AWS juhlii 5 vuoden innovaatiota Amazon SageMakerin kanssa

Vain viidessä vuodessa kymmeniätuhansia asiakkaita on kuunneltu Amazon Sage Maker luoda miljoonia malleja, kouluttaa malleja miljardeilla parametreilla ja luoda satoja miljardeja kuukausittaisia ​​ennusteita.

Koneoppimisen (ML) paradigman muutoksen siemenet olivat olemassa vuosikymmeniä, mutta käytännössä äärettömän laskentakapasiteetin, datan massiivisen leviämisen ja ML-tekniikoiden nopean kehityksen ansiosta asiakkaat eri toimialoilla pääsevät nyt käyttämään sen muutosta. etuja. Valjastaakseen tämän mahdollisuuden ja viedäkseen ML:n tutkimuslaboratoriosta organisaatioiden käsiin AWS loi Amazon SageMakerin. Tänä vuonna juhlimme Amazon SageMakerin, lippulaivamme täysin hallitun ML-palvelumme 5-vuotisjuhlaa. Se lanseerattiin AWS re:Invent 2017 -tapahtumassa ja josta tuli yksi nopeimmin kasvavista palveluista AWS:n historiassa.

AWS julkaisi Amazon SageMakerin murtaakseen ML:n esteitä ja demokratisoidakseen pääsyn huipputeknologiaan. Nykyään tämä menestys saattoi tuntua väistämättömältä, mutta vuonna 2017 ML vaati edelleen erikoisosaamista, jotka tyypillisesti oli rajoitettu ryhmä kehittäjiä, tutkijoita, tohtoreita tai yrityksiä, jotka rakensivat liiketoimintansa ML:n ympärille. Aikaisemmin kehittäjien ja datatieteilijöiden oli ensin visualisoitava, muunnettava ja esikäsiteltävä tiedot muotoihin, joita algoritmit voisivat käyttää mallien kouluttamiseen. Tämä vaati valtavia määriä laskentatehoa, pitkiä koulutusjaksoja ja omistautuneita tiimejä hallitakseen ympäristöjä, jotka usein käsittivät useita GPU- käytössä olevat palvelimet ja terve määrä manuaalista suorituskyvyn viritystä. Lisäksi koulutetun mallin käyttöönotto sovelluksessa vaati erilaisia ​​erikoistaitoja sovellussuunnittelussa ja hajautetuissa järjestelmissä. Kun tietojoukot ja muuttujat kasvoivat, yritysten oli toistettava tämä prosessi oppiakseen ja kehittyäkseen uudesta tiedosta vanhojen mallien vanhentuessa. Nämä haasteet ja esteet tarkoittivat, että ML oli useimpien ulottumattomissa paitsi hyvin rahoitetuille organisaatioille ja tutkimuslaitoksille.

Koneoppimisen uuden aikakauden kynnyksellä

Siksi esittelimme Amazon SageMakerin, lippulaivamme ML-hallitun palvelumme, jonka avulla kehittäjät, datatieteilijät ja yritysanalyytikot voivat nopeasti ja helposti valmistella tietoja sekä rakentaa, kouluttaa ja ottaa käyttöön korkealaatuisia ML-malleja mittakaavassa. Viimeisten 5 vuoden aikana olemme lisänneet yli 250 uutta ominaisuutta ja ominaisuutta, mukaan lukien maailman ensimmäinen integroitu kehitysympäristö (IDE) ML:lle, virheenkorjaajat, mallimonitorit, profiloijat, AutoML, ominaisuussäilö, koodittomat ominaisuudet ja ensimmäinen tarkoitukseen rakennettu jatkuvan integroinnin ja jatkuvan toimituksen (CI/CD) työkalu, joka tekee ML:stä vähemmän monimutkaista ja skaalautuvaa pilvessä ja reunalaitteissa.

Vuonna 2021 edistimme demokratisointia entisestään, jotta ML olisi entistä useamman käyttäjien ulottuvilla. Amazon SageMakerin avulla useammat ihmisryhmät voivat luoda ML-malleja, mukaan lukien kooditon ympäristö Amazon SageMaker Canvas yritysanalyytikoille ilman ML-kokemusta, sekä asennusta ja maksutonta ML-ympäristöä, jossa opiskelijat voivat oppia ja kokeilla ML:ää nopeammin.

Nykyään asiakkaat voivat innovoida Amazon SageMakerin avulla erilaisilla työkaluilla – IDE:t datatieteilijöille ja kooditon käyttöliittymä yritysanalyytikoille. He voivat käyttää, nimetä ja käsitellä suuria määriä strukturoitua dataa (taulukkotietoja) ja jäsentämätöntä dataa (valokuva, video ja ääni) ML:ssä. Amazon SageMakerin avulla asiakkaat voivat lyhentää harjoitusaikoja tunneista minuutteihin optimoidun infrastruktuurin avulla. Lopuksi asiakkaat voivat automatisoida ja standardoida koneoppimistoimintojen (MLOps) käytäntöjä koko organisaatiossasi rakentaakseen, kouluttaakseen, ottaakseen käyttöön ja hallitakseen malleja laajasti.

Uusia ominaisuuksia seuraavan sukupolven innovaatioille

Eteenpäin AWS kehittää edelleen aggressiivisesti uusia ominaisuuksia, jotka voivat auttaa asiakkaita viemään ML:ää eteenpäin. Esimerkiksi Amazon SageMaker multi-model endpoints (MME) mahdollistaa tuhansien ML-mallien käyttöönoton yhdessä Amazon SageMaker -päätepisteessä ja alentaa kustannuksia jakamalla päätepisteen takana olevia ilmentymiä kaikissa malleissa. Viime aikoihin asti MME:itä tuettiin vain suorittimissa, mutta Amazon SageMakerin MME:t tukevat nyt GPU:ita. Asiakkaat voivat käyttää Amazon SageMaker MME:tä syväoppimismallien käyttöönottamiseksi GPU-esiintymissä ja säästää jopa 90 % kustannuksista ottamalla käyttöön tuhansia syväoppimismalleja yhteen usean mallin päätepisteeseen. Amazon SageMaker on myös laajentanut laskentaoptimoidun tuen Amazonin elastinen laskentapilvi (Amazon EC2) -esiintymissä powered by AWS Graviton 2 ja Graviton 3 prosessorit, jotka sopivat hyvin CPU-pohjaiseen ML-päätelmään, joten asiakkaat voivat ottaa käyttöön malleja työkuormituksensa optimaalisella ilmentymätyypillä.

Amazon SageMaker -asiakkaat vapauttavat koneoppimisen voiman

Joka päivä kaikenkokoiset ja kaikilla toimialoilla olevat asiakkaat kääntyvät Amazon SageMakerin puoleen kokeillakseen, innovoidakseen ja ottaakseen käyttöön ML-malleja lyhyemmässä ajassa ja halvemmalla kuin koskaan. Tämän seurauksena keskustelut ovat nyt siirtymässä mahdollisuuksien taiteesta tuottavuuden uusien tasojen vapauttamiseen ML:n avulla. Nykyään asiakkaat, kuten Capital One ja Fannie Mae rahoituspalveluissa, Philips ja AstraZeneca terveydenhuollossa ja biotieteissä, Conde Nast ja Thomson Reuters mediassa, NFL ja Formula 1 urheilussa, Amazon ja Mercado Libre vähittäiskaupassa sekä Siemens ja Bayer teollisuus käyttää ML-palveluita AWS:ssä nopeuttaakseen yritysten innovaatioita. He liittyvät kymmeniin tuhansiin muihin Amazon SageMaker -asiakkaisiin, jotka käyttävät palvelua hallitakseen miljoonia malleja, kouluttaakseen malleja miljardeilla parametreilla ja tehdäkseen satoja miljardeja ennusteita joka kuukausi.

Lisää innovaatioita odottaa. Mutta sillä välin pysähdymme kertomaan asiakkaidemme saavuttamista monista onnistumisista.

Thomson Reuters

Thomson Reuters, johtava yritystietopalvelujen tarjoaja, hyödyntää Amazon SageMakerin voimaa luodakseen intuitiivisempia palveluita asiakkailleen.

"Etsimme jatkuvasti vankkoja tekoälypohjaisia ​​ratkaisuja, jotka tarjoavat pitkän aikavälin positiivisen tuoton investoinneille", sanoi Danilo Tommasina, Thomson Reuters Labsin suunnittelujohtaja. "Amazon SageMaker on keskeinen tekijä tekoälyn T&K-työssämme. Sen avulla voimme tehokkaasti tuoda tutkimusta kypsiin ja pitkälle automatisoituihin ratkaisuihin. Amazon SageMaker Studion avulla tutkijat ja insinöörit voivat keskittyä yritysongelmien ratkaisemiseen kaikilla ML-työnkulkuun tarvittavilla työkaluilla yhdessä IDE:ssä. Suoritamme kaikki ML-kehitystoimintamme, mukaan lukien muistikirjat, kokeilujen hallinnan, ML-putkien automatisoinnin ja virheenkorjauksen suoraan Amazon SageMaker Studiosta."

Salesforce

Maailman johtava CRM-alusta Salesforce julkisti äskettäin uusia integraatioita, jotka mahdollistavat Amazon SageMakerin käytön Salesforcen tekoälyteknologian Einsteinin rinnalla.

"Salesforce Einstein on ensimmäinen kattava tekoäly CRM:lle, ja sen avulla jokainen yritys voi saada älykkäämpiä ja ennakoivampia asiakkaistaan ​​integroidun myynti-, markkinointi-, kaupan-, palvelu- ja IT-teknologioiden avulla", sanoi Rahul Auradkar, Einsteinin johtaja. ja Unified Data Services Salesforcessa. ”Yksi suurimmista haasteista, joita yritykset kohtaavat nykyään, on se, että niiden data on siiloissa. On vaikeaa koota dataa yhteen asiakkaiden sitouttamiseksi reaaliajassa kaikissa kosketuspisteissä ja saada merkityksellisiä liiketoimintatietoja. Salesforcen reaaliaikaisen asiakastietoalustan Genien avulla toimiva Salesforce- ja Amazon SageMaker -integraatio mahdollistaa datatiimeille saumattoman pääsyn yhtenäiseen ja yhdenmukaistettuun asiakastietoon ML-mallien rakentamista ja koulutusta varten Amazon SageMakerissa. Ja kun nämä Amazon SageMaker -mallit on otettu käyttöön, niitä voidaan käyttää Einsteinin kanssa ennusteiden ja oivallusten tehostamiseen Salesforce-alustalla. Tekoälyn kehittyessä jatkamme Einsteinin parantamista BYOM-mallinnustoiminnolla, jotta voimme tavata kehittäjiä ja datatieteilijöitä heidän työpaikallaan."

AI tavoite

Meta AI on tekoälylaboratorio, joka kuuluu Meta Platforms Inc:lle.

"Meta AI on tehnyt yhteistyötä AWS:n kanssa parantaakseen torch.distributedia auttaakseen kehittäjiä skaalaamaan koulutustaan ​​käyttämällä Amazon SageMaker- ja Trainium-pohjaisia ​​instansseja", sanoi Geeta Chauhan, Meta AI:n Applied AI Engineering Manager. ”Näillä parannuksilla olemme havainneet, että suurten mallien harjoitusaika on lyhentynyt testiemme perusteella. Olemme innoissamme nähdessämme Amazon SageMakerin tukevan PyTorchin hajautettua koulutusta ML-innovoinnin nopeuttamiseksi.

Tyson Foods Inc.

Tyson Foods Inc., yksi maailman suurimmista lihanjalostajista ja markkinoijista, luottaa Amazon SageMakeriin, Amazon SageMaker Ground Totuusja AWS-panoraama tehokkuuden parantamiseksi.

"Toiminnan erinomaisuus on Tyson Foodsin tärkein prioriteetti", sanoi Barret Miller, Tyson Foods Inc:n kehittyvän teknologian johtaja. "Käytämme AWS:ssä ML:n tuottamaa tietokonenäköä parantaaksemme tuotannon tehokkuutta, automatisoidaksemme prosesseja ja parantaaksemme aikaa vievää tai virhealttiita tehtäviä. Teimme yhteistyötä Amazon Machine Learning Solutions Labin kanssa luodaksemme huippuluokan objektintunnistusmallin käyttämällä Amazon SageMaker Ground Truthia ja AWS Panoramaa. Tämän ratkaisun avulla saamme lähes reaaliaikaisia ​​näkemyksiä, jotka auttavat meitä tuottamaan tarvitsemamme varaston ja minimoimaan jätteen."

Autodesk

AutoCAD on kaupallinen tietokoneavusteinen Autodeskin suunnittelu- ja piirustusohjelmisto. AutoCAD luottaa Amazon SageMakeriin luovan suunnitteluprosessin optimoinnissa.

"Halusimme antaa AutoCAD-asiakkaille mahdollisuuden olla tehokkaampia tarjoamalla henkilökohtaisia, ajankohtaisia ​​käyttövinkkejä ja oivalluksia ja varmistamalla, että heidän AutoCADissa viettämänsä aika on mahdollisimman tuottavaa", sanoi Dania El Hassan, AutoCADin tuotehallinnan johtaja. , Autodeskissä. "Amazon SageMaker oli olennainen työkalu, joka auttoi meitä antamaan käyttäjillemme ennakoivia komento- ja pikakuvakesuosituksia, jotta he voivat saavuttaa tehokkaita uusia suunnittelutuloksia."

Torc.ai

Amazon SageMakerin ja Amazon SageMakerin hajautetun datan rinnakkaiskirjaston (SMDDP) avulla Torc.ai, autonomisten ajoneuvojen johtaja vuodesta 2005, on kaupallistanut itseohjautuvat kuorma-autot turvalliseen, kestävään ja pitkän matkan kuljetukseen rahtiteollisuudessa.

"Tiimini pystyy nyt helposti suorittamaan suuria hajautettuja koulutustöitä Amazon SageMaker -mallikoulutuksen ja Amazon SageMaker -hajautetun datan rinnakkaiskirjaston (SMDDP) avulla, joka sisältää teratavuja koulutusdataa ja malleja miljoonilla parametreilla", sanoo Vice Derek Johnson. Torc.ai:n suunnittelujohtaja. "Amazon SageMakerin hajautettu mallikoulutus ja SMDDP ovat auttaneet meitä skaalaamaan saumattomasti ilman koulutusinfrastruktuurin hallintaa. Se lyhensi mallien kouluttamiseen kuluvaa aikaa useista päivistä muutamaan tuntiin, mikä antoi meille mahdollisuuden tiivistää suunnittelusykliämme ja tuoda uusia autonomisia ajoneuvoominaisuuksia kalustoimme nopeammin kuin koskaan."

LG AI -tutkimus

LG AI Research pyrkii johtamaan tekoälyn seuraavaa aikakautta käyttämällä Amazon SageMakeria kouluttamaan ja ottamaan ML-malleja nopeammin käyttöön.

"Esittelimme äskettäin Tildan, tekoälytaiteilijan, jonka voimanlähteenä on EXAONE, super jättiläinen tekoälyjärjestelmä, joka pystyy käsittelemään 250 miljoonaa teräväpiirtokuva-teksti-paritietojoukkoa", sanoi Seung Hwan Kim, LG AI Researchin varatoimitusjohtaja ja Vision Lab -johtaja. "Multimodaalisen tekoälyn avulla Tilda voi luoda uuden kuvan itse, ja sen kyky tutkia havaitsemansa kielen ulkopuolelle. Amazon SageMaker oli välttämätön EXAONEen kehittämisessä sen skaalaus- ja hajautettujen koulutusominaisuuksien vuoksi. Erityisesti tämän superjättiläisen tekoälyn kouluttamiseen vaadittavan massiivisen laskentatoimen vuoksi tehokas rinnakkaiskäsittely on erittäin tärkeää. Meidän piti myös hallita jatkuvasti laajamittaista dataa ja olla joustavia vastaamaan uusiin tietoihin. Käyttämällä Amazon SageMaker -mallikoulutusta ja hajautettuja koulutuskirjastoja optimoimme hajautetun koulutuksen ja koulutimme mallin 59 % nopeammin – ilman suuria muutoksia koulutuskoodiimme.

Mueller-vesituotteet

Mueller Water Products valmistaa suunniteltuja venttiilejä, palopostia, putkien liitäntä- ja korjaustuotteita, mittaustuotteita, vuotojen havaitsemisratkaisuja ja paljon muuta. Se käytti Amazon SageMakeria kehittääkseen innovatiivisen ML-ratkaisun vesivuodojen havaitsemiseksi nopeammin.

"Meidän tehtävämme on säästää 7.7 miljardia gallonaa vesihukkaa vuoteen 2027 mennessä", sanoi Dave Johnston, Mueller Water Productsin älykkään infrastruktuurin johtaja. "Amazon SageMakeriin rakennettujen ML-mallien ansiosta olemme parantaneet EchoShore-DX:n, akustiseen poikkeamien tunnistusjärjestelmäämme, tarkkuutta. Tämän ansiosta voimme ilmoittaa energia-asiakkaille nopeammin, kun vuoto tapahtuu. Tämä ratkaisu on säästänyt arviolta 675 miljoonaa gallonaa vettä vuonna 2021. Olemme innoissamme voidessamme jatkaa AWS ML -palveluiden käyttöä parantaaksemme edelleen teknologiavalikoimaamme ja jatkaaksemme tehokkuutta ja kestävyyttä sähköyhtiöasiakkaidemme kanssa.

Kangas

Canva, suositun online-suunnittelu- ja julkaisutyökalun valmistaja, luottaa Amazon SageMakerin tehoon nopeassa toteutuksessa.

"Jotta Canva kasvaa mittakaavassa, tarvitsimme työkalun, jonka avulla voimme julkaista uusia ominaisuuksia ilman viiveitä tai ongelmia", sanoi Greg Roodt, Canvan tietoalustojen johtaja. "Amazon SageMakerin sopeutumiskyvyn ansiosta pystyimme hallitsemaan enemmän tehtäviä vähemmillä resursseilla, mikä johti nopeampaan ja tehokkaampaan työmäärään. Se antoi suunnittelutiimimme luottamusta siihen, että heidän julkaisemansa ominaisuudet skaalautuvat heidän käyttötapaukseensa. Amazon SageMakerin avulla otimme käyttöön tekstistä kuvaksi -mallimme kahdessa viikossa tehokkaan hallitun infrastruktuurin avulla, ja odotamme innolla laajentavamme tätä ominaisuutta miljoonille käyttäjillemme lähitulevaisuudessa.

Innostaa

Inspire, kuluttajakeskeinen terveydenhuollon tietopalvelu, luottaa Amazon SageMakeriin, joka tarjoaa käyttökelpoisia näkemyksiä paremmasta hoidosta, hoidoista ja tuloksista.

"Sisältösuositusmoottorimme on arvolupauksemme tärkeä tekijä", sanoi Brian Loew, Inspiren toimitusjohtaja ja perustaja. "Käytämme sitä ohjataksemme käyttäjiämme (jotka elävät tietyissä olosuhteissa) asiaankuuluviin ja tiettyihin viesteihin tai artikkeleihin. Amazon SageMakerin avulla voimme helposti rakentaa, kouluttaa ja ottaa käyttöön syväoppimismalleja. Kehittynyt ML-ratkaisumme – joka perustuu Amazon SageMakeriin – auttaa meitä parantamaan sisältösuositusmoottorimme kykyä ehdottaa olennaista sisältöä 2 miljoonalle rekisteröityneelle käyttäjälle, ja se hyödyntää 1.5 miljardin sanan kirjastoamme 3,600 XNUMX ehdolla. Amazon SageMaker on auttanut meitä yhdistämään potilaat ja omaishoitajat täsmällisesti yksilöllisemmällä sisällöllä ja resursseilla – mukaan lukien tiedot harvinaisista sairauksista ja hoitoreittejä.

ResMed

ResMed on johtava pilvipohjaisten ratkaisujen toimittaja ihmisille, joilla on uniapnea, COPD, astma ja muut krooniset sairaudet. Vuonna 2014 ResMed lanseerasi MyAirin, henkilökohtaisen hoidonhallintaalustan ja -sovelluksen, jonka avulla potilaat voivat seurata uniterapiaa.

"Ennen Amazon SageMakeria kaikki MyAirin käyttäjät saivat samat viestit sovelluksesta samaan aikaan tilastaan ​​riippumatta", sanoi Badri Raghavan, ResMedin tietotieteen johtaja. "Amazon SageMaker on antanut meille mahdollisuuden olla vuorovaikutuksessa potilaiden kanssa MyAirin kautta heidän käyttämänsä ResMed-laitteen, valveillaoloajan ja muiden asiayhteyteen liittyvien tietojen perusteella. Hyödynnämme useita Amazon SageMaker -ominaisuuksia malliputkien kouluttamisessa ja käyttöönottotyypeissä, mukaan lukien lähes reaaliaikaiset ja eräpäätelmät, räätälöidyn sisällön toimittamiseksi. Amazon SageMaker on auttanut meitä saavuttamaan tavoitteemme upottaa ML-ominaisuudet maailmanlaajuisesti ottamalla malleja käyttöön päivissä tai viikoissa kuukausien sijaan.

Verisk

Verisk tarjoaa asiantuntijatietoihin perustuvia analyyttisiä oivalluksia, jotka auttavat yrityksiä, ihmisiä ja yhteiskuntia tulemaan vahvemmiksi, kestävämmiksi ja kestävämmiksi. Se käyttää Amazon SageMaker -ohjelmaa ML-työnkulkujen virtaviivaistamiseen.

"Verisk ja Vexcel tekevät tiivistä yhteistyötä tallentaakseen ja käsitelläkseen valtavia määriä dataa AWS:ssä, mukaan lukien Vexcelin erittäin korkearesoluutioiset ilmakuvatiedot, jotka on otettu 26 maassa eri puolilla maailmaa", sanoi Jeffrey C. Taylor, Verisk 3D Visualin johtaja. Älykkyys. "Amazon SageMaker auttaa meitä virtaviivaistamaan ML- ja MLOps-tiimien työtä, jolloin voimme keskittyä palvelemaan asiakkaidemme tarpeita, mukaan lukien kiinteistöalan sidosryhmät vakuutuksissa, kiinteistöissä, rakentamisessa ja muualla."

Smartocto BV

Amazon SageMakerin avulla Smartocto BV tarjoaa ML:n ohjaamaa sisältöanalytiikkaa 350 uutishuoneelle ja mediayritykselle ympäri maailmaa.

"Liiketoiminnan skaalautuessa meidän piti yksinkertaistaa ML-malliemme käyttöönottoa, lyhentää markkinoilletuloaikaa ja laajentaa tuotevalikoimaamme", sanoi Ilija Susa, Smartocton tietojohtaja. "Avoimen lähdekoodin ja pilviratkaisujen yhdistäminen ML-työkuormitemme itseisännöintiin oli kuitenkin yhä enemmän aikaa vievä hallinta. Siirsimme ML-mallimme Amazon SageMaker -päätepisteisiin ja lanseerasimme alle 3 kuukaudessa Smartifyn, uuden AWS-natiiviratkaisun. Smartify käyttää Amazon SageMakeria tarjoamaan ennakoivaa toimituksellista analytiikkaa lähes reaaliajassa, mikä auttaa asiakkaita parantamaan sisältöään ja laajentamaan yleisöään."

Visualfabriq

Visualfabriq tarjoaa tulonhallintaratkaisun, jossa on sovellettuja tekoälyominaisuuksia joillekin maailman johtaville kuluttajapakkaustuotteiden yrityksille. Se käyttää Amazon SageMakeria parantamaan ML-mallien suorituskykyä ja tarkkuutta mittakaavassa.

"Halusimme mukauttaa teknologiapinoamme parantaaksemme suorituskykyä ja skaalautuvuutta ja helpottaaksemme mallien lisäämistä, päivittämistä ja uudelleenkouluttamista", sanoi Jelle Verstraaten, Visualfabriqin kysyntäennusteen, tekoälyn ja tulojen kasvun hallinnan tiimipäällikkö. "Amazon SageMakeriin siirtymisen suurin vaikutus on ollut ratkaisumme suorituskyvyn merkittävä parannus. Suorittamalla päätelmiä omistetuilla palvelimilla verkkopalvelimien sijaan ratkaisumme on tehokkaampi ja kustannukset ovat yhdenmukaiset ja läpinäkyvät. Paransimme kysynnän ennustepalvelumme vasteaikaa – joka ennustaa myynninedistämistoimenpiteen vaikutuksen jälleenmyyjän myyntivolyymiin – 200 prosentilla ja otimme käyttöön skaalautuvan ratkaisun, joka vaatii vähemmän manuaalisia toimenpiteitä ja nopeuttaa uusien asiakkaiden käyttöönottoa.”

Sophos

Sophos, maailman johtava seuraavan sukupolven kyberturvallisuusratkaisujen ja -palvelujen toimittaja, käyttää Amazon SageMakeria kouluttaakseen ML-mallejaan tehokkaammin.

"Tehokas teknologiamme havaitsee ja eliminoi tiedostot, jotka on ovelasti täynnä haittaohjelmia", sanoi Konstantin Berlin, Sophosin tekoälyn johtaja. "XGBoost-mallien käyttäminen useiden teratavujen kokoisten tietojoukkojen käsittelyyn oli kuitenkin erittäin aikaa vievää – ja joskus se ei yksinkertaisesti ole mahdollista rajoitetun muistitilan vuoksi. Amazon SageMakerin hajautetun koulutuksen avulla voimme onnistuneesti kouluttaa kevyen XGBoost-mallin, joka on paljon pienempi levyllä (jopa 25 kertaa pienempi) ja muistissa (jopa viisi kertaa pienempi) kuin edeltäjänsä. Käyttämällä Amazon SageMakerin automaattista mallin viritystä ja hajautettua koulutusta Spot Instances -tapahtumissa voimme nopeasti ja tehokkaammin muokata ja kouluttaa malleja ilman, että joudumme säätämään taustalla olevaa koulutusinfrastruktuuria, joka tarvitaan skaalaamaan niin suuriin tietokokonaisuuksiin."

Northwestern University

Northwestern Universityn Master of Science in Artificial Intelligence (MSAI) -opiskelijoille annettiin kiertue Amazon SageMaker Studio Lab ennen kuin käytät sitä hackathonin aikana.

"Amazon SageMaker Studio Labin helppokäyttöisyyden ansiosta opiskelijat pystyivät nopeasti soveltamaan oppimiaan luovien ratkaisujen rakentamiseen", sanoi Mohammed Alam, MSAI-ohjelman apulaisjohtaja. ”Odotimme opiskelijoiden osuvan luonnollisesti esteisiin lyhyen 5 tunnin kilpailun aikana. Sen sijaan he ylittivät odotuksemme saamalla kaikki projektit päätökseen, mutta myös pitämällä vaikuttavia esityksiä, joissa he sovelsivat monimutkaisia ​​ML-konsepteja tärkeisiin reaalimaailman ongelmiin.

Rensselaer-ammattikorkeakoulu

Rensselaer Polytechnic Institute (RPI), New Yorkin teknologian tutkimusyliopisto, käyttää Amazon SageMaker Studiota auttaakseen opiskelijoita oppimaan nopeasti ML-käsitteitä.

"RPI omistaa yhden maailman tehokkaimmista supertietokoneista, mutta tekoälyllä on jyrkkä oppimiskäyrä", sanoi tietojenkäsittelytieteen professori Mohammed J. Zaki. ”Tarvitsimme tavan, jolla opiskelijat voivat aloittaa kustannustehokkaasti. Amazon SageMaker Studio Labin intuitiivinen käyttöliittymä mahdollisti opiskelijoiden nopean aloituksen ja tehokkaan GPU:n, jonka avulla he voivat työskennellä monimutkaisten syväoppimismallien kanssa kulmakiviprojekteissaan.

Hongkongin ammatillinen koulutusinstituutti

Hong Kong Institute of Vocational Educationin IT-osasto (Lee Wai Lee) käyttää Amazon SageMaker Studio Labia tarjotakseen opiskelijoille mahdollisuuksia työskennellä todellisissa ML-projekteissa.

"Käytämme Amazon SageMaker Studio Labia ML- ja Python-peruskursseilla, jotka antavat opiskelijoille vankan perustan monille pilviteknologioille", sanoi vanhempi lehtori Cyrus Wong. "Amazon SageMaker Studio Lab antaa opiskelijoillemme mahdollisuuden saada käytännön kokemusta todellisista datatieteen projekteista ilman, että he juuttuvat asetuksiin tai kokoonpanoihin. Toisin kuin muut valmistajat, tämä on opiskelijoille tarkoitettu Linux-kone, jonka avulla he voivat tehdä paljon enemmän koodausharjoituksia."

MapmyIntia

MapmyIndia, Intian johtava digitaalisten karttojen, paikkatietoohjelmistojen ja sijaintiin perustuvien esineiden Internet (IoT) -tekniikoiden toimittaja, käyttää Amazon SageMakeria ML-malliensa rakentamiseen, kouluttamiseen ja käyttöönottoon.

"MapmyIndia ja maailmanlaajuinen alustamme Mappls tarjoavat vankkaa, erittäin tarkkaa ja maailmanlaajuista tekoäly- ja tietokonenäköpohjaista satelliitti- ja katukuvapohjaista analytiikkaa lukuisiin käyttötapauksiin, kuten talouskehityksen, väestönkasvun ja maatalouden mittaamiseen. teho, rakennustoiminta, katukylttien havaitseminen, maan segmentointi ja tien muutosten havaitseminen", sanoi Rohan Verma, MapmyIndian toimitusjohtaja ja toiminnanjohtaja. ”Kykymme luoda, kouluttaa ja ottaa käyttöön malleja nopeasti ja tarkasti erottaa meidät muista. Olemme iloisia voidessamme tehdä yhteistyötä AWS:n kanssa AI/ML-tarjonnassamme ja olemme innoissamme Amazon SageMakerin kyvystä skaalata tätä nopeasti.

Tyytyväinen

SatSure, Intiassa toimiva johtava päätöksentekotietoratkaisujen valmistaja, joka käyttää Maan havainnointidataa oivallusten luomiseen, luottaa Amazon SageMakeriin ML-tietojen petatavujen valmistelemiseen ja kouluttamiseen.

"Käytämme Amazon SageMakeria petatavujen EO-, GIS-, talous-, teksti- ja liiketoimintatietosarjojen murskaamiseen käyttämällä sen AI/ML-ominaisuuksia innovoidaksemme ja skaalataksemme mallejamme nopeasti", sanoi Prateep Basu, SatSuren toimitusjohtaja. "Olemme käyttäneet AWS:ää vuodesta 2017 lähtien ja olemme auttaneet rahoituslaitoksia lainaamaan yli 2 miljoonaa maanviljelijää Intiassa, Nigeriassa ja Filippiineillä samalla kun olemme valvoneet 1 miljoonaa neliökilometriä viikoittain."

Yhteenveto

Aloita Amazon SageMakerin käyttö osoitteessa aws.amazon.com/sagemaker.

---

kirjailijasta

Ankur Mehrotra liittyi Amazoniin vuonna 2008 ja on tällä hetkellä Amazon SageMakerin pääjohtaja. Ennen Amazon SageMakeria hän työskenteli Amazon.comin mainosjärjestelmien ja automatisoidun hinnoittelutekniikan rakentamisessa.