡檢閱、核准和提供影片。

 

「作為全球使用者可以存取的雲端原生影片檢閱和協作平台,我們必須為客戶提供一流的安全性。透過 Amazon SageMaker 內建的異常偵測模型,我們能夠利用機器學習來快速識別、偵測以及封鎖任何不想要的 IP 請求,以確保客戶的媒體始終保持安全和受到保護。開始使用 Amazon SageMaker、隨著時間的推移進行維護、在我們的平台上進行擴展,以及根據具體的工作流程而調整,一切是如此的簡單容易。另外,在 SageMaker 的 Jupyter 筆記本協助下,我們已經能夠試驗不同的模型,以提高精確度和召回率,讓 Frame.io 更加安全。」

– Frame.io 副總裁兼資訊安全主管 Abhinav Srivastava


Intercom 推出首重傳訊功能的產品,能順暢地與其他公司的網站和行動應用程式整合在一起,協助這些公司獲得客戶、與客戶交流,並支援客戶。這家公司於 2011 年創立,在舊金山、倫敦、芝加哥和都柏林都設有辦公室。

「我們的 Intercom 團隊日益擴大,本團隊是由資料科學家和資料導向工程師所組成,常希望能夠快速反覆運算,並探索資料驅動型產品的全新解決方案。在採用 Amazon SageMaker 之前,我們試過各式各樣的選項來打造產品,但每個選項都存在棘手之處,像是程式碼難以共用、在大型資料集上測試的速度緩慢,以及我們自行管理硬體時會發生問題。好在 SageMaker 及時出現,並為我們解決所有疑難雜症。我們特別利用 SageMaker 來開發搜尋平台用的演算法以及機器學習功能,而且我們發現 SageMaker 託管的 Jupyter Notebook 可讓我們快速建立和反覆運算。關鍵是,SageMaker 是受管服務,這讓我的團隊可以專注於手邊的工作。對 Intercom 來說,Amazon SageMaker 是極具價值的服務,隨著公司成長,我們迫不及待要繼續採用更多功能。

--Intercom 機器學習部門資深資料科學家 Kevin McNally

探索更多 Amazon SageMaker 功能

瀏覽功能頁面
準備好開始使用了嗎?
註冊
還有其他問題嗎?
聯絡我們