تحتفل AWS بخمس سنوات من الابتكار مع Amazon SageMaker

في غضون 5 سنوات فقط ، قام عشرات الآلاف من العملاء بالاستغلال الأمازون SageMaker لإنشاء ملايين النماذج ، وتدريب النماذج بمليارات من المعلمات ، وإنشاء مئات المليارات من التنبؤات الشهرية.

كانت بذور النقلة النوعية للتعلم الآلي (ML) موجودة منذ عقود ، ولكن مع التوافر الجاهز لقدرة حوسبة غير محدودة تقريبًا ، وانتشار هائل للبيانات ، والتقدم السريع لتقنيات تعلم الآلة ، أصبح بإمكان العملاء عبر الصناعات الآن الوصول إلى تحويلها فوائد. للاستفادة من هذه الفرصة وإخراج ML من معمل الأبحاث إلى أيدي المنظمات ، أنشأت AWS Amazon SageMaker. نحتفل هذا العام بالذكرى السنوية الخامسة لـ Amazon SageMaker ، وهي خدمة ML الرائدة المُدارة بالكامل ، والتي تم إطلاقها في AWS re: Invent 5 وأصبحت واحدة من أسرع الخدمات نموًا في تاريخ AWS.

أطلقت AWS برنامج Amazon SageMaker لكسر الحواجز التي تحول دون تعلم الآلة وإضفاء الطابع الديمقراطي على الوصول إلى أحدث التقنيات. اليوم ، ربما بدا هذا النجاح حتميًا ، ولكن في عام 2017 ، لا يزال تعلم الآلة يتطلب مهارات متخصصة تمتلكها عادةً مجموعة محدودة من المطورين أو الباحثين أو حاملي الدكتوراه أو الشركات التي بنت أعمالها حول تعلم الآلة. في السابق ، كان على المطورين وعلماء البيانات تصور البيانات وتحويلها ومعالجتها أولاً إلى تنسيقات يمكن أن تستخدمها الخوارزميات لتدريب النماذج ، الأمر الذي تطلب كميات هائلة من قوة الحوسبة ، وفترات تدريب طويلة ، وفرق مخصصة لإدارة البيئات التي غالبًا ما امتدت إلى عدة GPU- الخوادم الممكّنة - وكمية جيدة من ضبط الأداء اليدوي. بالإضافة إلى ذلك ، يتطلب نشر نموذج مدرب داخل تطبيق مجموعة مختلفة من المهارات المتخصصة في تصميم التطبيقات والأنظمة الموزعة. مع نمو مجموعات البيانات والمتغيرات ، كان على الشركات تكرار هذه العملية للتعلم والتطور من المعلومات الجديدة حيث أصبحت النماذج القديمة قديمة. كانت هذه التحديات والعوائق تعني أن ML كان بعيدًا عن متناول معظم المنظمات والمؤسسات البحثية ذات التمويل الجيد.

فجر حقبة جديدة في التعلم الآلي

لهذا السبب قدمنا ​​Amazon SageMaker ، الخدمة الرائدة التي نديرها تعلم الآلة والتي تمكن المطورين وعلماء البيانات ومحللي الأعمال من إعداد البيانات بسرعة وسهولة ، وبناء وتدريب ونشر نماذج تعلّم آلي عالية الجودة على نطاق واسع. في السنوات الخمس الماضية ، أضفنا أكثر من 5 ميزة وإمكانيات جديدة ، بما في ذلك أول بيئة تطوير متكاملة في العالم (IDE) لتعلم الآلة ، ومصححات الأخطاء ، وشاشات النماذج ، وملفات التعريف ، و AutoML ، ومتجر الميزات ، وإمكانيات عدم وجود رمز ، و أداة التكامل المستمر والتسليم المستمر (CI / CD) المصممة لهذا الغرض لجعل ML أقل تعقيدًا وأكثر قابلية للتوسع في السحابة وعلى الأجهزة المتطورة.

في عام 2021 ، قمنا بدفع الديمقراطية إلى أبعد من ذلك لجعل ML في متناول المزيد من المستخدمين. يمكّن Amazon SageMaker المزيد من مجموعات الأشخاص من إنشاء نماذج ML ، بما في ذلك بيئة عدم وجود كود في قماش أمازون سيج ميكر لمحللي الأعمال الذين ليس لديهم خبرة في تعلم الآلة ، بالإضافة إلى بيئة ML بدون إعداد وبدون تكلفة للطلاب لتعلم وتجربة ML بشكل أسرع.

اليوم ، يمكن للعملاء الابتكار مع Amazon SageMaker من خلال مجموعة مختارة من الأدوات - IDEs لعلماء البيانات وواجهة بدون كود لمحللي الأعمال. يمكنهم الوصول إلى كميات كبيرة من البيانات المنظمة (البيانات المجدولة) والبيانات غير المنظمة (الصور والفيديو والصوت) وتسميتها ومعالجتها لـ ML. باستخدام Amazon SageMaker ، يمكن للعملاء تقليل أوقات التدريب من ساعات إلى دقائق باستخدام بنية تحتية مُحسَّنة. أخيرًا ، يمكنك للعملاء أتمتة وتوحيد ممارسات عمليات التعلم الآلي (MLOps) عبر مؤسستك لبناء النماذج وتدريبها ونشرها وإدارتها على نطاق واسع.

ميزات جديدة للجيل القادم من الابتكار

من الآن فصاعدًا ، تواصل AWS تطوير ميزات جديدة بقوة يمكن أن تساعد العملاء على المضي قدمًا في تعلم الآلة. على سبيل المثال ، تتيح نقاط النهاية متعددة النماذج (MME) من Amazon SageMaker للعملاء نشر الآلاف من نماذج ML على نقطة نهاية Amazon SageMaker واحدة وخفض التكاليف من خلال مشاركة المثيلات المتوفرة خلف نقطة نهاية عبر جميع النماذج. حتى وقت قريب ، كانت MMEs مدعومة فقط على وحدات المعالجة المركزية ، لكن Amazon SageMaker MMEs تدعم الآن وحدات معالجة الرسومات. يمكن للعملاء استخدام Amazon SageMaker MME لنشر نماذج التعلم العميق على مثيلات GPU وتوفير ما يصل إلى 90٪ من التكلفة عن طريق نشر الآلاف من نماذج التعلم العميق في نقطة نهاية متعددة النماذج. قامت Amazon SageMaker أيضًا بتوسيع دعمها للحوسبة المحسّنة الأمازون الحوسبة المرنة السحابية (Amazon EC2) يتم تشغيل مثيلاته بواسطة AWS Graviton 2 و Graviton 3 معالجات مناسبة تمامًا لاستدلال التعلم الآلي المعتمد على وحدة المعالجة المركزية ، بحيث يمكن للعملاء نشر النماذج على نوع المثيل الأمثل لأحمال العمل الخاصة بهم.

يطلق عملاء Amazon SageMaker العنان لقوة التعلم الآلي

كل يوم ، يلجأ العملاء من جميع الأحجام وفي جميع الصناعات إلى Amazon SageMaker لتجربة نماذج تعلم الآلة وابتكارها ونشرها في وقت أقل وبتكلفة أقل من أي وقت مضى. نتيجة لذلك ، تتحول المحادثات الآن من فن الممكن إلى إطلاق مستويات جديدة من الإنتاجية باستخدام ML. اليوم ، عملاء مثل Capital One و Fannie Mae في الخدمات المالية ، و Philips و AstraZeneca في مجال الرعاية الصحية وعلوم الحياة ، و Conde Nast و Thomson Reuters في وسائل الإعلام ، و NFL و Formula 1 في مجال الرياضة ، و Amazon و Mercado Libre في البيع بالتجزئة ، و Siemens و Bayer في يستخدم القطاع الصناعي خدمات ML على AWS لتسريع ابتكار الأعمال. ينضمون إلى عشرات الآلاف من عملاء Amazon SageMaker الآخرين الذين يستخدمون الخدمة لإدارة ملايين النماذج ، وتدريب النماذج بمليارات المعلمات ، وإجراء مئات المليارات من التنبؤات كل شهر.

المزيد من الابتكارات في انتظارك. ولكن في غضون ذلك ، نتوقف قليلاً لنحمص النجاحات العديدة التي حققها عملاؤنا.

طومسون رويترز

تستغل Thomson Reuters ، المزود الرائد لخدمات معلومات الأعمال ، قوة Amazon SageMaker لإنشاء خدمات أكثر سهولة لعملائها.

قال Danilo Tommasina ، مدير الهندسة في Thomson Reuters Labs: "نسعى باستمرار إلى إيجاد حلول قوية قائمة على الذكاء الاصطناعي والتي توفر عائدًا إيجابيًا طويل الأجل على الاستثمار". "تعد Amazon SageMaker عنصرًا أساسيًا في عمل البحث والتطوير في مجال الذكاء الاصطناعي. إنه يسمح لنا بإجراء البحوث بشكل فعال في الحلول الناضجة والآلية للغاية. باستخدام Amazon SageMaker Studio ، يمكن للباحثين والمهندسين التركيز على حل مشكلات العمل باستخدام جميع الأدوات اللازمة لسير عمل ML الخاص بهم في IDE واحد. نقوم بتنفيذ جميع أنشطة تطوير ML ، بما في ذلك أجهزة الكمبيوتر المحمولة ، وإدارة التجارب ، وأتمتة خطوط أنابيب ML ، وتصحيح الأخطاء مباشرةً من داخل Amazon SageMaker Studio ".

ساليسفورسي

أعلنت Salesforce ، منصة CRM الرائدة عالميًا ، مؤخرًا عن عمليات تكامل جديدة ستمكن من استخدام Amazon SageMaker جنبًا إلى جنب مع Einstein ، تقنية الذكاء الاصطناعي الخاصة بـ Salesforce.

قال راهول أورادكار ، نائب الرئيس التنفيذي لأينشتاين: "إن Salesforce Einstein هو أول ذكاء اصطناعي شامل لإدارة علاقات العملاء ويمكّن كل شركة من أن تصبح أكثر ذكاءً وأكثر تنبؤية بشأن عملائها من خلال مجموعة متكاملة من تقنيات الذكاء الاصطناعي للمبيعات والتسويق والتجارة والخدمات وتكنولوجيا المعلومات". وخدمات البيانات الموحدة في Salesforce. "أحد أكبر التحديات التي تواجهها الشركات اليوم هو عزل بياناتها. من الصعب تجميع البيانات معًا لتقديم مشاركة العملاء في الوقت الفعلي عبر جميع نقاط الاتصال والحصول على رؤى تجارية هادفة. بدعم من Genie ، النظام الأساسي لبيانات العملاء في الوقت الفعلي من Salesforce ، يتيح تكامل Salesforce و Amazon SageMaker لفرق البيانات الوصول السلس إلى بيانات العملاء الموحدة والمنسقة لبناء وتدريب نماذج ML في Amazon SageMaker. وبمجرد نشرها ، يمكن استخدام نماذج Amazon SageMaker هذه مع أينشتاين لتعزيز التوقعات والرؤى عبر منصة Salesforce. مع تطور الذكاء الاصطناعي ، نواصل تعزيز أينشتاين من خلال إحضار النمذجة الخاصة بك (BYOM) للالتقاء بالمطورين وعلماء البيانات في مكان عملهم ".

ميتا AI

Meta AI هو مختبر ذكاء اصطناعي تابع لشركة Meta Platforms Inc.

قالت جيتا تشوهان ، مديرة هندسة الذكاء الاصطناعي التطبيقي في Meta AI: "تعاونت Meta AI مع AWS لتحسين torch. تم توزيعه لمساعدة المطورين على توسيع نطاق تدريبهم باستخدام المثيلات المستندة إلى Amazon SageMaker و Trainium". "من خلال هذه التحسينات ، شهدنا انخفاضًا في وقت التدريب للنماذج الكبيرة بناءً على اختباراتنا. نحن متحمسون لرؤية Amazon SageMaker يدعم التدريب الموزع من PyTorch لتسريع ابتكار تعلم الآلة. "

شركة تايسون فودز

تعتمد شركة Tyson Foods Inc. ، إحدى أكبر شركات معالجة اللحوم وتسويقها في العالم ، على Amazon SageMaker ، الحقيقة الأمازون SageMaker الأرضو أوس بانوراما لتحسين الكفاءات.

قال باريت ميلر ، المدير الأول للتكنولوجيا الناشئة في شركة Tyson Foods Inc. ، "يعد التميز التشغيلي أولوية رئيسية في Tyson Foods". "نحن نستخدم رؤية الكمبيوتر المدعومة من ML على AWS لتحسين كفاءة الإنتاج ، وأتمتة العمليات ، وتحسين الوقت المستغرق أو المهام المعرضة للخطأ. لقد تعاونا مع Amazon Machine Learning Solutions Lab لإنشاء نموذج متطور لاكتشاف الكائنات باستخدام Amazon SageMaker Ground Truth و AWS Panorama. من خلال هذا الحل ، نتلقى رؤى في الوقت الفعلي تقريبًا تساعدنا في إنتاج المخزون الذي نحتاجه مع تقليل النفايات ".

أوتوديسك

AutoCAD هو تطبيق برمجيات تصميم وصياغة بمساعدة الكمبيوتر من Autodesk. يعتمد AutoCAD على Amazon SageMaker لتحسين عملية التصميم التوليدي.

قالت دانيا الحسن ، مديرة إدارة المنتجات في AutoCAD: "أردنا تمكين عملاء AutoCAD ليكونوا أكثر كفاءة من خلال توفير نصائح وإحصاءات استخدام مخصصة في الوقت الحالي ، مما يضمن أن الوقت الذي يقضونه في AutoCAD يكون مثمرًا قدر الإمكان" ، في أوتوديسك. "كانت Amazon SageMaker أداة أساسية ساعدتنا في توفير أوامر استباقية وتوصيات مختصرة لمستخدمينا ، مما سمح لهم بتحقيق نتائج تصميم جديدة قوية."

Torc.ai

بمساعدة Amazon SageMaker ومكتبة Amazon SageMaker الموزعة للبيانات المتوازية (SMDDP) ، Torc.ai، شركة رائدة في مجال المركبات المستقلة منذ عام 2005 ، تقوم بتسويق الشاحنات ذاتية القيادة من أجل عبور آمن ومستدام وطويل المدى في صناعة الشحن.

قال ديريك جونسون ، نائب نائب الرئيس: "أصبح فريقي قادرًا الآن على تشغيل وظائف التدريب الموزعة على نطاق واسع بسهولة باستخدام تدريب نموذج Amazon SageMaker ومكتبة Amazon SageMaker الموزعة للبيانات المتوازية (SMDDP) ، والتي تتضمن تيرابايت من بيانات التدريب والنماذج ذات الملايين من المعلمات" رئيس قسم الهندسة في Torc.ai. "لقد ساعدتنا Amazon SageMaker على توزيع تدريب النموذج و SMDDP على التوسع بسلاسة دون الحاجة إلى إدارة البنية التحتية للتدريب. لقد قلل من وقتنا لتدريب النماذج من عدة أيام إلى بضع ساعات ، مما مكننا من ضغط دورة التصميم الخاصة بنا وتقديم إمكانات جديدة للمركبة المستقلة لأسطولنا بشكل أسرع من أي وقت مضى ".

أبحاث LG AI

تهدف LG AI Research إلى قيادة الحقبة التالية من الذكاء الاصطناعي باستخدام Amazon SageMaker لتدريب نماذج ML ونشرها بشكل أسرع.

قال Seung Hwan Kim ، نائب الرئيس ورئيس مختبر Vision في LG AI Research: "لقد أطلقنا مؤخرًا تيلدا ، فنان الذكاء الاصطناعي المدعوم من EXAONE ، وهو نظام ذكاء اصطناعي عملاق للغاية يمكنه معالجة 250 مليون مجموعة بيانات زوجية من الصور عالية الوضوح". "يسمح الذكاء الاصطناعي متعدد الوسائط لـ Tilda بإنشاء صورة جديدة بنفسها ، مع قدرتها على استكشاف ما وراء اللغة التي تتصورها. كان Amazon SageMaker ضروريًا في تطوير EXAONE ، نظرًا لقدراته على التوسع والتدريب الموزع. على وجه التحديد ، نظرًا للحسابات الهائلة المطلوبة لتدريب هذا الذكاء الاصطناعي العملاق ، فإن المعالجة المتوازية الفعالة مهمة جدًا. احتجنا أيضًا إلى إدارة البيانات واسعة النطاق بشكل مستمر والتحلي بالمرونة للاستجابة للبيانات التي تم الحصول عليها حديثًا. باستخدام تدريب نموذج Amazon SageMaker ومكتبات التدريب الموزعة ، قمنا بتحسين التدريب الموزع وتدريب النموذج بشكل أسرع بنسبة 59٪ - بدون تعديلات كبيرة على كود التدريب الخاص بنا. "

منتجات مياه مولر

تقوم شركة Mueller Water Products بتصنيع الصمامات الهندسية ، وحنفيات الحريق ، ووصلات الأنابيب ومنتجات الإصلاح ، ومنتجات القياس ، وحلول الكشف عن التسرب ، والمزيد. استخدمت Amazon SageMaker لتطوير حل ML مبتكر لاكتشاف تسرب المياه بشكل أسرع.

قال ديف جونستون ، مدير البنية التحتية الذكية في Mueller Water Products: "نحن في مهمة لتوفير 7.7 مليار جالون من المياه المفقودة بحلول عام 2027". "بفضل نماذج ML المبنية على Amazon SageMaker ، قمنا بتحسين دقة EchoShore-DX ، نظامنا لاكتشاف الشذوذ الصوتي. نتيجة لذلك ، يمكننا إبلاغ عملاء المرافق بشكل أسرع عند حدوث تسرب. لقد وفر هذا الحل ما يقدر بـ 675 مليون جالون من المياه في عام 2021. ونحن متحمسون لمواصلة استخدام خدمات AWS ML لتعزيز محفظة التكنولوجيا لدينا ومواصلة دفع الكفاءة والاستدامة مع عملاء المرافق لدينا. "

Canva

تعتمد Canva ، التي تصنع أداة التصميم والنشر الشهيرة عبر الإنترنت ، على قوة Amazon SageMaker في التنفيذ السريع.

قال Greg Roodt ، رئيس منصات البيانات في Canva: "لكي تنمو Canva على نطاق واسع ، كنا بحاجة إلى أداة لمساعدتنا في إطلاق ميزات جديدة دون أي تأخير أو مشاكل". "سمحت لنا قابلية التكيف Amazon SageMaker بإدارة المزيد من المهام بموارد أقل ، مما أدى إلى عبء عمل أسرع وأكثر كفاءة. لقد منح فريقنا الهندسي الثقة في أن الميزات التي يطلقونها ستتناسب مع حالة الاستخدام الخاصة بهم. مع Amazon SageMaker ، نشرنا نموذج تحويل النص إلى صورة في أسبوعين باستخدام بنية أساسية قوية مُدارة ، ونتطلع إلى توسيع هذه الميزة لملايين المستخدمين لدينا في المستقبل القريب ".

ألهم

تعتمد Inspire ، وهي خدمة معلومات رعاية صحية تركز على المستهلك ، على Amazon SageMaker لتقديم رؤى قابلة للتنفيذ من أجل رعاية وعلاجات ونتائج أفضل.

قال Brian Loew ، الرئيس التنفيذي ومؤسس Inspire: "محرك توصيات المحتوى الخاص بنا هو المحرك الرئيسي لعرض القيمة لدينا". "نحن نستخدمه لتوجيه مستخدمينا (الذين يعيشون في ظروف معينة) إلى منشورات أو مقالات ذات صلة ومحددة. باستخدام Amazon SageMaker ، يمكننا بسهولة إنشاء نماذج التعلم العميق وتدريبها ونشرها. يساعدنا حل ML المتطور - المستند إلى Amazon SageMaker - على تحسين قدرة محرك توصية المحتوى الخاص بنا على اقتراح محتوى ذي صلة إلى مليوني مستخدم مسجل ، من خلال سحب 2 مليار كلمة من مكتبتنا التي تحتوي على 1.5 شرط. لقد مكنتنا Amazon SageMaker من ربط المرضى ومقدمي الرعاية بدقة بمحتوى وموارد أكثر تخصيصًا - بما في ذلك معلومات الأمراض النادرة ومسارات العلاج ".

ResMed

ResMed هي المزود الرائد للحلول المتصلة بالسحابة للأشخاص الذين يعانون من توقف التنفس أثناء النوم ومرض الانسداد الرئوي المزمن والربو والحالات المزمنة الأخرى. في عام 2014 ، أطلقت ResMed MyAir ، وهي منصة وتطبيق مخصص لإدارة العلاج ، للمرضى لتتبع علاج النوم.

قال بدري راغافان ، نائب رئيس علوم البيانات في ResMed: "قبل Amazon SageMaker ، تلقى جميع مستخدمي MyAir الرسائل نفسها من التطبيق في نفس الوقت ، بغض النظر عن حالتهم". "لقد مكّننا Amazon SageMaker من التفاعل مع المرضى من خلال MyAir استنادًا إلى جهاز ResMed المحدد الذي يستخدمونه ، وساعات الاستيقاظ ، والبيانات السياقية الأخرى. نحن نستفيد من العديد من ميزات Amazon SageMaker لتدريب خطوط الأنابيب النموذجية واختيار أنواع النشر ، بما في ذلك الاستدلالات شبه اللحظية والدُفعية ، لتقديم محتوى مخصص. لقد مكنتنا Amazon SageMaker من تحقيق هدفنا المتمثل في تضمين إمكانات تعلم الآلة في جميع أنحاء العالم من خلال نشر النماذج في أيام أو أسابيع ، بدلاً من شهور. "

فيريسك

توفر Verisk رؤى تحليلية قائمة على البيانات من الخبراء والتي تساعد الأعمال والأفراد والمجتمعات على أن تصبح أقوى وأكثر مرونة واستدامة. يستخدم Amazon SageMaker لتبسيط سير عمل تعلم الآلة.

قال جيفري سي. الذكاء. "تساعدنا Amazon SageMaker على تبسيط العمل الذي تقوم به فرق ML و MLOps ، مما يسمح لنا بالتركيز على تلبية احتياجات عملائنا ، بما في ذلك أصحاب المصلحة في العقارات في مجالات التأمين والعقارات والبناء وغير ذلك."

سمارتوكتو بي في

بمساعدة Amazon SageMaker ، توفر Smartocto BV تحليلات المحتوى التي يقودها ML إلى 350 غرفة أخبار وشركات إعلامية حول العالم.

قال إليجا سوسا ، كبير مسؤولي البيانات في Smartocto: "نظرًا لتوسيع نطاق الأعمال ، احتجنا إلى تبسيط نشر نماذج ML الخاصة بنا ، وتقليل الوقت اللازم للتسويق ، وتوسيع عرض منتجاتنا". "ومع ذلك ، فإن الجمع بين الحلول مفتوحة المصدر والحلول السحابية للاستضافة الذاتية لأعباء عمل ML الخاصة بنا كانت تستغرق وقتًا طويلاً لإدارتها. لقد قمنا بترحيل نماذج ML الخاصة بنا إلى نقاط نهاية Amazon SageMaker ، وفي أقل من 3 أشهر ، أطلقنا Smartify ، وهو حل جديد أصلي من AWS. يستخدم Smartify Amazon SageMaker لتقديم تحليلات تحريرية تنبؤية في الوقت الفعلي تقريبًا ، مما يساعد العملاء على تحسين المحتوى الخاص بهم وتوسيع نطاق جمهورهم ".

فيسوالفابريك

تقدم Visualfabriq حلاً لإدارة الإيرادات مع إمكانات الذكاء الاصطناعي التطبيقية لبعض شركات السلع الاستهلاكية المعبأة الرائدة في العالم. يستخدم Amazon SageMaker لتحسين أداء ودقة نماذج ML على نطاق واسع.

قالت Jelle Verstraaten ، رئيسة فريق توقعات الطلب والذكاء الاصطناعي وإدارة نمو الإيرادات في Visualfabriq: "أردنا تكييف مجموعة التكنولوجيا لدينا لتحسين الأداء وقابلية التوسع وتسهيل إضافة النماذج وتحديثها وإعادة تدريبها". "كان أكبر تأثير للترحيل إلى Amazon SageMaker هو تحسين أداء الحل الذي نقدمه بشكل كبير. من خلال تشغيل الاستنتاجات على خوادم مخصصة ، بدلاً من خوادم الويب ، يكون حلنا أكثر كفاءة ، وتكون التكاليف متسقة وشفافة. لقد قمنا بتحسين وقت استجابة خدمة التنبؤ بالطلب الخاصة بنا - والتي تتنبأ بتأثير إجراء ترويجي على حجم مبيعات بائع التجزئة - بنسبة 200٪ ، ونشرنا حلاً قابلاً للتطوير يتطلب تدخلاً يدويًا أقل ويسرع من استيعاب العملاء الجدد ".

سوفوس

تستخدم Sophos ، الشركة الرائدة عالميًا في حلول وخدمات الأمن السيبراني من الجيل التالي ، Amazon SageMaker لتدريب نماذج ML الخاصة بها بشكل أكثر كفاءة.

قال كونستانتين برلين ، رئيس قسم الذكاء الاصطناعي في Sophos: "تكتشف تقنيتنا القوية وتقضي على الملفات المربوطة ببرامج ضارة ببراعة". ومع ذلك ، فإن استخدام نماذج XGBoost لمعالجة مجموعات بيانات متعددة الحجم تيرابايت يستغرق وقتًا طويلاً للغاية - وأحيانًا لا يكون ذلك ممكنًا مع مساحة الذاكرة المحدودة. من خلال التدريب الموزع من Amazon SageMaker ، يمكننا بنجاح تدريب نموذج XGBoost خفيف الوزن يكون أصغر بكثير على القرص (يصل إلى 25 مرة أصغر) وفي الذاكرة (حتى خمس مرات أصغر) من سابقه. باستخدام الضبط التلقائي للنموذج Amazon SageMaker والتدريب الموزع على Spot Instances ، يمكننا تعديل النماذج وإعادة تدريبها بسرعة وبفعالية أكبر دون تعديل البنية الأساسية للتدريب الأساسية المطلوبة للتوسع في مجموعات البيانات الكبيرة هذه. "

جامعة نورث وسترن

حصل طلاب من جامعة نورث وسترن في برنامج ماجستير العلوم في الذكاء الاصطناعي (MSAI) على جولة في مختبر استوديو Amazon SageMaker قبل استخدامه خلال الهاكاثون.

قال محمد علم ، نائب مدير برنامج MSAI ، "إن سهولة استخدام Amazon SageMaker Studio Lab مكنت الطلاب من تطبيق ما تعلموه بسرعة لبناء حلول إبداعية". "توقعنا أن يواجه الطلاب بعض العقبات بشكل طبيعي خلال المنافسة القصيرة التي تستغرق 5 ساعات. وبدلاً من ذلك ، فقد تجاوزوا توقعاتنا ليس فقط من خلال إكمال جميع المشاريع ولكن أيضًا بتقديم عروض تقديمية رائعة قاموا فيها بتطبيق مفاهيم معقدة لتعلم الآلة على مشاكل مهمة في العالم الحقيقي ".

رينسيلار معهد البوليتكنيك

يستخدم معهد Rensselaer Polytechnic Institute (RPI) ، وهو جامعة أبحاث تكنولوجية في نيويورك ، Amazon SageMaker Studio لمساعدة الطلاب على تعلم مفاهيم تعلم الآلة بسرعة.

قال محمد زكي ، أستاذ علوم الكمبيوتر: "تمتلك RPI واحدًا من أقوى أجهزة الكمبيوتر العملاقة في العالم ، لكن الذكاء الاصطناعي لديه منحنى تعليمي حاد". "كنا بحاجة إلى وسيلة للطلاب لبدء فعالية من حيث التكلفة. مكّنت واجهة Amazon SageMaker Studio Lab البديهية طلابنا من البدء بسرعة وقدمت وحدة معالجة رسومات قوية ، مما يمكنهم من العمل مع نماذج التعلم العميق المعقدة لمشاريعهم النهائية ".

معهد هونغ كونغ للتعليم المهني

يستخدم قسم تكنولوجيا المعلومات في معهد هونغ كونغ للتعليم المهني (Lee Wai Lee) مختبر Amazon SageMaker Studio Lab لتقديم فرص للطلاب للعمل في مشاريع تعلم الآلة في العالم الحقيقي.

قال Cyrus Wong ، كبير المحاضرين: "نستخدم Amazon SageMaker Studio Lab في الدورات التدريبية الأساسية المتعلقة بـ ML و Python والتي تمنح الطلاب أساسًا متينًا في العديد من تقنيات السحابة". "يتيح Amazon SageMaker Studio Lab لطلابنا الحصول على خبرة عملية في مشروعات علوم البيانات الواقعية ، دون التورط في الإعدادات أو التكوينات. على عكس البائعين الآخرين ، يعد هذا أحد أجهزة Linux للطلاب ، مما يمكنهم من القيام بالعديد من تمارين الترميز. "

MapmyIndia

تستخدم MapmyIndia ، المزود الرائد في الهند للخرائط الرقمية والبرامج الجغرافية المكانية وتقنيات إنترنت الأشياء القائمة على الموقع (IoT) ، Amazon SageMaker لبناء وتدريب ونشر نماذج ML الخاصة بها.

"تقدم MapmyIndia ومنصتنا العالمية ، Mappls ، ذكاء اصطناعيًا قويًا وعالي الدقة وعالميًا وتحليلات قائمة على صور الأقمار الصناعية والشوارع تعتمد على الرؤية الحاسوبية لمجموعة من حالات الاستخدام ، مثل قياس التنمية الاقتصادية والنمو السكاني والزراعة قال روهان فيرما ، الرئيس التنفيذي والمدير التنفيذي في MapmyIndia: "إن قدرتنا على إنشاء النماذج وتدريبها ونشرها بسرعة ودقة تجعلنا متميزين. يسعدنا أن نتشارك مع AWS في عروض الذكاء الاصطناعي / التعلم الآلي ، ونحن متحمسون بشأن قدرة Amazon SageMaker على توسيع نطاق ذلك بسرعة ".

إشباع

تعتمد شركة SatSure ، وهي شركة رائدة مقرها الهند في حلول استخبارات القرار باستخدام بيانات مراقبة الأرض لتكوين رؤى ، على Amazon SageMaker لإعداد وتدريب وحدات بيتابايت من بيانات ML.

قال براتيب باسو ، الرئيس التنفيذي في SatSure: "نستخدم Amazon SageMaker لسحق بيتابايتات من مجموعات بيانات EO و GIS والمالية والنصية والتجارية ، وذلك باستخدام قدرات الذكاء الاصطناعي / تعلم الآلة لابتكار نماذجنا وتوسيع نطاقها بسرعة". "نحن نستخدم AWS منذ عام 2017 ، وساعدنا المؤسسات المالية على إقراض أكثر من مليوني مزارع في جميع أنحاء الهند ونيجيريا والفلبين ، مع مراقبة مليون كيلومتر مربع على أساس أسبوعي."

وفي الختام

لبدء استخدام Amazon SageMaker ، تفضل بزيارة aws.amazon.com/sagemaker.

---

عن المؤلف

انكور ميهروترا انضم إلى Amazon مرة أخرى في عام 2008 ويشغل حاليًا منصب المدير العام لشركة Amazon SageMaker. قبل Amazon SageMaker ، عمل على بناء أنظمة إعلانات Amazon.com وتكنولوجيا التسعير الآلي.