AWS celebra 5 años de innovación con Amazon SageMaker

En solo 5 años, decenas de miles de clientes han aprovechado Amazon SageMaker para crear millones de modelos, entrenar modelos con miles de millones de parámetros y generar cientos de miles de millones de predicciones mensuales.

Las semillas de un cambio de paradigma de aprendizaje automático (ML) estuvieron allí durante décadas, pero con la disponibilidad inmediata de una capacidad de cómputo virtualmente infinita, una proliferación masiva de datos y el rápido avance de las tecnologías ML, los clientes de todas las industrias ahora tienen acceso a su transformación. beneficios. Para aprovechar esta oportunidad y sacar el aprendizaje automático del laboratorio de investigación y ponerlo en manos de las organizaciones, AWS creó Amazon SageMaker. Este año, celebramos el quinto aniversario de Amazon SageMaker, nuestro servicio insignia de aprendizaje automático totalmente administrado, que se lanzó en AWS re:Invent 5 y se convirtió en uno de los servicios de más rápido crecimiento en la historia de AWS.

AWS lanzó Amazon SageMaker para derribar las barreras del aprendizaje automático y democratizar el acceso a tecnología de punta. Hoy, ese éxito podría haber parecido inevitable, pero en 2017, ML todavía requería habilidades especializadas que normalmente posee un grupo limitado de desarrolladores, investigadores, doctores o empresas que construyeron su negocio en torno a ML. Anteriormente, los desarrolladores y los científicos de datos primero tenían que visualizar, transformar y preprocesar los datos en formatos que los algoritmos pudieran usar para entrenar modelos, lo que requería grandes cantidades de poder de cómputo, largos períodos de entrenamiento y equipos dedicados para administrar entornos que a menudo abarcaban múltiples GPU- servidores habilitados y una gran cantidad de ajustes de rendimiento manuales. Además, implementar un modelo entrenado dentro de una aplicación requería un conjunto diferente de habilidades especializadas en el diseño de aplicaciones y sistemas distribuidos. A medida que crecían los conjuntos de datos y las variables, las empresas tenían que repetir este proceso para aprender y evolucionar a partir de nueva información a medida que los modelos más antiguos se quedaban obsoletos. Estos desafíos y barreras significaron que ML estaba fuera del alcance de la mayoría, excepto para organizaciones e instituciones de investigación bien financiadas.

El amanecer de una nueva era en el aprendizaje automático

Es por eso que presentamos Amazon SageMaker, nuestro servicio insignia de ML administrado que permite a los desarrolladores, científicos de datos y analistas de negocios preparar datos de forma rápida y sencilla, y crear, entrenar e implementar modelos de ML de alta calidad a escala. En los últimos 5 años, agregamos más de 250 funciones y capacidades nuevas, incluido el primer entorno de desarrollo integrado (IDE) del mundo para ML, depuradores, monitores de modelos, generadores de perfiles, AutoML, una tienda de funciones, capacidades sin código y la primera herramienta de integración continua y entrega continua (CI/CD) especialmente diseñada para hacer que el aprendizaje automático sea menos complejo y más escalable en la nube y en dispositivos periféricos.

En 2021, impulsamos la democratización aún más para poner ML al alcance de más usuarios. Amazon SageMaker permite que más grupos de personas creen modelos ML, incluido el entorno sin código en Lienzo de Amazon SageMaker para analistas de negocios sin experiencia en ML, así como un entorno de ML sin configuración ni cargo para que los estudiantes aprendan y experimenten con ML más rápido.

Hoy, los clientes pueden innovar con Amazon SageMaker a través de una selección de herramientas: IDE para científicos de datos y una interfaz sin código para analistas de negocios. Pueden acceder, etiquetar y procesar grandes cantidades de datos estructurados (datos tabulares) y datos no estructurados (fotos, videos y audio) para ML. Con Amazon SageMaker, los clientes pueden reducir los tiempos de capacitación de horas a minutos con una infraestructura optimizada. Finalmente, los clientes pueden automatizar y estandarizar las prácticas de operaciones de aprendizaje automático (MLOps) en toda su organización para crear, entrenar, implementar y administrar modelos a escala.

Nuevas funciones para la próxima generación de innovación

En el futuro, AWS continúa desarrollando agresivamente nuevas funciones que pueden ayudar a los clientes a llevar más lejos el aprendizaje automático. Por ejemplo, los puntos de enlace multimodelo (MME) de Amazon SageMaker permiten a los clientes implementar miles de modelos de aprendizaje automático en un solo punto de enlace de Amazon SageMaker y reducir los costos al compartir instancias aprovisionadas detrás de un punto de enlace en todos los modelos. Hasta hace poco, los MME solo eran compatibles con las CPU, pero los MME de Amazon SageMaker ahora son compatibles con las GPU. Los clientes pueden usar Amazon SageMaker MME para implementar modelos de aprendizaje profundo en instancias de GPU y ahorrar hasta un 90 % del costo mediante la implementación de miles de modelos de aprendizaje profundo en un único punto de enlace de varios modelos. Amazon SageMaker también ha ampliado la compatibilidad con computación optimizada Nube informática elástica de Amazon (Amazon EC2) instancias con tecnología de AWS Gravitón 2 y Gravitón 3 procesadores, que son muy adecuados para la inferencia de ML basada en CPU, de modo que los clientes puedan implementar modelos en el tipo de instancia óptimo para sus cargas de trabajo.

Los clientes de Amazon SageMaker están liberando el poder del aprendizaje automático

Todos los días, clientes de todos los tamaños y de todas las industrias recurren a Amazon SageMaker para experimentar, innovar e implementar modelos de aprendizaje automático en menos tiempo y a un costo más bajo que nunca. Como resultado, las conversaciones ahora están cambiando del arte de lo posible a liberar nuevos niveles de productividad con ML. Hoy, clientes como Capital One y Fannie Mae en servicios financieros, Philips y AstraZeneca en salud y ciencias biológicas, Conde Nast y Thomson Reuters en medios, NFL y Fórmula 1 en deportes, Amazon y Mercado Libre en comercio minorista, y Siemens y Bayer en el sector industrial utiliza servicios ML en AWS para acelerar la innovación empresarial. Se unen a decenas de miles de otros clientes de Amazon SageMaker que usan el servicio para administrar millones de modelos, entrenar modelos con miles de millones de parámetros y hacer cientos de miles de millones de predicciones cada mes.

Más innovaciones esperan. Pero mientras tanto, hacemos una pausa para brindar por los muchos éxitos que nuestros clientes han logrado.

Thomson Reuters

Thomson Reuters, un proveedor líder de servicios de información comercial, aprovecha el poder de Amazon SageMaker para crear servicios más intuitivos para sus clientes.

“Buscamos continuamente soluciones sólidas basadas en IA que brinden un retorno de la inversión positivo a largo plazo”, dijo Danilo Tommasina, director de ingeniería de Thomson Reuters Labs. “Amazon SageMaker es fundamental para nuestro trabajo de investigación y desarrollo de IA. Nos permite llevar la investigación de manera efectiva a soluciones maduras y altamente automatizadas. Con Amazon SageMaker Studio, los investigadores e ingenieros pueden concentrarse en resolver problemas comerciales con todas las herramientas necesarias para su flujo de trabajo de ML en un solo IDE. Realizamos todas nuestras actividades de desarrollo de ML, incluidos los cuadernos, la gestión de experimentos, la automatización de canalizaciones de ML y la depuración directamente desde Amazon SageMaker Studio”.

Salesforce

Salesforce, la plataforma de CRM líder en el mundo, anunció recientemente nuevas integraciones que permitirán utilizar Amazon SageMaker junto con Einstein, la tecnología de inteligencia artificial de Salesforce.

“Salesforce Einstein es la primera IA integral para CRM y permite que todas las empresas sean más inteligentes y predictivas sobre sus clientes a través de un conjunto integrado de tecnologías de IA para ventas, marketing, comercio, servicios y TI”, dijo Rahul Auradkar, vicepresidente ejecutivo de Einstein. y Servicios de datos unificados en Salesforce. “Uno de los mayores desafíos que enfrentan las empresas hoy en día es que sus datos están aislados. Es difícil reunir datos para lograr la participación del cliente en tiempo real en todos los puntos de contacto y obtener información comercial significativa. Con la tecnología de Genie, la plataforma de datos de clientes en tiempo real de Salesforce, la integración de Salesforce y Amazon SageMaker permite a los equipos de datos acceder sin problemas a datos de clientes unificados y armonizados para crear y entrenar modelos de aprendizaje automático en Amazon SageMaker. Y una vez implementados, estos modelos de Amazon SageMaker se pueden usar con Einstein para potenciar las predicciones y los conocimientos en Salesforce Platform. A medida que la IA evoluciona, continuamos mejorando Einstein con el modelo propio (BYOM) para conocer a los desarrolladores y científicos de datos donde trabajan”.

Meta IA

Meta AI es un laboratorio de inteligencia artificial que pertenece a Meta Platforms Inc.

“Meta AI ha colaborado con AWS para mejorar torch.distributed para ayudar a los desarrolladores a escalar su capacitación utilizando instancias basadas en Amazon SageMaker y Trainium”, dijo Geeta Chauhan, Gerente de Ingeniería de IA Aplicada en Meta AI. “Con estas mejoras, hemos visto una reducción en el tiempo de entrenamiento para modelos grandes según nuestras pruebas. Estamos entusiasmados de ver que Amazon SageMaker admite la capacitación distribuida de PyTorch para acelerar la innovación de ML”.

tyson alimentos inc.

Tyson Foods Inc., uno de los procesadores y comercializadores de carne más grandes del mundo, confía en Amazon SageMaker, Verdad fundamental de Amazon SageMakery Panorama de AWS para mejorar las eficiencias.

“La excelencia operativa es una prioridad clave en Tyson Foods”, dijo Barret Miller, gerente sénior de tecnología emergente en Tyson Foods Inc. “Usamos visión artificial con tecnología de ML en AWS para mejorar la eficiencia de producción, automatizar procesos y mejorar procesos que requieren mucho tiempo o tareas propensas a errores. Colaboramos con Amazon Machine Learning Solutions Lab para crear un modelo de detección de objetos de última generación con Amazon SageMaker Ground Truth y AWS Panorama. Con esta solución, recibimos información casi en tiempo real que nos ayuda a producir el inventario que necesitamos mientras minimizamos el desperdicio”.

Autodesk

AutoCAD es una aplicación comercial de software de dibujo y diseño asistido por computadora de Autodesk. AutoCAD confía en Amazon SageMaker para optimizar su proceso de diseño generativo.

“Queríamos empoderar a los clientes de AutoCAD para que fueran más eficientes al brindarles consejos e información de uso personalizados y en el momento, asegurando que el tiempo que pasan en AutoCAD sea lo más productivo posible”, dijo Dania El Hassan, directora de gestión de productos de AutoCAD. , en Autodesk. “Amazon SageMaker fue una herramienta esencial que nos ayudó a proporcionar comandos proactivos y recomendaciones de accesos directos a nuestros usuarios, lo que les permitió lograr nuevos y potentes resultados de diseño”.

Torc.ai

Con la ayuda de Amazon SageMaker y la biblioteca de datos distribuidos en paralelo (SMDDP) de Amazon SageMaker, Torc.ai, líder en vehículos autónomos desde 2005, comercializa camiones autónomos para un tránsito seguro, sostenido y de larga distancia en la industria del transporte de mercancías.

“Mi equipo ahora puede ejecutar fácilmente trabajos de entrenamiento distribuidos a gran escala utilizando el entrenamiento de modelos de Amazon SageMaker y la biblioteca paralela de datos distribuidos (SMDDP) de Amazon SageMaker, que involucra terabytes de datos de entrenamiento y modelos con millones de parámetros”, dijo Derek Johnson, Vice Presidente de Ingeniería en Torc.ai. “La capacitación del modelo distribuido de Amazon SageMaker y el SMDDP nos han ayudado a escalar sin problemas sin tener que administrar la infraestructura de capacitación. Redujo nuestro tiempo para entrenar modelos de varios días a unas pocas horas, lo que nos permitió comprimir nuestro ciclo de diseño y traer nuevas capacidades de vehículos autónomos a nuestra flota más rápido que nunca”.

Investigación de IA de LG

LG AI Research tiene como objetivo liderar la próxima era de IA mediante el uso de Amazon SageMaker para entrenar e implementar modelos ML más rápido.

“Recientemente presentamos a Tilda, la artista de inteligencia artificial impulsada por EXAONE, un sistema de inteligencia artificial supergigante que puede procesar 250 millones de conjuntos de datos de pares de imágenes y texto de alta definición”, dijo Seung Hwan Kim, vicepresidente y líder del laboratorio de visión en LG AI Research. “La IA multimodal le permite a Tilda crear una nueva imagen por sí misma, con su capacidad de explorar más allá del lenguaje que percibe. Amazon SageMaker fue fundamental en el desarrollo de EXAONE, debido a sus capacidades de escalamiento y capacitación distribuida. Específicamente, debido a la computación masiva requerida para entrenar esta IA supergigante, el procesamiento paralelo eficiente es muy importante. También necesitábamos administrar continuamente datos a gran escala y ser flexibles para responder a los datos recién adquiridos. Con el uso de las bibliotecas de entrenamiento distribuidas y el entrenamiento de modelos de Amazon SageMaker, optimizamos el entrenamiento distribuido y entrenamos el modelo un 59 % más rápido, sin modificaciones importantes en nuestro código de entrenamiento”.

Productos de agua Mueller

Mueller Water Products fabrica válvulas diseñadas, bocas de incendios, productos de reparación y conexión de tuberías, productos de medición, soluciones de detección de fugas y más. Usó Amazon SageMaker para desarrollar una innovadora solución de aprendizaje automático para detectar fugas de agua más rápido.

“Tenemos la misión de ahorrar 7.7 millones de galones de agua perdida para 2027”, dijo Dave Johnston, director de infraestructura inteligente de Mueller Water Products. “Gracias a los modelos ML creados en Amazon SageMaker, hemos mejorado la precisión de EchoShore-DX, nuestro sistema de detección de anomalías basado en la acústica. Como resultado, podemos informar más rápido a los clientes de servicios públicos cuando se produce una fuga. Esta solución ha ahorrado aproximadamente 675 millones de galones de agua en 2021. Estamos entusiasmados de seguir utilizando los servicios de AWS ML para mejorar aún más nuestra cartera de tecnología y seguir impulsando la eficiencia y la sostenibilidad con nuestros clientes de servicios públicos”.

Canva

Canva, creador de la popular herramienta de publicación y diseño en línea, confía en el poder de Amazon SageMaker para una implementación rápida.

"Para que Canva creciera a escala, necesitábamos una herramienta que nos ayudara a lanzar nuevas funciones sin demoras ni problemas", dijo Greg Roodt, director de plataformas de datos de Canva. “La adaptabilidad de Amazon SageMaker nos permitió administrar más tareas con menos recursos, lo que resultó en una carga de trabajo más rápida y eficiente. Le dio a nuestro equipo de ingeniería la confianza de que las características que lanzan se adaptarán a su caso de uso. Con Amazon SageMaker, implementamos nuestro modelo de texto a imagen en 2 semanas utilizando una potente infraestructura administrada y esperamos expandir esta característica a nuestros millones de usuarios en un futuro cercano”.

Inspirar

Inspire, un servicio de información de atención médica centrado en el consumidor, confía en Amazon SageMaker para brindar información procesable para una mejor atención, tratamientos y resultados.

“Nuestro motor de recomendación de contenido es un importante impulsor de nuestra propuesta de valor”, dijo Brian Loew, director ejecutivo y fundador de Inspire. “Lo usamos para dirigir a nuestros usuarios (que viven con condiciones particulares) a publicaciones o artículos relevantes y específicos. Con Amazon SageMaker, podemos crear, entrenar e implementar fácilmente modelos de aprendizaje profundo. Nuestra sofisticada solución de aprendizaje automático, basada en Amazon SageMaker, nos ayuda a mejorar la capacidad de nuestro motor de recomendación de contenido para sugerir contenido relevante a 2 millones de usuarios registrados, a partir de nuestra biblioteca de 1.5 millones de palabras en 3,600 condiciones. Amazon SageMaker nos ha permitido conectar con precisión a pacientes y cuidadores con contenido y recursos más personalizados, incluida información sobre enfermedades raras y vías de tratamiento”.

ResMed

ResMed es un proveedor líder de soluciones conectadas a la nube para personas con apnea del sueño, EPOC, asma y otras afecciones crónicas. En 2014, ResMed lanzó MyAir, una plataforma y aplicación de administración de terapia personalizada, para que los pacientes realicen un seguimiento de la terapia del sueño.

“Antes de Amazon SageMaker, todos los usuarios de MyAir recibían los mismos mensajes de la aplicación al mismo tiempo, independientemente de su condición”, dijo Badri Raghavan, vicepresidente de ciencia de datos de ResMed. “Amazon SageMaker nos ha permitido interactuar con los pacientes a través de MyAir en función del dispositivo ResMed específico que utilizan, sus horas de vigilia y otros datos contextuales. Aprovechamos varias características de Amazon SageMaker para entrenar canalizaciones modelo y elegir tipos de implementación, incluidas inferencias por lotes y casi en tiempo real, para entregar contenido personalizado. Amazon SageMaker nos ha permitido lograr nuestro objetivo de incorporar capacidades de aprendizaje automático en todo el mundo mediante la implementación de modelos en días o semanas, en lugar de meses”.

Verisco

Verisk proporciona conocimientos analíticos expertos basados ​​en datos que ayudan a las empresas, las personas y las sociedades a ser más fuertes, resistentes y sostenibles. Utiliza Amazon SageMaker para optimizar los flujos de trabajo de ML.

“Verisk y Vexcel están trabajando en estrecha colaboración para almacenar y procesar inmensas cantidades de datos en AWS, incluidos los datos de imágenes aéreas de ultra alta resolución de Vexcel que se capturan en 26 países de todo el mundo”, dijo Jeffrey C. Taylor, presidente de Verisk 3D Visual. Inteligencia. “Amazon SageMaker nos ayuda a optimizar el trabajo que realizan los equipos de ML y MLOps, lo que nos permite concentrarnos en satisfacer las necesidades de nuestros clientes, incluidas las partes interesadas en bienes raíces en seguros, bienes raíces, construcción y más”.

Smartocto BV

Con la ayuda de Amazon SageMaker, Smartocto BV proporciona análisis de contenido impulsados ​​por ML a 350 salas de redacción y empresas de medios de todo el mundo.

“A medida que el negocio escalaba, necesitábamos simplificar la implementación de nuestros modelos ML, reducir el tiempo de comercialización y ampliar nuestra oferta de productos”, dijo Ilija Susa, directora de datos de Smartocto. “Sin embargo, la combinación de soluciones de código abierto y en la nube para autohospedar nuestras cargas de trabajo de ML requería cada vez más tiempo para administrar. Migramos nuestros modelos de ML a puntos finales de Amazon SageMaker y, en menos de 3 meses, lanzamos Smartify, una nueva solución nativa de AWS. Smartify utiliza Amazon SageMaker para proporcionar análisis editoriales predictivos casi en tiempo real, lo que ayuda a los clientes a mejorar su contenido y ampliar su audiencia”.

Visualfabriq

Visualfabriq ofrece una solución de gestión de ingresos con capacidades de inteligencia artificial aplicada a algunas de las principales empresas de bienes de consumo envasados ​​del mundo. Utiliza Amazon SageMaker para mejorar el rendimiento y la precisión de los modelos de ML a escala.

“Queríamos adaptar nuestra pila de tecnología para mejorar el rendimiento y la escalabilidad y hacer que los modelos sean más fáciles de agregar, actualizar y volver a entrenar”, dijo Jelle Verstraaten, líder del equipo de previsión de demanda, inteligencia artificial y gestión del crecimiento de los ingresos en Visualfabriq. “El mayor impacto de la migración a Amazon SageMaker ha sido una mejora significativa en el rendimiento de nuestra solución. Al ejecutar inferencias en servidores dedicados, en lugar de servidores web, nuestra solución es más eficiente y los costos son consistentes y transparentes. Mejoramos el tiempo de respuesta de nuestro servicio de pronóstico de la demanda, que predice el impacto de una acción promocional en el volumen de ventas de un minorista, en un 200 % e implementamos una solución escalable que requiere menos intervención manual y acelera la incorporación de nuevos clientes”.

Sophos

Sophos, líder mundial en soluciones y servicios de ciberseguridad de próxima generación, utiliza Amazon SageMaker para entrenar sus modelos de aprendizaje automático de manera más eficiente.

“Nuestra poderosa tecnología detecta y elimina archivos ingeniosamente asociados con malware”, dijo Konstantin Berlin, director de inteligencia artificial de Sophos. “Sin embargo, el uso de modelos XGBoost para procesar conjuntos de datos de varios terabytes requería mucho tiempo y, a veces, simplemente no era posible con un espacio de memoria limitado. Con el entrenamiento distribuido de Amazon SageMaker, podemos entrenar con éxito un modelo ligero de XGBoost que es mucho más pequeño en disco (hasta 25 veces más pequeño) y en memoria (hasta cinco veces más pequeño) que su predecesor. Con el ajuste automático de modelos de Amazon SageMaker y el entrenamiento distribuido en instancias de spot, podemos modificar y volver a entrenar modelos de manera más rápida y efectiva sin ajustar la infraestructura de entrenamiento subyacente necesaria para escalar a conjuntos de datos tan grandes”.

Universidad del Noroeste

Los estudiantes de la Universidad Northwestern en el programa de Maestría en Ciencias en Inteligencia Artificial (MSAI) realizaron un recorrido por Laboratorio de estudio de Amazon SageMaker antes de usarlo durante un hackathon.

“La facilidad de uso de Amazon SageMaker Studio Lab permitió a los estudiantes aplicar rápidamente sus conocimientos para crear soluciones creativas”, dijo Mohammed Alam, director adjunto del programa MSAI. “Esperábamos que los estudiantes chocaran naturalmente con algunos obstáculos durante la competencia corta de 5 horas. En cambio, superaron nuestras expectativas no solo al completar todos los proyectos, sino también al realizar presentaciones impresionantes en las que aplicaron conceptos complejos de ML a problemas importantes del mundo real”.

Rensselaer Polytechnic Institute

El Instituto Politécnico Rensselaer (RPI), una universidad de investigación tecnológica de Nueva York, utiliza Amazon SageMaker Studio para ayudar a los estudiantes a aprender rápidamente los conceptos de ML.

“RPI posee una de las supercomputadoras más poderosas del mundo, pero la IA tiene una curva de aprendizaje pronunciada”, dijo Mohammed J. Zaki, profesor de Ciencias de la Computación. “Necesitábamos una manera para que los estudiantes comenzaran de manera rentable. La interfaz intuitiva de Amazon SageMaker Studio Lab permitió a nuestros estudiantes comenzar rápidamente y proporcionó una potente GPU, lo que les permitió trabajar con modelos complejos de aprendizaje profundo para sus proyectos finales”.

Instituto de Educación Profesional de Hong Kong

El departamento de TI del Instituto de Educación Vocacional de Hong Kong (Lee Wai Lee) utiliza Amazon SageMaker Studio Lab para ofrecer a los estudiantes la oportunidad de trabajar en proyectos de aprendizaje automático del mundo real.

“Usamos Amazon SageMaker Studio Lab en cursos básicos relacionados con ML y Python que brindan a los estudiantes una base sólida en muchas tecnologías de la nube”, dijo Cyrus Wong, profesor titular. “Amazon SageMaker Studio Lab permite a nuestros estudiantes obtener experiencia práctica con proyectos de ciencia de datos del mundo real, sin atascarse en configuraciones o configuraciones. A diferencia de otros proveedores, esta es una máquina Linux para estudiantes, lo que les permite realizar muchos más ejercicios de codificación”.

MapmyIndia

MapmyIndia, el proveedor líder de la India de mapas digitales, software geoespacial y tecnologías de Internet de las cosas (IoT) basadas en la ubicación, utiliza Amazon SageMaker para crear, entrenar e implementar sus modelos de aprendizaje automático.

“MapmyIndia y nuestra plataforma global, Mappls, ofrecen análisis robustos, altamente precisos y mundiales basados ​​en IA y visión por computadora basados ​​en imágenes satelitales y de calles para una gran cantidad de casos de uso, como medir el desarrollo económico, el crecimiento de la población, la agricultura. rendimiento, actividad de construcción, detección de letreros de calles, segmentación de terrenos y detección de cambios de caminos”, dijo Rohan Verma, director ejecutivo y director ejecutivo de MapmyIndia. “Nuestra capacidad para crear, entrenar e implementar modelos con velocidad y precisión nos distingue. Nos complace asociarnos con AWS para nuestras ofertas de IA/ML y estamos entusiasmados con la capacidad de Amazon SageMaker para escalar esto rápidamente”.

SábSeguro

SatSure, un líder en soluciones de inteligencia de decisiones con sede en India que utiliza datos de observación de la Tierra para generar conocimientos, confía en Amazon SageMaker para preparar y entrenar petabytes de datos de ML.

“Usamos Amazon SageMaker para procesar petabytes de conjuntos de datos de EO, GIS, financieros, textuales y comerciales, usando sus capacidades de IA/ML para innovar y escalar nuestros modelos rápidamente”, dijo Prateep Basu, director ejecutivo de SatSure. “Usamos AWS desde 2017 y hemos ayudado a instituciones financieras a otorgar préstamos a más de 2 millones de agricultores en India, Nigeria y Filipinas, mientras monitoreamos 1 millón de kilómetros cuadrados semanalmente”.

Conclusión

Para comenzar con Amazon SageMaker, visite aws.amazon.com/sagemaker.

---

Sobre la autora

Ankur Mehrotra se unió a Amazon en 2008 y actualmente es el Gerente General de Amazon SageMaker. Antes de Amazon SageMaker, trabajó en la creación de los sistemas de publicidad y la tecnología de precios automatizados de Amazon.com.