Kuidas Sleepme kasutab Amazon SageMakerit automatiseeritud temperatuuri juhtimiseks, et maksimeerida une kvaliteeti reaalajas

See on külalispostitus, mis on kirjutatud kahasse Sleepme Inc. tehnikadirektori Trey Robinsoniga.

Sleepme on tööstusharu liider une temperatuuri haldamise ja jälgimise toodetes, sealhulgas asjade Interneti (IoT) toega une jälgimise andurite komplekt, mis on varustatud südame löögisageduse, hingamissageduse, voodi- ja ümbritseva õhu temperatuuri, niiskuse ja rõhu anduritega.

Sleepme pakub nutikat kattemadratsi süsteemi, mida saab ajastada teie voodi jahutamiseks või soojendamiseks, kasutades kaasrakendust. Süsteemi saab siduda une jälgijaga, mis kogub selliseid teadmisi nagu pulss, hingamissagedus, ruumi niiskus, ärkamisajad ning kasutaja voodis ja voodist väljumise aeg. Teatud uneseansi lõpus koondab see une jälgimise ülevaate koos unefaasi andmetega, et luua une kvaliteediskoor.

See nutikas kattemadrats töötab teie voodi termostaadina ja võimaldab klientidel oma une kliimat kontrollida. Sleepme tooted aitavad jahutada kehatemperatuuri, mis on seotud sügavasse unne langemisega, samas kui kuumus võib vähendada kukkumise ja magama jäämise tõenäosust.

Selles postituses jagame, kuidas Sleepme kasutas Amazon SageMaker töötada välja masinõppe (ML) mudeli kontseptsiooni tõend, mis soovitab temperatuure teie une skoori maksimeerimiseks.

„AI kasutuselevõtt avab uusi võimalusi klientide magamiskogemuse parandamiseks. Need muudatused rakendatakse Sleepme'i tootesarjas, mis võimaldab kliendil uute funktsioonide tehnilist ja turunduslikku väärtust juurutamise ajal ära kasutada.

– Trey Robinson, Sleepme'i tehnoloogiadirektor.

ML-i kasutamine une parandamiseks reaalajas

Sleepme on teaduspõhine organisatsioon, mis kasutab teadusuuringuid, rahvusvahelisi ajakirju ja tipptasemel teadusuuringuid, et tuua klientidele uusimat teavet une tervise ja heaolu kohta. Sleepme pakub nende kohta uneteaduslikku teavet veebisait.

Sleepme arutleb selle üle, kuidas ainult 44% ameeriklastest teatab, et magab peaaegu igal ööl kosutavat und ja et 35% täiskasvanutest magab vähem kui 7 tundi ööpäevas. Täisöö magamine aitab teil end energilisemana tunda ning sellel on tõestatud kasu teie vaimule, kehakaalule ja südamele. See esindab tohutul hulgal inimesi, kellel on võimalused oma und ja tervist parandada.

Sleepme nägi võimalust oma kasutajate und parandada, muutes kasutaja öösiti unekeskkonda. Jäädvustades keskkonnaandmeid, nagu temperatuur ja niiskus, ning ühendades need isikupärastatud kasutajaandmetega, nagu rahutus, südame löögisagedus ja unetsükkel, tegi Sleepme kindlaks, et nad suudavad muuta kasutaja keskkonda, et optimeerida nende puhkust. See kasutusjuhtum nõudis ML-mudelit, mis teenindas reaalajas järeldusi.

Sleepme vajas väga kättesaadavat järeldusmudelit, mis pakub madala latentsusega soovitusi. Keskendudes oma klientidele uute funktsioonide ja toodete pakkumisele, vajas Sleepme valmis lahendust, mis ei nõua infrastruktuuri haldamist.

Nende probleemide lahendamiseks pöördus Sleepme Amazon SageMakeri poole.

Amazon SageMakeri kasutamine unetemperatuuri soovituste ML-mudeli loomiseks

SageMaker kiirendab ML-i töökoormuste juurutamist, lihtsustades ML-i koostamisprotsessi. See pakub ML-i võimaluste komplekti, mis töötavad AWS-i hallatud infrastruktuuril. See vähendab ML-i arendamisega seotud üldkulusid ja keerukust.

Sleepme valis SageMakeri mudeli koolituse, lõpp-punkti juurutamise protsessi ja infrastruktuuri haldamise võimaluste tõttu. Järgmine diagramm illustreerib nende AWS-i arhitektuuri.

Sleepme on keskendunud oma klientidele uute toodete ja funktsioonide pakkumisele. Nad ei tahtnud oma ressursse pühendada pikale ML-mudeli koolitusprotsessile.

SageMakeri mudelikoolitus võimaldas Sleepme'il kasutada oma ajaloolisi andmeid patenteeritud masinõppemudeli kiireks väljatöötamiseks. SageMaker Model Training pakub kümneid sisseehitatud treeningalgoritme ja sadu eelkoolitatud mudeleid, suurendades Sleepme paindlikkust mudelite loomisel. Aluseks olevaid arvutusjuhtumeid haldades võimaldas SageMaker Model Training Sleepme'il keskenduda mudeli jõudluse parandamisele.

See ML-mudel vajas unekeskkonna reaalajas kohandamist. Selle saavutamiseks kasutas Sleepme a SageMaker Reaalajas järeldus oma mudeli hostimise haldamiseks. See lõpp-punkt saab andmeid Sleepme nutikalt kattemadratsilt ja unejälgijalt, et anda reaalajas soovituslik temperatuur kasutaja une jaoks. Lisaks pakkus SageMakeri järeldus mudelite automaatse skaleerimise võimalusega Sleepme'ile võimalust nõudluse rahuldamiseks eksemplare lisada või eemaldada.

SageMaker pakub Sleepme'ile ka kasulikke funktsioone, kui nende töökoormus areneb. Nad võiksid kasutada varjutestid hinnata uute versioonide mudelite toimivust enne nende klientidele juurutamist, SakeMakeri mudeliregister mudeliversioonide haldamiseks ja mudeli juurutamise automatiseerimiseks ning SageMakeri mudeli jälgimine jälgida oma mudeli kvaliteeti tootmises. Need funktsioonid annavad Sleepme'ile võimaluse viia oma ML-i kasutusjuhtumid järgmisele tasemele, ilma et nad ise uusi võimalusi arendaksid.

Järeldus

Amazon SageMakeriga suutis Sleepme mõne nädala jooksul luua ja juurutada kohandatud ML-mudeli, mis tuvastab soovitatud temperatuuri reguleerimise, mida Sleepme'i seadmed kasutaja keskkonnaga peegeldavad.

Sleepme IoT seadmed salvestavad uneandmeid ja saavad nüüd mõne minutiga kliendi voodit kohandada. See võime osutus äri eristajaks. Nüüd saab kasutajate und optimeerida, et pakkuda kvaliteetsemat und reaalajas.

Lisateavet selle kohta, kuidas saate kiiresti ML-mudeleid luua, leiate artiklist Rongimudelid või alustage SageMakeri konsool.

---

Autoritest

Trey Robinson on olnud mobiili- ja IoT-le keskendunud tarkvarainsener, kes on juhtinud meeskondi Sleepme Inc-i CTO-na ja Passport Inc-i inseneridirektorina. Ta on aastate jooksul töötanud kümnete mobiilirakenduste, taustaprogrammide ja asjade interneti projektidega. Enne Ameerika Ühendriikidesse Charlotte'i kolimist kasvas Trey üles Lõuna-Carolinas Ninety Sixis ja õppis Clemsoni ülikoolis arvutiteadust.

Benon Boyadjian on lahenduste arhitekt Amazon Web Servicesi erakapitali grupis. Benon teeb otsest koostööd erakapitaliettevõtete ja nende portfelliettevõtetega, aidates neil AWS-i võimendada ärieesmärkide saavutamiseks ja ettevõtte väärtuse suurendamiseks.

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoAiStream. Web3 andmete luure. Täiustatud teadmised. Juurdepääs siia.
• Tuleviku rahapaja Adryenn Ashley. Juurdepääs siia.
• Ostke ja müüge IPO-eelsete ettevõtete aktsiaid koos PREIPO®-ga. Juurdepääs siia.
• Allikas: https://aws.amazon.com/blogs/machine-learning/how-sleepme-uses-amazon-sagemaker-for-automated-temperature-control-to-maximize-sleep-quality-in-real-time/