AWS festeggia 5 anni di innovazione con Amazon SageMaker

In soli 5 anni hanno attinto decine di migliaia di clienti Amazon Sage Maker per creare milioni di modelli, addestrare modelli con miliardi di parametri e generare centinaia di miliardi di previsioni mensili.

I semi di un cambiamento di paradigma del machine learning (ML) erano lì da decenni, ma con la pronta disponibilità di capacità di elaborazione praticamente infinita, una massiccia proliferazione di dati e il rapido avanzamento delle tecnologie ML, i clienti di tutti i settori ora hanno accesso al suo potenziale di trasformazione. benefici. Per sfruttare questa opportunità e portare il machine learning fuori dai laboratori di ricerca e nelle mani delle organizzazioni, AWS ha creato Amazon SageMaker. Quest'anno celebriamo il 5° anniversario di Amazon SageMaker, il nostro servizio di machine learning completamente gestito di punta, lanciato ad AWS re:Invent 2017 e diventato uno dei servizi in più rapida crescita nella storia di AWS.

AWS ha lanciato Amazon SageMaker per abbattere le barriere al machine learning e democratizzare l'accesso a tecnologie all'avanguardia. Oggi, quel successo potrebbe sembrare inevitabile, ma nel 2017 il machine learning richiedeva ancora competenze specialistiche tipicamente possedute da un gruppo limitato di sviluppatori, ricercatori, dottorandi o aziende che costruivano il proprio business attorno al machine learning. In precedenza, gli sviluppatori e i data scientist dovevano prima visualizzare, trasformare e preelaborare i dati in formati che gli algoritmi potevano utilizzare per addestrare i modelli, il che richiedeva enormi quantità di potenza di calcolo, lunghi periodi di addestramento e team dedicati per gestire ambienti che spesso si estendevano su più GPU. server abilitati e una buona dose di ottimizzazione manuale delle prestazioni. Inoltre, l'implementazione di un modello addestrato all'interno di un'applicazione richiedeva un insieme diverso di competenze specializzate nella progettazione di applicazioni e nei sistemi distribuiti. Con la crescita dei set di dati e delle variabili, le aziende hanno dovuto ripetere questo processo per apprendere ed evolversi da nuove informazioni man mano che i modelli più vecchi diventavano obsoleti. Queste sfide e barriere facevano sì che il machine learning fosse fuori portata per la maggior parte dei casi, tranne che per le organizzazioni e gli istituti di ricerca ben finanziati.

L’alba di una nuova era nell’apprendimento automatico

Ecco perché abbiamo introdotto Amazon SageMaker, il nostro servizio gestito di machine learning di punta che consente a sviluppatori, data scientist e analisti aziendali di preparare i dati in modo rapido e semplice e di creare, addestrare e distribuire modelli di machine learning di alta qualità su larga scala. Negli ultimi 5 anni abbiamo aggiunto più di 250 nuove funzionalità e funzionalità, tra cui il primo ambiente di sviluppo integrato (IDE) al mondo per ML, debugger, monitor di modelli, profiler, AutoML, un archivio di funzionalità, funzionalità no-code e il primo strumento di integrazione continua e distribuzione continua (CI/CD) appositamente creato per rendere il machine learning meno complesso e più scalabile nel cloud e sui dispositivi edge.

Nel 2021, abbiamo spinto ulteriormente la democratizzazione per mettere il machine learning alla portata di più utenti. Amazon SageMaker consente a più gruppi di persone di creare modelli ML, incluso l'ambiente senza codice Tela di Amazon SageMaker per analisti aziendali senza esperienza di machine learning, nonché un ambiente di machine learning gratuito e senza installazione per consentire agli studenti di apprendere e sperimentare con il machine learning più velocemente.

Oggi, i clienti possono innovare con Amazon SageMaker attraverso una scelta di strumenti: IDE per data scientist e un'interfaccia senza codice per gli analisti aziendali. Possono accedere, etichettare ed elaborare grandi quantità di dati strutturati (dati tabulari) e dati non strutturati (foto, video e audio) per il machine learning. Con Amazon SageMaker, i clienti possono ridurre i tempi di formazione da ore a minuti con un'infrastruttura ottimizzata. Infine, per i clienti puoi automatizzare e standardizzare le pratiche delle operazioni di machine learning (MLOps) all'interno della loro organizzazione per creare, addestrare, distribuire e gestire modelli su larga scala.

Nuove funzionalità per la prossima generazione di innovazione

Guardando al futuro, AWS continua a sviluppare in modo aggressivo nuove funzionalità che possono aiutare i clienti a portare avanti il ​​machine learning. Ad esempio, gli endpoint multimodello (MME) Amazon SageMaker consentono ai clienti di distribuire migliaia di modelli ML su un singolo endpoint Amazon SageMaker e ridurre i costi condividendo le istanze fornite dietro un endpoint su tutti i modelli. Fino a poco tempo fa, gli MME erano supportati solo sulle CPU, ma ora gli MME Amazon SageMaker supportano le GPU. I clienti possono utilizzare Amazon SageMaker MME per distribuire modelli di deep learning su istanze GPU e risparmiare fino al 90% dei costi distribuendo migliaia di modelli di deep learning su un singolo endpoint multimodello. Amazon SageMaker ha inoltre ampliato il supporto per l'ottimizzazione del calcolo Cloud di calcolo elastico di Amazon (Amazon EC2) istanze fornite da AWS Graviton 2 e Graviton 3 processori, che sono particolarmente adatti per l'inferenza ML basata su CPU, in modo che i clienti possano distribuire modelli sul tipo di istanza ottimale per i propri carichi di lavoro.

I clienti di Amazon SageMaker stanno sfruttando la potenza del machine learning

Ogni giorno, clienti di tutte le dimensioni e di tutti i settori si rivolgono ad Amazon SageMaker per sperimentare, innovare e distribuire modelli ML in meno tempo e a costi inferiori che mai. Di conseguenza, le conversazioni si stanno ora spostando dall’arte del possibile al raggiungimento di nuovi livelli di produttività con il ML. Oggi, clienti come Capital One e Fannie Mae nei servizi finanziari, Philips e AstraZeneca nella sanità e nelle scienze della vita, Condé Nast e Thomson Reuters nei media, NFL e Formula 1 nello sport, Amazon e Mercado Libre nel commercio al dettaglio e Siemens e Bayer nel il settore industriale utilizza i servizi ML su AWS per accelerare l'innovazione aziendale. Si uniscono a decine di migliaia di altri clienti Amazon SageMaker che utilizzano il servizio per gestire milioni di modelli, addestrare modelli con miliardi di parametri ed effettuare centinaia di miliardi di previsioni ogni mese.

Altre innovazioni attendono. Ma nel frattempo ci fermiamo per brindare ai tanti successi ottenuti dai nostri clienti.

Thomson Reuters

Thomson Reuters, fornitore leader di servizi di informazioni aziendali, sfrutta la potenza di Amazon SageMaker per creare servizi più intuitivi per i propri clienti.

"Siamo costantemente alla ricerca di solide soluzioni basate sull'intelligenza artificiale che offrano un ritorno sull'investimento positivo a lungo termine", ha affermato Danilo Tommasina, Direttore dell'ingegneria presso Thomson Reuters Labs. “Amazon SageMaker è fondamentale per il nostro lavoro di ricerca e sviluppo sull’intelligenza artificiale. Ci consente di portare efficacemente la ricerca verso soluzioni mature e altamente automatizzate. Con Amazon SageMaker Studio, ricercatori e ingegneri possono concentrarsi sulla risoluzione dei problemi aziendali con tutti gli strumenti necessari per il flusso di lavoro ML in un unico IDE. Eseguiamo tutte le nostre attività di sviluppo ML, inclusi notebook, gestione degli esperimenti, automazione della pipeline ML e debug direttamente da Amazon SageMaker Studio."

Salesforce

Salesforce, la piattaforma CRM leader a livello mondiale, ha recentemente annunciato nuove integrazioni che consentiranno di utilizzare Amazon SageMaker insieme a Einstein, la tecnologia AI di Salesforce.

"Salesforce Einstein è la prima AI completa per CRM e consente a ogni azienda di diventare più intelligente e predittiva nei confronti dei propri clienti attraverso un set integrato di tecnologie AI per vendite, marketing, commercio, servizi e IT", ha affermato Rahul Auradkar, EVP di Einstein e Servizi dati unificati presso Salesforce. “Una delle maggiori sfide che le aziende devono affrontare oggi è che i loro dati sono isolati. È difficile riunire i dati per garantire il coinvolgimento dei clienti in tempo reale in tutti i punti di contatto e raccogliere informazioni aziendali significative. Basata su Genie, la piattaforma di dati dei clienti in tempo reale di Salesforce, l'integrazione di Salesforce e Amazon SageMaker consente ai team di dati di accedere senza problemi ai dati dei clienti unificati e armonizzati per creare e addestrare modelli ML in Amazon SageMaker. E una volta distribuiti, questi modelli Amazon SageMaker possono essere utilizzati con Einstein per alimentare previsioni e approfondimenti su tutta la piattaforma Salesforce. Man mano che l’intelligenza artificiale si evolve, continuiamo a migliorare Einstein con il modello BYOM (bring-your-own-modeling) per incontrare sviluppatori e data scientist laddove lavorano”.

Meta IA

Meta AI è un laboratorio di intelligenza artificiale che appartiene a Meta Platforms Inc.

"Meta AI ha collaborato con AWS per migliorare torch.distributed e aiutare gli sviluppatori a scalare la propria formazione utilizzando Amazon SageMaker e istanze basate su Trainium", ha affermato Geeta Chauhan, Applied AI Engineering Manager presso Meta AI. “Grazie a questi miglioramenti, in base ai nostri test abbiamo riscontrato una riduzione dei tempi di addestramento per i modelli di grandi dimensioni. Siamo entusiasti di vedere Amazon SageMaker supportare la formazione distribuita di PyTorch per accelerare l’innovazione del machine learning”.

Tyson Food Inc.

Tyson Foods Inc., uno dei più grandi produttori e distributori di carne al mondo, si affida ad Amazon SageMaker, Amazon SageMaker verità fondamentalee Panorama AWS per migliorare l’efficienza.

"L'eccellenza operativa è una priorità fondamentale per Tyson Foods", ha affermato Barret Miller, Senior Manager of Emerging Technology presso Tyson Foods Inc. "Utilizziamo la visione artificiale basata sul ML su AWS per migliorare l'efficienza produttiva, automatizzare i processi e migliorare i processi che richiedono tempo o compiti soggetti a errori. Abbiamo collaborato con Amazon Machine Learning Solutions Lab per creare un modello di rilevamento di oggetti all'avanguardia utilizzando Amazon SageMaker Ground Truth e AWS Panorama. Con questa soluzione, riceviamo informazioni quasi in tempo reale che ci aiutano a produrre l’inventario di cui abbiamo bisogno riducendo al minimo gli sprechi”.

Autodesk

AutoCAD è un'applicazione software commerciale di progettazione e disegno assistito da computer di Autodesk. AutoCAD si affida ad Amazon SageMaker per ottimizzare il proprio processo di progettazione generativa.

"Volevamo consentire ai clienti AutoCAD di essere più efficienti fornendo suggerimenti e approfondimenti personalizzati e aggiornati sull'utilizzo, garantendo che il tempo che trascorrono in AutoCAD sia il più produttivo possibile", ha affermato Dania El Hassan, Direttore della gestione del prodotto per AutoCAD , presso Autodesk. "Amazon SageMaker è stato uno strumento essenziale che ci ha aiutato a fornire comandi proattivi e consigli di scelta rapida ai nostri utenti, consentendo loro di ottenere nuovi e potenti risultati di progettazione."

Torc.ai

Con l'aiuto di Amazon SageMaker e della libreria SMDDP (Distributed Data Parallel) di Amazon SageMaker, Torc.ai, leader nel settore dei veicoli autonomi dal 2005, commercializza camion a guida autonoma per trasporti sicuri e sostenuti a lungo raggio nel settore del trasporto merci.

"Il mio team è ora in grado di eseguire facilmente lavori di formazione distribuita su larga scala utilizzando la formazione del modello Amazon SageMaker e la libreria SMDDP (Distributed Data Parallel) di Amazon SageMaker, che coinvolge terabyte di dati di formazione e modelli con milioni di parametri", ha affermato Derek Johnson, Vice Presidente di Engineering presso Torc.ai. “La formazione sui modelli distribuiti di Amazon SageMaker e SMDDP ci hanno aiutato a scalare senza problemi senza dover gestire l’infrastruttura di formazione. Ha ridotto il nostro tempo per addestrare i modelli da diversi giorni a poche ore, permettendoci di comprimere il nostro ciclo di progettazione e portare nuove funzionalità di veicoli autonomi alla nostra flotta più velocemente che mai”.

Ricerca sull’intelligenza artificiale di LG

LG AI Research mira a guidare la prossima era dell'intelligenza artificiale utilizzando Amazon SageMaker per addestrare e distribuire modelli ML più velocemente.

“Abbiamo recentemente presentato Tilda, l’artista AI basato su EXAONE, un sistema di intelligenza artificiale super gigante in grado di elaborare 250 milioni di set di dati di coppie di immagini e testo ad alta definizione”, ha affermato Seung Hwan Kim, Vice Presidente e Vision Lab Leader presso LG AI Research. “L’intelligenza artificiale multimodale consente a Tilda di creare da sola una nuova immagine, con la sua capacità di esplorare oltre il linguaggio che percepisce. Amazon SageMaker è stato essenziale nello sviluppo di EXAONE, grazie alle sue capacità di scalabilità e formazione distribuita. Nello specifico, a causa dell’enorme calcolo richiesto per addestrare questa IA super gigante, un’elaborazione parallela efficiente è molto importante. Avevamo anche bisogno di gestire continuamente dati su larga scala ed essere flessibili per rispondere ai dati appena acquisiti. Utilizzando la formazione del modello Amazon SageMaker e le librerie di formazione distribuita, abbiamo ottimizzato la formazione distribuita e addestrato il modello il 59% più velocemente, senza modifiche importanti al nostro codice di formazione."

Prodotti per l'acqua Mueller

Mueller Water Products produce valvole ingegnerizzate, idranti antincendio, prodotti per il collegamento e la riparazione di tubazioni, prodotti per la misurazione, soluzioni per il rilevamento delle perdite e altro ancora. Ha utilizzato Amazon SageMaker per sviluppare una soluzione ML innovativa per rilevare più rapidamente le perdite d'acqua.

“La nostra missione è quella di risparmiare 7.7 miliardi di galloni di perdite d’acqua entro il 2027”, ha affermato Dave Johnston, Direttore delle infrastrutture intelligenti presso Mueller Water Products. “Grazie ai modelli ML basati su Amazon SageMaker, abbiamo migliorato la precisione di EchoShore-DX, il nostro sistema di rilevamento di anomalie basato sull'acustica. Di conseguenza, possiamo informare più rapidamente i clienti dei servizi pubblici quando si verifica una perdita. Questa soluzione ha consentito di risparmiare circa 675 milioni di litri d'acqua nel 2021. Siamo entusiasti di continuare a utilizzare i servizi AWS ML per migliorare ulteriormente il nostro portafoglio tecnologico e continuare a promuovere l'efficienza e la sostenibilità con i nostri clienti dei servizi di pubblica utilità."

canva

Canva, produttore del popolare strumento di progettazione e pubblicazione online, si affida alla potenza di Amazon SageMaker per un'implementazione rapida.

"Affinché Canva potesse crescere su larga scala, avevamo bisogno di uno strumento che ci aiutasse a lanciare nuove funzionalità senza ritardi o problemi", ha affermato Greg Roodt, responsabile delle piattaforme dati di Canva. “L'adattabilità di Amazon SageMaker ci ha permesso di gestire più attività con meno risorse, ottenendo un carico di lavoro più rapido ed efficiente. Ciò ha dato al nostro team di ingegneri la certezza che le funzionalità lanciate si adatteranno al loro caso d'uso. Con Amazon SageMaker, abbiamo distribuito il nostro modello da testo a immagine in 2 settimane utilizzando una potente infrastruttura gestita e non vediamo l'ora di espandere questa funzionalità ai nostri milioni di utenti nel prossimo futuro."

Ispirare

Inspire, un servizio di informazioni sanitarie incentrato sul consumatore, si affida ad Amazon SageMaker per fornire informazioni utili per cure, trattamenti e risultati migliori.

"Il nostro motore di raccomandazione dei contenuti è uno dei principali motori della nostra proposta di valore", ha affermato Brian Loew, amministratore delegato e fondatore di Inspire. “Lo usiamo per indirizzare i nostri utenti (che vivono con condizioni particolari) verso post o articoli pertinenti e specifici. Con Amazon SageMaker possiamo creare, addestrare e distribuire facilmente modelli di deep learning. La nostra sofisticata soluzione ML, basata su Amazon SageMaker, ci aiuta a migliorare la capacità del nostro motore di raccomandazione dei contenuti di suggerire contenuti pertinenti a 2 milioni di utenti registrati, estraendo dalla nostra libreria di 1.5 miliardi di parole su 3,600 condizioni. Amazon SageMaker ci ha permesso di connettere in modo accurato pazienti e operatori sanitari con contenuti e risorse più personalizzati, comprese informazioni sulle malattie rare e percorsi di trattamento”.

ResMed

ResMed è un fornitore leader di soluzioni connesse al cloud per persone affette da apnea notturna, BPCO, asma e altre condizioni croniche. Nel 2014, ResMed ha lanciato MyAir, una piattaforma e un'applicazione personalizzata per la gestione della terapia, che consente ai pazienti di monitorare la terapia del sonno.

"Prima di Amazon SageMaker, tutti gli utenti MyAir ricevevano gli stessi messaggi dall'app contemporaneamente, indipendentemente dalla loro condizione", ha affermato Badri Raghavan, Vicepresidente di Data Science presso ResMed. “Amazon SageMaker ci ha permesso di interagire con i pazienti tramite MyAir in base allo specifico dispositivo ResMed che utilizzano, alle ore di veglia e ad altri dati contestuali. Sfruttiamo diverse funzionalità di Amazon SageMaker per addestrare pipeline di modelli e scegliere i tipi di distribuzione, comprese le inferenze in tempo quasi reale e batch, per fornire contenuti su misura. Amazon SageMaker ci ha permesso di raggiungere il nostro obiettivo di incorporare funzionalità ML in tutto il mondo distribuendo modelli in giorni o settimane, anziché in mesi."

Verisk

Verisk fornisce insight analitici esperti basati sui dati che aiutano le aziende, le persone e le società a diventare più forti, più resilienti e sostenibili. Utilizza Amazon SageMaker per semplificare i flussi di lavoro ML.

"Verisk e Vexcel stanno lavorando a stretto contatto per archiviare ed elaborare immense quantità di dati su AWS, inclusi i dati di immagini aeree ad altissima risoluzione di Vexcel catturati in 26 paesi in tutto il mondo", ha affermato Jeffrey C. Taylor, Presidente di Verisk 3D Visual Intelligenza. "Amazon SageMaker ci aiuta a semplificare il lavoro svolto dai team ML e MLOps, permettendoci di concentrarci sul soddisfare le esigenze dei nostri clienti, compresi gli stakeholder immobiliari nel settore assicurativo, immobiliare, edile e altro ancora."

Smartocto BV

Con l'aiuto di Amazon SageMaker, Smartocto BV fornisce analisi dei contenuti guidate dal machine learning a 350 redazioni e società di media in tutto il mondo.

"Con l'espansione del business, avevamo bisogno di semplificare l'implementazione dei nostri modelli ML, ridurre il time-to-market ed espandere la nostra offerta di prodotti", ha affermato Ilija Susa, Chief Data Officer di Smartocto. “Tuttavia, la gestione della combinazione di soluzioni open source e cloud per ospitare autonomamente i nostri carichi di lavoro ML richiedeva sempre più tempo. Abbiamo migrato i nostri modelli ML sugli endpoint Amazon SageMaker e, in meno di 3 mesi, abbiamo lanciato Smartify, una nuova soluzione nativa AWS. Smartify utilizza Amazon SageMaker per fornire analisi editoriali predittive quasi in tempo reale, che aiutano i clienti a migliorare i propri contenuti ed espandere il proprio pubblico.

Visualfabriq

Visualfabriq offre una soluzione di gestione delle entrate con funzionalità di intelligenza artificiale applicata ad alcune delle principali aziende mondiali di beni di consumo confezionati. Utilizza Amazon SageMaker per migliorare le prestazioni e l'accuratezza dei modelli ML su larga scala.

"Volevamo adattare il nostro stack tecnologico per migliorare le prestazioni e la scalabilità e rendere i modelli più facili da aggiungere, aggiornare e riqualificare", ha affermato Jelle Verstraaten, Team Lead per la previsione della domanda, l'intelligenza artificiale e la gestione della crescita dei ricavi presso Visualfabriq. “L’impatto maggiore della migrazione ad Amazon SageMaker è stato un significativo miglioramento delle prestazioni della nostra soluzione. Eseguendo inferenze su server dedicati, anziché su server Web, la nostra soluzione è più efficiente e i costi sono coerenti e trasparenti. Abbiamo migliorato del 200% i tempi di risposta del nostro servizio di previsione della domanda, che prevede l'impatto di un'azione promozionale sul volume delle vendite di un rivenditore, e abbiamo implementato una soluzione scalabile che richiede meno interventi manuali e accelera l'onboarding di nuovi clienti."

Sophos

Sophos, leader mondiale nelle soluzioni e nei servizi di sicurezza informatica di prossima generazione, utilizza Amazon SageMaker per addestrare i suoi modelli ML in modo più efficiente.

“La nostra potente tecnologia rileva ed elimina i file abilmente intrisi di malware”, ha affermato Konstantin Berlin, responsabile dell’intelligenza artificiale di Sophos. “L’utilizzo dei modelli XGBoost per elaborare set di dati di più terabyte, tuttavia, era estremamente dispendioso in termini di tempo e talvolta semplicemente non era possibile con uno spazio di memoria limitato. Con la formazione distribuita di Amazon SageMaker, possiamo addestrare con successo un modello XGBoost leggero che è molto più piccolo su disco (fino a 25 volte più piccolo) e in memoria (fino a cinque volte più piccolo) rispetto al suo predecessore. Utilizzando l'ottimizzazione automatica dei modelli di Amazon SageMaker e la formazione distribuita sulle istanze Spot, possiamo modificare e riqualificare i modelli in modo rapido ed efficace senza modificare l'infrastruttura di formazione sottostante necessaria per la scalabilità orizzontale a set di dati di dimensioni così grandi."

Northwestern University

È stato fatto un tour agli studenti della Northwestern University del programma Master of Science in Artificial Intelligence (MSAI). Laboratorio Amazon SageMaker Studio prima di usarlo durante un hackathon.

"La facilità d'uso di Amazon SageMaker Studio Lab ha consentito agli studenti di applicare rapidamente quanto appreso per creare soluzioni creative", ha affermato Mohammed Alam, vicedirettore del programma MSAI. “Ci aspettavamo che gli studenti incontrassero naturalmente alcuni ostacoli durante la breve competizione di 5 ore. Invece, hanno superato le nostre aspettative non solo completando tutti i progetti ma anche offrendo presentazioni impressionanti in cui hanno applicato concetti complessi di ML a importanti problemi del mondo reale”.

Rensselaer Polytechnic Institute

Il Rensselaer Polytechnic Institute (RPI), un'università di ricerca tecnologica di New York, utilizza Amazon SageMaker Studio per aiutare gli studenti ad apprendere rapidamente i concetti di ML.

"RPI possiede uno dei supercomputer più potenti al mondo, ma l'intelligenza artificiale ha una curva di apprendimento ripida", ha affermato Mohammed J. Zaki, professore di informatica. “Avevamo bisogno di un modo per consentire agli studenti di iniziare in modo economicamente vantaggioso. L'interfaccia intuitiva di Amazon SageMaker Studio Lab ha consentito ai nostri studenti di iniziare rapidamente e ha fornito una potente GPU, consentendo loro di lavorare con modelli complessi di deep learning per i loro progetti capstone."

Istituto di istruzione professionale di Hong Kong

Il dipartimento IT dell'Hong Kong Institute of Vocational Education (Lee Wai Lee) utilizza Amazon SageMaker Studio Lab per offrire agli studenti l'opportunità di lavorare su progetti ML reali.

"Utilizziamo Amazon SageMaker Studio Lab in corsi di base relativi a ML e Python che offrono agli studenti una solida base in molte tecnologie cloud", ha affermato Cyrus Wong, docente senior. “Amazon SageMaker Studio Lab consente ai nostri studenti di acquisire esperienza pratica con progetti di data science reali, senza impantanarsi in impostazioni o configurazioni. A differenza di altri fornitori, questa è una macchina Linux per gli studenti, che consente loro di svolgere molti più esercizi di codifica."

MappamyIndia

MapmyIndia, il principale fornitore indiano di mappe digitali, software geospaziale e tecnologie Internet of Things (IoT) basate sulla posizione, utilizza Amazon SageMaker per creare, addestrare e distribuire i suoi modelli ML.

“MapmyIndia e la nostra piattaforma globale, Mappls, offrono analisi robuste, altamente accurate e basate sull’intelligenza artificiale e su immagini stradali e satellitari guidate dalla visione artificiale per una serie di casi d’uso, come la misurazione dello sviluppo economico, la crescita della popolazione, l’agricoltura produzione, attività di costruzione, rilevamento dei segnali stradali, segmentazione del territorio e rilevamento dei cambiamenti stradali", ha affermato Rohan Verma, amministratore delegato e direttore esecutivo di MapmyIndia. “La nostra capacità di creare, addestrare e distribuire modelli con velocità e precisione ci distingue. Siamo lieti di collaborare con AWS per le nostre offerte AI/ML e siamo entusiasti della capacità di Amazon SageMaker di scalarla rapidamente."

Sat Certo

SatSure, leader indiano nelle soluzioni di decision intelligence che utilizzano dati di osservazione della Terra per generare insight, si affida ad Amazon SageMaker per preparare e addestrare petabyte di dati ML.

"Utilizziamo Amazon SageMaker per elaborare petabyte di set di dati EO, GIS, finanziari, testuali e aziendali, utilizzando le sue capacità AI/ML per innovare e scalare rapidamente i nostri modelli", ha affermato Prateep Basu, amministratore delegato di SatSure. "Utilizziamo AWS dal 2017 e abbiamo aiutato gli istituti finanziari a concedere prestiti a oltre 2 milioni di agricoltori in India, Nigeria e Filippine, monitorando 1 milione di chilometri quadrati su base settimanale."

Conclusione

Per iniziare con Amazon SageMaker, visita aws.amazon.com/sagemaker.

---

L'autore

Ankur Mehrotra è entrato in Amazon nel 2008 ed è attualmente il direttore generale di Amazon SageMaker. Prima di Amazon SageMaker, ha lavorato alla creazione dei sistemi pubblicitari e della tecnologia di determinazione dei prezzi automatizzata di Amazon.com.