Η AWS γιορτάζει τα 5 χρόνια καινοτομίας με το Amazon SageMaker

Μέσα σε μόλις 5 χρόνια, δεκάδες χιλιάδες πελάτες έχουν πατήσει Amazon Sage Maker να δημιουργήσετε εκατομμύρια μοντέλα, να εκπαιδεύσετε μοντέλα με δισεκατομμύρια παραμέτρους και να δημιουργήσετε εκατοντάδες δισεκατομμύρια μηνιαίες προβλέψεις.

Οι σπόροι μιας αλλαγής παραδείγματος μηχανικής μάθησης (ML) ήταν εκεί για δεκαετίες, αλλά με την άμεση διαθεσιμότητα πρακτικά άπειρης υπολογιστικής χωρητικότητας, τον τεράστιο πολλαπλασιασμό δεδομένων και την ταχεία πρόοδο των τεχνολογιών ML, οι πελάτες σε όλες τις βιομηχανίες έχουν πλέον πρόσβαση στο μετασχηματιστικό της οφέλη. Για να εκμεταλλευτεί αυτή την ευκαιρία και να πάρει την ML από το ερευνητικό εργαστήριο και στα χέρια των οργανισμών, η AWS δημιούργησε το Amazon SageMaker. Φέτος, γιορτάζουμε την 5ετή επέτειο του Amazon SageMaker, της ναυαρχίδας μας πλήρως διαχειριζόμενης υπηρεσίας ML, η οποία παρουσιάστηκε στο AWS re:Invent 2017 και έγινε μία από τις ταχύτερα αναπτυσσόμενες υπηρεσίες στην ιστορία του AWS.

Η AWS ξεκίνησε το Amazon SageMaker για να καταρρίψει τα εμπόδια στην ML και να εκδημοκρατίσει την πρόσβαση σε τεχνολογία αιχμής. Σήμερα, αυτή η επιτυχία μπορεί να φαινόταν αναπόφευκτη, αλλά το 2017, η ML εξακολουθούσε να απαιτεί εξειδικευμένες δεξιότητες που συνήθως κατείχε μια περιορισμένη ομάδα προγραμματιστών, ερευνητών, διδακτορικών ή εταιρειών που έχτισαν την επιχείρησή τους γύρω από την ML. Προηγουμένως, οι προγραμματιστές και οι επιστήμονες δεδομένων έπρεπε πρώτα να οπτικοποιήσουν, να μετατρέψουν και να προεπεξεργαστούν δεδομένα σε μορφές που μπορούσαν να χρησιμοποιήσουν οι αλγόριθμοι για να εκπαιδεύσουν μοντέλα, τα οποία απαιτούσαν τεράστια ποσά υπολογιστικής ισχύος, μεγάλες περιόδους εκπαίδευσης και αποκλειστικές ομάδες για τη διαχείριση περιβαλλόντων που συχνά κάλυπταν πολλές GPU- ενεργοποιημένους διακομιστές—και έναν υγιή όγκο χειροκίνητου συντονισμού απόδοσης. Επιπλέον, η ανάπτυξη ενός εκπαιδευμένου μοντέλου μέσα σε μια εφαρμογή απαιτούσε ένα διαφορετικό σύνολο εξειδικευμένων δεξιοτήτων στο σχεδιασμό εφαρμογών και στα κατανεμημένα συστήματα. Καθώς τα σύνολα δεδομένων και οι μεταβλητές αυξάνονταν, οι εταιρείες έπρεπε να επαναλάβουν αυτή τη διαδικασία για να μάθουν και να εξελιχθούν από νέες πληροφορίες καθώς τα παλαιότερα μοντέλα έγιναν ξεπερασμένα. Αυτές οι προκλήσεις και τα εμπόδια σήμαιναν ότι η ML ήταν απρόσιτη στους περισσότερους, εκτός από καλά χρηματοδοτούμενους οργανισμούς και ερευνητικά ιδρύματα.

Η αυγή μιας νέας εποχής στη μηχανική μάθηση

Αυτός είναι ο λόγος για τον οποίο παρουσιάσαμε το Amazon SageMaker, τη ναυαρχίδα μας διαχειριζόμενη υπηρεσία ML που επιτρέπει σε προγραμματιστές, επιστήμονες δεδομένων και επιχειρησιακούς αναλυτές να προετοιμάζουν γρήγορα και εύκολα δεδομένα και να δημιουργούν, να εκπαιδεύουν και να αναπτύσσουν μοντέλα ML υψηλής ποιότητας σε κλίμακα. Τα τελευταία 5 χρόνια, προσθέσαμε περισσότερες από 250 νέες δυνατότητες και δυνατότητες, συμπεριλαμβανομένου του πρώτου ολοκληρωμένου περιβάλλοντος ανάπτυξης στον κόσμο (IDE) για ML, προγράμματα εντοπισμού σφαλμάτων, οθόνες μοντέλων, προφίλ, AutoML, χώρο αποθήκευσης χαρακτηριστικών, δυνατότητες χωρίς κώδικα και το πρώτο ειδικά σχεδιασμένο εργαλείο συνεχούς ενοποίησης και συνεχούς παράδοσης (CI/CD) για να κάνει το ML λιγότερο περίπλοκο και πιο επεκτάσιμο στο cloud και στις συσκευές αιχμής.

Το 2021, προωθήσαμε τον εκδημοκρατισμό ακόμη περισσότερο για να θέσουμε την ML σε προσιτότητα περισσότερων χρηστών. Το Amazon SageMaker επιτρέπει σε περισσότερες ομάδες ανθρώπων να δημιουργούν μοντέλα ML, συμπεριλαμβανομένου του περιβάλλοντος χωρίς κώδικα Καμβάς Amazon SageMaker για επιχειρησιακούς αναλυτές χωρίς εμπειρία ML, καθώς και ένα περιβάλλον ML χωρίς εγκατάσταση, χωρίς χρέωση για τους μαθητές να μαθαίνουν και να πειραματίζονται με την ML πιο γρήγορα.

Σήμερα, οι πελάτες μπορούν να καινοτομήσουν με το Amazon SageMaker μέσω μιας επιλογής εργαλείων—IDE για επιστήμονες δεδομένων και μια διεπαφή χωρίς κώδικα για επιχειρηματικούς αναλυτές. Μπορούν να έχουν πρόσβαση, να επισημαίνουν και να επεξεργάζονται μεγάλες ποσότητες δομημένων δεδομένων (δεδομένα πίνακα) και μη δομημένων δεδομένων (φωτογραφία, βίντεο και ήχος) για ML. Με το Amazon SageMaker, οι πελάτες μπορούν να μειώσουν τους χρόνους εκπαίδευσης από ώρες σε λεπτά με βελτιστοποιημένη υποδομή. Τέλος, οι πελάτες με τους οποίους μπορείτε να αυτοματοποιήσετε και να τυποποιήσετε τις πρακτικές των λειτουργιών μηχανικής μάθησης (MLOps) στον οργανισμό σας για να δημιουργήσουν, να εκπαιδεύσουν, να αναπτύξουν και να διαχειριστούν μοντέλα σε κλίμακα.

Νέα χαρακτηριστικά για την επόμενη γενιά καινοτομιών

Προχωρώντας προς τα εμπρός, η AWS συνεχίζει να αναπτύσσει επιθετικά νέες δυνατότητες που μπορούν να βοηθήσουν τους πελάτες να προχωρήσουν περαιτέρω το ML. Για παράδειγμα, τα τελικά σημεία πολλαπλών μοντέλων του Amazon SageMaker (MME) επιτρέπουν στους πελάτες να αναπτύξουν χιλιάδες μοντέλα ML σε ένα μόνο τελικό σημείο του Amazon SageMaker και να μειώσουν το κόστος μοιράζοντας παρουσίες που παρέχονται πίσω από ένα τελικό σημείο σε όλα τα μοντέλα. Μέχρι πρόσφατα, τα MME υποστηρίζονταν μόνο σε CPU, αλλά τα MME του Amazon SageMaker υποστηρίζουν πλέον GPU. Οι πελάτες μπορούν να χρησιμοποιήσουν το Amazon SageMaker MME για να αναπτύξουν μοντέλα βαθιάς εκμάθησης σε παρουσίες GPU και να εξοικονομήσουν έως και 90% του κόστους αναπτύσσοντας χιλιάδες μοντέλα βαθιάς εκμάθησης σε ένα τελικό σημείο πολλαπλών μοντέλων. Το Amazon SageMaker έχει επίσης επεκτείνει την υποστήριξη για βελτιστοποίηση υπολογιστών Amazon Elastic Compute Cloud (Amazon EC2) παρουσίες που υποστηρίζονται από AWS Graviton 2 και Graviton 3 επεξεργαστές, οι οποίοι είναι κατάλληλοι για εξαγωγή συμπερασμάτων ML που βασίζονται σε CPU, ώστε οι πελάτες να μπορούν να αναπτύξουν μοντέλα στον βέλτιστο τύπο παρουσίας για τον φόρτο εργασίας τους.

Οι πελάτες του Amazon SageMaker απελευθερώνουν τη δύναμη της μηχανικής μάθησης

Κάθε μέρα, πελάτες όλων των μεγεθών και όλων των βιομηχανιών στρέφονται στο Amazon SageMaker για να πειραματιστούν, να καινοτομήσουν και να αναπτύξουν μοντέλα ML σε λιγότερο χρόνο και με χαμηλότερο κόστος από ποτέ. Ως αποτέλεσμα, οι συζητήσεις μετατοπίζονται τώρα από την τέχνη του δυνατού στην απελευθέρωση νέων επιπέδων παραγωγικότητας με την ML. Σήμερα, πελάτες όπως η Capital One και η Fannie Mae στις χρηματοοικονομικές υπηρεσίες, η Philips και η AstraZeneca στην υγειονομική περίθαλψη και οι βιοεπιστήμες, η Conde Nast και η Thomson Reuters στα μέσα ενημέρωσης, το NFL και η Formula 1 στον αθλητισμό, η Amazon και η Mercado Libre στη λιανική και η Siemens και η Bayer στο ο βιομηχανικός τομέας χρησιμοποιεί υπηρεσίες ML στο AWS για να επιταχύνει την επιχειρηματική καινοτομία. Ενώνουν δεκάδες χιλιάδες άλλους πελάτες του Amazon SageMaker που χρησιμοποιούν την υπηρεσία για να διαχειρίζονται εκατομμύρια μοντέλα, να εκπαιδεύουν μοντέλα με δισεκατομμύρια παραμέτρους και να κάνουν εκατοντάδες δισεκατομμύρια προβλέψεις κάθε μήνα.

Περιμένουν περισσότερες καινοτομίες. Αλλά στο μεταξύ, σταματάμε για να φρυγανίσουμε τις πολλές επιτυχίες που έχουν επιτύχει οι πελάτες μας.

Thomson Reuters

Η Thomson Reuters, κορυφαίος πάροχος υπηρεσιών επιχειρηματικής πληροφόρησης, αξιοποιεί τη δύναμη του Amazon SageMaker για να δημιουργήσει πιο έξυπνες υπηρεσίες για τους πελάτες της.

«Αναζητούμε συνεχώς σταθερές λύσεις βασισμένες στην τεχνητή νοημοσύνη που προσφέρουν μακροπρόθεσμη θετική απόδοση επένδυσης», δήλωσε ο Danilo Tommasina, Διευθυντής Μηχανικής στα εργαστήρια Thomson Reuters. «Το Amazon SageMaker είναι κεντρικό στο έργο μας για την Ε&Α AI. Μας επιτρέπει να φέρουμε αποτελεσματικά την έρευνα σε ώριμες και εξαιρετικά αυτοματοποιημένες λύσεις. Με το Amazon SageMaker Studio, οι ερευνητές και οι μηχανικοί μπορούν να επικεντρωθούν στην επίλυση επιχειρηματικών προβλημάτων με όλα τα εργαλεία που χρειάζονται για τη ροή εργασιών ML σε ένα μόνο IDE. Εκτελούμε όλες τις δραστηριότητές μας ανάπτυξης ML, συμπεριλαμβανομένων των σημειωματάριων, της διαχείρισης πειραμάτων, του αυτοματισμού διοχέτευσης ML και του εντοπισμού σφαλμάτων απευθείας από το Amazon SageMaker Studio."

Salesforce

Η Salesforce, η κορυφαία πλατφόρμα CRM στον κόσμο, ανακοίνωσε πρόσφατα νέες ενσωματώσεις που θα επιτρέψουν τη χρήση του Amazon SageMaker μαζί με τον Einstein, την τεχνολογία AI της Salesforce.

«Το Salesforce Einstein είναι το πρώτο ολοκληρωμένο AI για CRM και δίνει τη δυνατότητα σε κάθε εταιρεία να γίνει πιο έξυπνη και πιο έξυπνη για τους πελάτες της μέσω ενός ολοκληρωμένου συνόλου τεχνολογιών τεχνητής νοημοσύνης για πωλήσεις, μάρκετινγκ, εμπόριο, υπηρεσίες και πληροφορική», δήλωσε ο Rahul Auradkar, EVP του Einstein. και Unified Data Services στο Salesforce. «Μία από τις μεγαλύτερες προκλήσεις που αντιμετωπίζουν οι εταιρείες σήμερα είναι ότι τα δεδομένα τους είναι σιλό. Είναι δύσκολο να συγκεντρωθούν δεδομένα για να επιτευχθεί η αφοσίωση των πελατών σε πραγματικό χρόνο σε όλα τα σημεία επαφής και να συλλεχθούν σημαντικές επιχειρηματικές πληροφορίες. Με την υποστήριξη της Genie, της πλατφόρμας δεδομένων πελατών σε πραγματικό χρόνο της Salesforce, η ενοποίηση Salesforce και Amazon SageMaker επιτρέπει στις ομάδες δεδομένων με απρόσκοπτη πρόσβαση σε ενοποιημένα και εναρμονισμένα δεδομένα πελατών για τη δημιουργία και την εκπαίδευση μοντέλων ML στο Amazon SageMaker. Και μόλις αναπτυχθούν, αυτά τα μοντέλα του Amazon SageMaker μπορούν να χρησιμοποιηθούν με τον Αϊνστάιν για να ενισχύσουν τις προβλέψεις και τις πληροφορίες σε όλη την πλατφόρμα Salesforce. Καθώς η τεχνητή νοημοσύνη εξελίσσεται, συνεχίζουμε να βελτιώνουμε τον Αϊνστάιν με το να φέρετε το δικό σας μοντέλο (BYOM) για να συναντάμε προγραμματιστές και επιστήμονες δεδομένων όπου εργάζονται».

Meta AI

Το Meta AI είναι ένα εργαστήριο τεχνητής νοημοσύνης που ανήκει στη Meta Platforms Inc.

«Η Meta AI συνεργάστηκε με το AWS για να βελτιώσει το torch.distributed για να βοηθήσει τους προγραμματιστές να κλιμακώσουν την εκπαίδευσή τους χρησιμοποιώντας το Amazon SageMaker και τις περιπτώσεις που βασίζονται στο Trainium», δήλωσε η Geeta Chauhan, Applied AI Engineering Manager στο Meta AI. «Με αυτές τις βελτιώσεις, έχουμε δει μείωση του χρόνου εκπαίδευσης για μεγάλα μοντέλα με βάση τις δοκιμές μας. Είμαστε ενθουσιασμένοι που βλέπουμε το Amazon SageMaker να υποστηρίζει την PyTorch να διανέμει εκπαίδευση για την επιτάχυνση της καινοτομίας ML."

Η Tyson Foods Inc.

Η Tyson Foods Inc., μια από τις μεγαλύτερες εταιρείες επεξεργασίας κρέατος και πωλητές κρέατος στον κόσμο, βασίζεται στο Amazon SageMaker, Amazon SageMaker Ground Αλήθεια, να Πανόραμα AWS για τη βελτίωση της αποτελεσματικότητας.

«Η λειτουργική αριστεία είναι βασική προτεραιότητα στην Tyson Foods», δήλωσε ο Barret Miller, Senior Manager of Emerging Technology στην Tyson Foods Inc. εργασίες επιρρεπείς σε σφάλματα. Συνεργαστήκαμε με το Amazon Machine Learning Solutions Lab για να δημιουργήσουμε ένα μοντέλο ανίχνευσης αντικειμένων τελευταίας τεχνολογίας χρησιμοποιώντας το Amazon SageMaker Ground Truth και το AWS Panorama. Με αυτήν τη λύση, λαμβάνουμε πληροφορίες σχεδόν σε πραγματικό χρόνο που μας βοηθούν να παράγουμε το απόθεμα που χρειαζόμαστε, ελαχιστοποιώντας παράλληλα τη σπατάλη».

Autodesk

Το AutoCAD είναι μια εμπορική εφαρμογή λογισμικού σχεδίασης και σύνταξης με τη βοήθεια υπολογιστή από την Autodesk. Το AutoCAD βασίζεται στο Amazon SageMaker για τη βελτιστοποίηση της παραγωγικής διαδικασίας σχεδιασμού του.

«Θέλαμε να δώσουμε τη δυνατότητα στους πελάτες του AutoCAD να είναι πιο αποτελεσματικοί παρέχοντας εξατομικευμένες συμβουλές χρήσης και πληροφορίες στη στιγμή, διασφαλίζοντας ότι ο χρόνος που περνούν στο AutoCAD είναι όσο το δυνατόν πιο παραγωγικός», δήλωσε η Dania El Hassan, Διευθύντρια Διαχείρισης Προϊόντων για το AutoCAD. , στο Autodesk. «Το Amazon SageMaker ήταν ένα ουσιαστικό εργαλείο που μας βοήθησε να παρέχουμε προληπτικές προτάσεις εντολών και συντομεύσεων στους χρήστες μας, επιτρέποντάς τους να επιτύχουν ισχυρά νέα σχεδιαστικά αποτελέσματα».

Torc.ai

Με τη βοήθεια του Amazon SageMaker και της βιβλιοθήκης κατανεμημένων παράλληλων δεδομένων (SMDDP) του Amazon SageMaker, Torc.ai, ηγέτης στα αυτόνομα οχήματα από το 2005, εμπορευματοποιεί αυτόνομα φορτηγά για ασφαλή, διαρκή, διαμετακόμιση μεγάλων αποστάσεων στη βιομηχανία εμπορευμάτων.

«Η ομάδα μου είναι πλέον σε θέση να εκτελεί εύκολα μεγάλης κλίμακας κατανεμημένες εργασίες εκπαίδευσης χρησιμοποιώντας εκπαίδευση μοντέλων Amazon SageMaker και τη βιβλιοθήκη κατανεμημένων δεδομένων παράλληλων δεδομένων (SMDDP), που περιλαμβάνει terabyte δεδομένων εκπαίδευσης και μοντέλα με εκατομμύρια παραμέτρους», δήλωσε ο Derek Johnson, Vice. Πρόεδρος Μηχανικών στο Torc.ai. «Το Amazon SageMaker διένειμε μοντέλα εκπαίδευσης και το SMDDP μας βοήθησαν να κλιμακώσουμε απρόσκοπτα χωρίς να χρειάζεται να διαχειριζόμαστε υποδομές εκπαίδευσης. Μείωσε τον χρόνο μας για εκπαίδευση μοντέλων από αρκετές ημέρες σε λίγες ώρες, επιτρέποντάς μας να συμπιέσουμε τον κύκλο σχεδιασμού μας και να φέρουμε νέες δυνατότητες αυτόνομων οχημάτων στον στόλο μας πιο γρήγορα από ποτέ.»

LG AI Research

Η LG AI Research στοχεύει να ηγηθεί της επόμενης εποχής της τεχνητής νοημοσύνης χρησιμοποιώντας το Amazon SageMaker για την ταχύτερη εκπαίδευση και ανάπτυξη μοντέλων ML.

«Πρόσφατα κάναμε το ντεμπούτο της Tilda, του καλλιτέχνη AI που υποστηρίζεται από το EXAONE, ένα σούπερ γιγαντιαίο σύστημα AI που μπορεί να επεξεργαστεί 250 εκατομμύρια σύνολα δεδομένων ζευγών εικόνας-κειμένου υψηλής ευκρίνειας», δήλωσε ο Seung Hwan Kim, Αντιπρόεδρος και επικεφαλής του Vision Lab στην LG AI Research. «Η πολυτροπική τεχνητή νοημοσύνη επιτρέπει στην Tilda να δημιουργήσει μια νέα εικόνα από μόνη της, με την ικανότητά της να εξερευνά πέρα ​​από τη γλώσσα που αντιλαμβάνεται. Το Amazon SageMaker ήταν απαραίτητο για την ανάπτυξη του EXAONE, λόγω των δυνατοτήτων κλιμάκωσης και κατανομής της εκπαίδευσης. Συγκεκριμένα, λόγω του τεράστιου υπολογισμού που απαιτείται για την εκπαίδευση αυτού του σούπερ γίγαντα AI, η αποτελεσματική παράλληλη επεξεργασία είναι πολύ σημαντική. Χρειαζόμασταν επίσης να διαχειριζόμαστε συνεχώς δεδομένα μεγάλης κλίμακας και να είμαστε ευέλικτοι για να ανταποκρινόμαστε σε δεδομένα που αποκτήθηκαν πρόσφατα. Χρησιμοποιώντας την εκπαίδευση μοντέλων του Amazon SageMaker και τις κατανεμημένες βιβλιοθήκες εκπαίδευσης, βελτιστοποιήσαμε την κατανεμημένη εκπαίδευση και εκπαιδεύσαμε το μοντέλο 59% πιο γρήγορα—χωρίς σημαντικές τροποποιήσεις στον εκπαιδευτικό μας κώδικα».

Προϊόντα νερού Mueller

Η Mueller Water Products κατασκευάζει μηχανικές βαλβίδες, πυροσβεστικούς κρουνούς, προϊόντα σύνδεσης και επισκευής σωλήνων, προϊόντα μέτρησης, λύσεις ανίχνευσης διαρροών και πολλά άλλα. Χρησιμοποίησε το Amazon SageMaker για να αναπτύξει μια καινοτόμο λύση ML για την ταχύτερη ανίχνευση διαρροών νερού.

«Είμαστε σε μια αποστολή να εξοικονομήσουμε 7.7 δισεκατομμύρια γαλόνια απώλειας νερού μέχρι το 2027», δήλωσε ο Dave Johnston, Διευθυντής Έξυπνης Υποδομής στη Mueller Water Products. «Χάρη στα μοντέλα ML που έχουν δημιουργηθεί στο Amazon SageMaker, έχουμε βελτιώσει την ακρίβεια του EchoShore-DX, του συστήματος ανίχνευσης ανωμαλιών που βασίζεται στην ακουστική. Ως αποτέλεσμα, μπορούμε να ενημερώνουμε τους πελάτες κοινής ωφέλειας γρηγορότερα όταν παρουσιάζεται διαρροή. Αυτή η λύση έχει εξοικονομήσει περίπου 675 εκατομμύρια γαλόνια νερού το 2021. Είμαστε ενθουσιασμένοι που θα συνεχίσουμε να χρησιμοποιούμε τις υπηρεσίες AWS ML για να βελτιώσουμε περαιτέρω το τεχνολογικό μας χαρτοφυλάκιο και να συνεχίσουμε να οδηγούμε την αποδοτικότητα και τη βιωσιμότητα με τους πελάτες μας.

canva

Η Canva, κατασκευαστής του δημοφιλούς διαδικτυακού εργαλείου σχεδιασμού και δημοσίευσης, βασίζεται στη δύναμη του Amazon SageMaker για γρήγορη εφαρμογή.

«Για να αναπτυχθεί η Canva σε κλίμακα, χρειαζόμασταν ένα εργαλείο που θα μας βοηθήσει να λανσάρουμε νέες λειτουργίες χωρίς καθυστερήσεις ή προβλήματα», δήλωσε ο Greg Roodt, Επικεφαλής των Πλατφορμών Δεδομένων της Canva. «Η προσαρμοστικότητα του Amazon SageMaker μας επέτρεψε να διαχειριζόμαστε περισσότερες εργασίες με λιγότερους πόρους, με αποτέλεσμα ταχύτερο και αποτελεσματικότερο φόρτο εργασίας. Έδωσε την σιγουριά στην ομάδα μηχανικών μας ότι τα χαρακτηριστικά που λανσάρουν θα κλιμακωθούν στην περίπτωση χρήσης τους. Με το Amazon SageMaker, αναπτύξαμε το μοντέλο κειμένου σε εικόνα σε 2 εβδομάδες χρησιμοποιώντας ισχυρή διαχειριζόμενη υποδομή και ανυπομονούμε να επεκτείνουμε αυτήν τη δυνατότητα στα εκατομμύρια των χρηστών μας στο εγγύς μέλλον.»

Inspire

Η Inspire, μια υπηρεσία πληροφόρησης υγειονομικής περίθαλψης με επίκεντρο τον καταναλωτή, βασίζεται στο Amazon SageMaker για την παροχή αξιόπιστων πληροφοριών για καλύτερη φροντίδα, θεραπείες και αποτελέσματα.

«Η μηχανή συστάσεων περιεχομένου μας αποτελεί βασικό μοχλό της πρότασης αξίας μας», δήλωσε ο Brian Loew, Διευθύνων Σύμβουλος και ιδρυτής της Inspire. «Το χρησιμοποιούμε για να κατευθύνουμε τους χρήστες μας (που ζουν με ιδιαίτερες συνθήκες) σε σχετικές και συγκεκριμένες αναρτήσεις ή άρθρα. Με το Amazon SageMaker, μπορούμε εύκολα να δημιουργήσουμε, να εκπαιδεύσουμε και να αναπτύξουμε μοντέλα βαθιάς εκμάθησης. Η εξελιγμένη λύση ML μας —που βασίζεται στο Amazon SageMaker— μας βοηθά να βελτιώσουμε την ικανότητα της μηχανής προτάσεων περιεχομένου να προτείνει σχετικό περιεχόμενο σε 2 εκατομμύρια εγγεγραμμένους χρήστες, αντλώντας από τη βιβλιοθήκη μας 1.5 δισεκατομμυρίων λέξεων υπό 3,600 συνθήκες. Το Amazon SageMaker μας έδωσε τη δυνατότητα να συνδέουμε με ακρίβεια ασθενείς και φροντιστές με πιο εξατομικευμένο περιεχόμενο και πόρους, συμπεριλαμβανομένων των πληροφοριών για σπάνιες ασθένειες και των οδών θεραπείας».

ResMed

Η ResMed είναι κορυφαίος πάροχος λύσεων που συνδέονται με το cloud για άτομα με υπνική άπνοια, ΧΑΠ, άσθμα και άλλες χρόνιες παθήσεις. Το 2014, η ResMed κυκλοφόρησε το MyAir, μια εξατομικευμένη πλατφόρμα διαχείρισης θεραπείας και εφαρμογή, για την παρακολούθηση της θεραπείας ύπνου από ασθενείς.

«Πριν από το Amazon SageMaker, όλοι οι χρήστες του MyAir λάμβαναν τα ίδια μηνύματα από την εφαρμογή την ίδια στιγμή, ανεξάρτητα από την κατάστασή τους», δήλωσε ο Badri Raghavan, Αντιπρόεδρος Επιστήμης Δεδομένων της ResMed. «Το Amazon SageMaker μας έδωσε τη δυνατότητα να αλληλεπιδράσουμε με ασθενείς μέσω του MyAir με βάση τη συγκεκριμένη συσκευή ResMed που χρησιμοποιούν, τις ώρες αφύπνισης και άλλα δεδομένα. Εκμεταλλευόμαστε πολλές δυνατότητες του Amazon SageMaker για να εκπαιδεύσουμε αγωγούς μοντέλων και να επιλέγουμε τύπους ανάπτυξης, συμπεριλαμβανομένων συμπερασμάτων σχεδόν σε πραγματικό χρόνο και παρτίδων, για να παρέχουμε προσαρμοσμένο περιεχόμενο. Το Amazon SageMaker μας έδωσε τη δυνατότητα να επιτύχουμε τον στόχο μας για ενσωμάτωση δυνατοτήτων ML παγκοσμίως, αναπτύσσοντας μοντέλα σε ημέρες ή εβδομάδες, αντί για μήνες."

Verisk

Η Verisk παρέχει αναλυτικές πληροφορίες βάσει δεδομένων ειδικών που βοηθούν τις επιχειρήσεις, τους ανθρώπους και τις κοινωνίες να γίνουν ισχυρότερες, πιο ανθεκτικές και βιώσιμες. Χρησιμοποιεί το Amazon SageMaker για να βελτιστοποιήσει τις ροές εργασίας ML.

«Η Verisk και η Vexcel συνεργάζονται στενά για την αποθήκευση και επεξεργασία τεράστιων ποσοτήτων δεδομένων στο AWS, συμπεριλαμβανομένων των δεδομένων αεροφωτογραφιών εξαιρετικά υψηλής ανάλυσης της Vexcel που καταγράφονται σε 26 χώρες σε όλο τον κόσμο», δήλωσε ο Jeffrey C. Taylor, Πρόεδρος της Verisk 3D Visual. Νοημοσύνη. "Το Amazon SageMaker μάς βοηθά να εξορθολογίσουμε το έργο που κάνουν οι ομάδες ML και MLOps, επιτρέποντάς μας να επικεντρωθούμε στην εξυπηρέτηση των αναγκών των πελατών μας, συμπεριλαμβανομένων των ενδιαφερομένων ακινήτων σε ασφάλειες, ακίνητα, κατασκευές και όχι μόνο."

Smartocto BV

Με τη βοήθεια του Amazon SageMaker, η Smartocto BV παρέχει αναλυτικά στοιχεία περιεχομένου που οδηγούνται από την ML σε 350 ειδησεογραφικές αίθουσες και εταιρείες πολυμέσων σε όλο τον κόσμο.

«Καθώς η επιχείρηση κλιμακωνόταν, χρειαζόμασταν να απλοποιήσουμε την ανάπτυξη των μοντέλων μας ML, να μειώσουμε το χρόνο στην αγορά και να επεκτείνουμε την προσφορά προϊόντων μας», δήλωσε ο Ilija Susa, Chief Data Officer της Smartocto. «Ωστόσο, ο συνδυασμός λύσεων ανοιχτού κώδικα και cloud για τη διαχείριση του φόρτου εργασίας ML μας ήταν ολοένα και πιο χρονοβόρος. Μεταφέραμε τα μοντέλα ML στα τελικά σημεία του Amazon SageMaker και, σε λιγότερο από 3 μήνες, παρουσιάσαμε το Smartify, μια νέα εγγενή λύση AWS. Το Smartify χρησιμοποιεί το Amazon SageMaker για να παρέχει προγνωστικά αναλυτικά στοιχεία σύνταξης σε σχεδόν πραγματικό χρόνο, τα οποία βοηθούν τους πελάτες να βελτιώσουν το περιεχόμενό τους και να επεκτείνουν το κοινό τους».

Visualfabriq

Η Visualfabriq προσφέρει μια λύση διαχείρισης εσόδων με εφαρμοσμένες δυνατότητες τεχνητής νοημοσύνης σε μερικές από τις κορυφαίες εταιρείες καταναλωτικών συσκευασμένων αγαθών στον κόσμο. Χρησιμοποιεί το Amazon SageMaker για να βελτιώσει την απόδοση και την ακρίβεια των μοντέλων ML σε κλίμακα.

«Θέλαμε να προσαρμόσουμε τη στοίβα τεχνολογίας μας για να βελτιώσουμε την απόδοση και την επεκτασιμότητα και να κάνουμε τα μοντέλα πιο εύκολα στην προσθήκη, ενημέρωση και επανεκπαίδευση», δήλωσε η Jelle Verstraaten, επικεφαλής της ομάδας για την πρόβλεψη ζήτησης, την τεχνητή νοημοσύνη και τη διαχείριση ανάπτυξης εσόδων στη Visualfabriq. «Ο μεγαλύτερος αντίκτυπος της μετάβασης στο Amazon SageMaker ήταν η σημαντική βελτίωση της απόδοσης της λύσης μας. Εκτελώντας συμπεράσματα σε αποκλειστικούς διακομιστές, αντί για διακομιστές ιστού, η λύση μας είναι πιο αποτελεσματική και το κόστος είναι συνεπές και διαφανές. Βελτιώσαμε τον χρόνο απόκρισης της υπηρεσίας πρόβλεψης ζήτησης—η οποία προβλέπει τον αντίκτυπο μιας προωθητικής ενέργειας στον όγκο πωλήσεων ενός λιανοπωλητή—κατά 200% και αναπτύξαμε μια επεκτάσιμη λύση που απαιτεί λιγότερη χειροκίνητη παρέμβαση και επιταχύνει την είσοδο νέων πελατών».

Sophos

Η Sophos, παγκόσμιος ηγέτης σε λύσεις και υπηρεσίες κυβερνοασφάλειας επόμενης γενιάς, χρησιμοποιεί το Amazon SageMaker για να εκπαιδεύσει τα μοντέλα ML της πιο αποτελεσματικά.

«Η πανίσχυρη τεχνολογία μας εντοπίζει και εξαλείφει αρχεία με πονηρό τρόπο με κακόβουλο λογισμικό», δήλωσε ο Konstantin Berlin, Επικεφαλής Τεχνητής Νοημοσύνης στη Sophos. «Η χρήση μοντέλων XGBoost για την επεξεργασία συνόλων δεδομένων μεγέθους πολλών terabyte, ωστόσο, ήταν εξαιρετικά χρονοβόρα - και μερικές φορές απλά δεν ήταν δυνατή με περιορισμένο χώρο μνήμης. Με την κατανεμημένη εκπαίδευση του Amazon SageMaker, μπορούμε να εκπαιδεύσουμε με επιτυχία ένα ελαφρύ μοντέλο XGBoost που είναι πολύ μικρότερο στο δίσκο (έως και 25 φορές μικρότερο) και στη μνήμη (έως πέντε φορές μικρότερο) από τον προκάτοχό του. Χρησιμοποιώντας τον αυτόματο συντονισμό μοντέλων του Amazon SageMaker και την κατανεμημένη εκπαίδευση σε Spot Instances, μπορούμε γρήγορα και πιο αποτελεσματικά να τροποποιήσουμε και να επανεκπαιδεύσουμε μοντέλα χωρίς να προσαρμόσουμε την υποκείμενη εκπαιδευτική υποδομή που απαιτείται για την κλιμάκωση σε τόσο μεγάλα σύνολα δεδομένων».

Northwestern University

Φοιτητές από το Πανεπιστήμιο Northwestern στο πρόγραμμα Master of Science in Artificial Intelligence (MSAI) ξεναγήθηκαν στο Amazon SageMaker Studio Lab πριν το χρησιμοποιήσετε κατά τη διάρκεια ενός hackathon.

«Η ευκολία χρήσης του Amazon SageMaker Studio Lab επέτρεψε στους μαθητές να εφαρμόσουν γρήγορα τις γνώσεις τους για να δημιουργήσουν δημιουργικές λύσεις», δήλωσε ο Mohammed Alam, Αναπληρωτής Διευθυντής του προγράμματος MSAI. «Περιμέναμε από τους μαθητές να χτυπήσουν φυσικά κάποια εμπόδια κατά τη διάρκεια του σύντομου διαγωνισμού των 5 ωρών. Αντίθετα, ξεπέρασαν τις προσδοκίες μας όχι μόνο ολοκληρώνοντας όλα τα έργα αλλά και δίνοντας εντυπωσιακές παρουσιάσεις στις οποίες εφάρμοσαν πολύπλοκες έννοιες ML σε σημαντικά προβλήματα του πραγματικού κόσμου».

Πολυτεχνείο Rensselaer

Το Rensselaer Polytechnic Institute (RPI), ένα τεχνολογικό ερευνητικό πανεπιστήμιο της Νέας Υόρκης, χρησιμοποιεί το Amazon SageMaker Studio για να βοηθήσει τους μαθητές να μάθουν γρήγορα έννοιες ML.

«Η RPI κατέχει έναν από τους πιο ισχυρούς υπερυπολογιστές στον κόσμο, αλλά η τεχνητή νοημοσύνη έχει μια απότομη καμπύλη μάθησης», δήλωσε ο Mohammed J. Zaki, Καθηγητής Επιστήμης Υπολογιστών. «Χρειαζόμασταν έναν τρόπο για τους μαθητές να ξεκινήσουν οικονομικά. Η διαισθητική διεπαφή του Amazon SageMaker Studio Lab επέτρεψε στους μαθητές μας να ξεκινήσουν γρήγορα και παρείχε μια ισχυρή GPU, δίνοντάς τους τη δυνατότητα να εργάζονται με πολύπλοκα μοντέλα βαθιάς μάθησης για τα έργα τους κορυφαία.

Ινστιτούτο Επαγγελματικής Εκπαίδευσης του Χονγκ Κονγκ

Το τμήμα Πληροφορικής του Ινστιτούτου Επαγγελματικής Εκπαίδευσης του Χονγκ Κονγκ (Lee Wai Lee) χρησιμοποιεί το Amazon SageMaker Studio Lab για να προσφέρει στους μαθητές ευκαιρίες να εργαστούν σε έργα ML σε πραγματικό κόσμο.

«Χρησιμοποιούμε το Amazon SageMaker Studio Lab σε βασικά μαθήματα που σχετίζονται με την ML και την Python που δίνουν στους μαθητές μια σταθερή βάση σε πολλές τεχνολογίες cloud», δήλωσε ο Cyrus Wong, Senior Lecturer. «Το Amazon SageMaker Studio Lab δίνει τη δυνατότητα στους μαθητές μας να αποκτήσουν πρακτική εμπειρία με έργα επιστήμης δεδομένων πραγματικού κόσμου, χωρίς να κολλήσουν σε ρυθμίσεις ή διαμορφώσεις. Σε αντίθεση με άλλους προμηθευτές, αυτή είναι μια μηχανή Linux για μαθητές, που τους επιτρέπει να κάνουν πολλές περισσότερες ασκήσεις κωδικοποίησης.»

MapmyIndia

Η MapmyIndia, ο κορυφαίος πάροχος ψηφιακών χαρτών, γεωχωρικού λογισμικού και τεχνολογιών Διαδικτύου των Πραγμάτων (IoT) που βασίζονται στην τοποθεσία της Ινδίας, χρησιμοποιεί το Amazon SageMaker για να δημιουργήσει, να εκπαιδεύσει και να αναπτύξει τα μοντέλα ML του.

«Το MapmyIndia και η παγκόσμια πλατφόρμα μας, Mappls, προσφέρουν ισχυρά, υψηλής ακρίβειας και παγκόσμια αναλυτικά στοιχεία τεχνητής νοημοσύνης και όρασης που βασίζονται σε δορυφόρους και εικόνες δρόμου για μια σειρά από περιπτώσεις χρήσης, όπως η μέτρηση της οικονομικής ανάπτυξης, η αύξηση του πληθυσμού, η γεωργία παραγωγή, κατασκευαστική δραστηριότητα, ανίχνευση πινακίδων, τμηματοποίηση γης και ανίχνευση αλλαγών δρόμου», δήλωσε ο Rohan Verma, Διευθύνων Σύμβουλος και Εκτελεστικός Διευθυντής της MapmyIndia. «Η ικανότητά μας να δημιουργούμε, να εκπαιδεύουμε και να αναπτύσσουμε μοντέλα με ταχύτητα και ακρίβεια, μας ξεχωρίζει. Είμαστε στην ευχάριστη θέση να συνεργαστούμε με το AWS για τις προσφορές μας AI/ML και είμαστε ενθουσιασμένοι με την ικανότητα του Amazon SageMaker να το κλιμακώσει γρήγορα.”

SatSure

Η SatSure, ηγέτης στην Ινδία σε λύσεις νοημοσύνης αποφάσεων που χρησιμοποιεί δεδομένα παρατήρησης της Γης για τη δημιουργία πληροφοριών, βασίζεται στο Amazon SageMaker για την προετοιμασία και την εκπαίδευση petabyte δεδομένων ML.

«Χρησιμοποιούμε το Amazon SageMaker για να θρυμματίσουμε petabyte συνόλων δεδομένων EO, GIS, χρηματοοικονομικών, κειμένων και επιχειρηματικών δεδομένων, χρησιμοποιώντας τις δυνατότητές του AI/ML για να καινοτομούμε και να κλιμακώνουμε γρήγορα τα μοντέλα μας», δήλωσε ο Prateep Basu, Διευθύνων Σύμβουλος της SatSure. «Χρησιμοποιούμε το AWS από το 2017 και έχουμε βοηθήσει χρηματοπιστωτικά ιδρύματα να δανείσουν σε περισσότερους από 2 εκατομμύρια αγρότες σε όλη την Ινδία, τη Νιγηρία και τις Φιλιππίνες, ενώ παρακολουθούμε 1 εκατομμύριο τετραγωνικά χιλιόμετρα σε εβδομαδιαία βάση».

Συμπέρασμα

Για να ξεκινήσετε με το Amazon SageMaker, επισκεφτείτε aws.amazon.com/sagemaker.

---

Σχετικά με το Συγγραφέας

Ankur Mehrotra εντάχθηκε στην Amazon το 2008 και σήμερα είναι ο Γενικός Διευθυντής του Amazon SageMaker. Πριν από το Amazon SageMaker, εργάστηκε στην κατασκευή των διαφημιστικών συστημάτων του Amazon.com και στην αυτοματοποιημένη τεχνολογία τιμολόγησης.