AWS viert 5 jaar innovatie met Amazon SageMaker

In slechts 5 jaar hebben tienduizenden klanten aangetikt Amazon Sage Maker om miljoenen modellen te maken, modellen met miljarden parameters te trainen en honderden miljarden maandelijkse voorspellingen te genereren.

De kiem van een paradigmaverschuiving voor machine learning (ML) was er al tientallen jaren, maar met de onmiddellijke beschikbaarheid van vrijwel oneindige rekencapaciteit, een enorme toename van gegevens en de snelle vooruitgang van ML-technologieën, hebben klanten in alle sectoren nu toegang tot de transformationele een uitkering. Om deze kans te benutten en ML uit het onderzoekslab en in handen van organisaties te krijgen, heeft AWS Amazon SageMaker gecreëerd. Dit jaar vieren we het 5-jarig jubileum van Amazon SageMaker, ons vlaggenschip, volledig beheerde ML-service, die werd gelanceerd op AWS re:Invent 2017 en uitgroeide tot een van de snelstgroeiende services in de geschiedenis van AWS.

AWS lanceerde Amazon SageMaker om barrières voor ML te slechten en de toegang tot geavanceerde technologie te democratiseren. Tegenwoordig leek dat succes misschien onvermijdelijk, maar in 2017 vereiste ML nog steeds gespecialiseerde vaardigheden die doorgaans in het bezit waren van een beperkte groep ontwikkelaars, onderzoekers, PhD's of bedrijven die hun bedrijf rond ML hadden gebouwd. Voorheen moesten ontwikkelaars en datawetenschappers eerst gegevens visualiseren, transformeren en voorbewerken in formaten die algoritmen konden gebruiken om modellen te trainen, waarvoor enorme hoeveelheden rekenkracht, lange trainingsperioden en toegewijde teams nodig waren om omgevingen te beheren die vaak meerdere GPU's omvatten. ingeschakelde servers - en een gezonde hoeveelheid handmatige prestatieafstemming. Bovendien vereiste het implementeren van een getraind model binnen een applicatie een andere reeks gespecialiseerde vaardigheden op het gebied van applicatieontwerp en gedistribueerde systemen. Naarmate datasets en variabelen groeiden, moesten bedrijven dit proces herhalen om te leren en te evolueren van nieuwe informatie naarmate oudere modellen verouderd raakten. Door deze uitdagingen en belemmeringen was ML voor de meesten buiten bereik, behalve voor goed gefinancierde organisaties en onderzoeksinstellingen.

Het aanbreken van een nieuw tijdperk in machine learning

Daarom hebben we Amazon SageMaker geïntroduceerd, onze vlaggenschip-ML-beheerde service waarmee ontwikkelaars, datawetenschappers en bedrijfsanalisten snel en eenvoudig gegevens kunnen voorbereiden en hoogwaardige ML-modellen op schaal kunnen bouwen, trainen en implementeren. In de afgelopen 5 jaar hebben we meer dan 250 nieuwe functies en mogelijkheden toegevoegd, waaronder 's werelds eerste geïntegreerde ontwikkelomgeving (IDE) voor ML, debuggers, modelmonitors, profilers, AutoML, een feature store, no-code-mogelijkheden en de eerste speciaal gebouwde tool voor continue integratie en continue levering (CI/CD) om ML minder complex en schaalbaarder te maken in de cloud en op edge-apparaten.

In 2021 hebben we de democratisering nog verder doorgevoerd om ML binnen het bereik van meer gebruikers te brengen. Amazon SageMaker stelt meer groepen mensen in staat om ML-modellen te maken, inclusief de no-code-omgeving in Amazon SageMaker-canvas voor bedrijfsanalisten zonder ML-ervaring, evenals een gratis ML-omgeving zonder installatie, zodat studenten sneller kunnen leren en experimenteren met ML.

Tegenwoordig kunnen klanten innoveren met Amazon SageMaker door middel van een keuze aan tools: IDE's voor datawetenschappers en een no-code interface voor bedrijfsanalisten. Ze kunnen grote hoeveelheden gestructureerde gegevens (tabelgegevens) en ongestructureerde gegevens (foto, video en audio) voor ML openen, labelen en verwerken. Met Amazon SageMaker kunnen klanten de trainingstijden terugbrengen van uren naar minuten met een geoptimaliseerde infrastructuur. Tot slot, klanten die u kunt automatiseren en standaardiseren van machine learning operations (MLOps)-praktijken in hun hele organisatie om modellen op schaal te bouwen, trainen, implementeren en beheren.

Nieuwe functies voor de volgende generatie innovatie

In de toekomst blijft AWS agressief nieuwe functies ontwikkelen die klanten kunnen helpen om ML verder te brengen. Met Amazon SageMaker multi-model endpoints (MME's) kunnen klanten bijvoorbeeld duizenden ML-modellen implementeren op een enkel Amazon SageMaker-endpoint en de kosten verlagen door instances die achter een endpoint zijn ingericht over alle modellen te delen. Tot voor kort werden MME's alleen ondersteund op CPU's, maar Amazon SageMaker MME's ondersteunen nu GPU's. Klanten kunnen Amazon SageMaker MME gebruiken om deep learning-modellen op GPU-instanties te implementeren en tot 90% van de kosten te besparen door duizenden deep learning-modellen te implementeren op één multi-model endpoint. Amazon SageMaker heeft ook de ondersteuning voor compute-geoptimaliseerde Amazon Elastic Compute-cloud (Amazon EC2) instanties mogelijk gemaakt door AWS Graviton 2 en Graviton 3 processors, die zeer geschikt zijn voor CPU-gebaseerde ML-inferentie, zodat klanten modellen kunnen implementeren op het optimale instantietype voor hun workloads.

Amazon SageMaker-klanten ontketenen de kracht van machine learning

Elke dag wenden klanten van elke omvang en in alle sectoren zich tot Amazon SageMaker om te experimenteren, innoveren en ML-modellen te implementeren in minder tijd en tegen lagere kosten dan ooit. Als gevolg hiervan verschuiven gesprekken nu van de kunst van het mogelijke naar het ontketenen van nieuwe productiviteitsniveaus met ML. Klanten zoals Capital One en Fannie Mae in financiële dienstverlening, Philips en AstraZeneca in gezondheidszorg en life sciences, Conde Nast en Thomson Reuters in media, NFL en Formule 1 in sport, Amazon en Mercado Libre in retail, en Siemens en Bayer in de industriële sector gebruikt ML-services op AWS om bedrijfsinnovatie te versnellen. Ze voegen zich bij tienduizenden andere Amazon SageMaker-klanten die de service gebruiken om miljoenen modellen te beheren, modellen met miljarden parameters te trainen en elke maand honderden miljarden voorspellingen te doen.

Er wachten nog meer innovaties. Maar ondertussen pauzeren we om te proosten op de vele successen die onze klanten hebben behaald.

Thomson Reuters

Thomson Reuters, een toonaangevende leverancier van bedrijfsinformatiediensten, gebruikt de kracht van Amazon SageMaker om intuïtievere diensten voor hun klanten te creëren.

"We zijn voortdurend op zoek naar solide op AI gebaseerde oplossingen die een positief langetermijnrendement op investering opleveren", zegt Danilo Tommasina, Director of Engineering bij Thomson Reuters Labs. “Amazon SageMaker staat centraal in ons AI R&D-werk. Het stelt ons in staat om onderzoek effectief naar volwassen en sterk geautomatiseerde oplossingen te brengen. Met Amazon SageMaker Studio kunnen onderzoekers en technici zich concentreren op het oplossen van zakelijke problemen met alle tools die nodig zijn voor hun ML-workflow in één enkele IDE. We voeren al onze ML-ontwikkelingsactiviteiten uit, inclusief notebooks, experimentbeheer, ML-pijplijnautomatisering en debugging rechtstreeks vanuit Amazon SageMaker Studio.”

Salesforce

Salesforce, 's werelds toonaangevende CRM-platform, heeft onlangs nieuwe integraties aangekondigd waarmee Amazon SageMaker naast Einstein, de AI-technologie van Salesforce, kan worden gebruikt.

"Salesforce Einstein is de eerste uitgebreide AI voor CRM en stelt elk bedrijf in staat om slimmer en voorspellender te worden over hun klanten via een geïntegreerde set AI-technologieën voor verkoop, marketing, commercie, service en IT", zegt Rahul Auradkar, EVP van Einstein en Unified Data Services bij Salesforce. “Een van de grootste uitdagingen waarmee bedrijven tegenwoordig worden geconfronteerd, is dat hun gegevens in silo's zijn opgeslagen. Het is moeilijk om gegevens samen te brengen om in realtime klantbetrokkenheid te leveren op alle contactpunten en zinvolle zakelijke inzichten te verkrijgen. Aangedreven door Genie, het realtime klantgegevensplatform van Salesforce, stelt de integratie van Salesforce en Amazon SageMaker datateams in staat met naadloze toegang tot uniforme en geharmoniseerde klantgegevens voor het bouwen en trainen van ML-modellen in Amazon SageMaker. En als ze eenmaal zijn geïmplementeerd, kunnen deze Amazon SageMaker-modellen worden gebruikt met Einstein om voorspellingen en inzichten op het Salesforce-platform mogelijk te maken. Naarmate AI evolueert, blijven we Einstein verbeteren met bring-your-own-modeling (BYOM) om ontwikkelaars en datawetenschappers te ontmoeten waar ze werken.”

Meta-AI

Meta AI is een laboratorium voor kunstmatige intelligentie dat behoort tot Meta Platforms Inc.

"Meta AI heeft samengewerkt met AWS om torch.distributed te verbeteren om ontwikkelaars te helpen hun training op te schalen met Amazon SageMaker en Trainium-gebaseerde instanties", zegt Geeta Chauhan, Applied AI Engineering Manager bij Meta AI. “Met deze verbeteringen hebben we op basis van onze tests een vermindering van de trainingstijd voor grote modellen gezien. We zijn verheugd om te zien dat Amazon SageMaker de gedistribueerde training van PyTorch ondersteunt om ML-innovatie te versnellen.”

Van Tyson Foods Inc.

Tyson Foods Inc., een van 's werelds grootste vleesverwerkers en verkopers, vertrouwt op Amazon SageMaker, Amazon SageMaker Grondwaarheid en AWS-panorama efficiëntie te verbeteren.

"Operationele uitmuntendheid is een topprioriteit bij Tyson Foods", zegt Barret Miller, Senior Manager Emerging Technology bij Tyson Foods Inc. "We gebruiken computervisie aangedreven door ML op AWS om de productie-efficiëntie te verbeteren, processen te automatiseren en tijdrovende of foutgevoelige taken. We hebben samengewerkt met het Amazon Machine Learning Solutions Lab om een ​​ultramodern objectdetectiemodel te creëren met behulp van Amazon SageMaker Ground Truth en AWS Panorama. Met deze oplossing ontvangen we bijna realtime inzichten die ons helpen de inventaris te produceren die we nodig hebben en verspilling tot een minimum te beperken.”

Autodesk

AutoCAD is een commerciële computerondersteunde ontwerp- en tekensoftwaretoepassing van Autodesk. AutoCAD vertrouwt op Amazon SageMaker om zijn generatieve ontwerpproces te optimaliseren.

"We wilden AutoCAD-klanten in staat stellen efficiënter te werken door gepersonaliseerde, actuele gebruikstips en -inzichten te geven, zodat de tijd die ze in AutoCAD besteden zo productief mogelijk is", zegt Dania El Hassan, Director of Product Management voor AutoCAD , bij Autodesk. "Amazon SageMaker was een essentiële tool die ons hielp onze gebruikers proactieve aanbevelingen voor opdrachten en snelkoppelingen te geven, waardoor ze krachtige nieuwe ontwerpresultaten konden bereiken."

Torc.ai

Met de hulp van Amazon SageMaker en de Amazon SageMaker gedistribueerde data parallel (SMDDP) bibliotheek, Torc.ai, een leider op het gebied van autonome voertuigen sinds 2005, commercialiseert zelfrijdende vrachtwagens voor veilig, duurzaam vervoer over lange afstanden in de vrachtindustrie.

"Mijn team kan nu gemakkelijk grootschalige gedistribueerde trainingstaken uitvoeren met behulp van Amazon SageMaker-modeltraining en de Amazon SageMaker distributed data parallel (SMDDP) -bibliotheek, met terabytes aan trainingsgegevens en modellen met miljoenen parameters", zegt Derek Johnson, vice-president President of Engineering bij Torc.ai. "Amazon SageMaker gedistribueerde modeltraining en de SMDDP hebben ons geholpen naadloos te schalen zonder de trainingsinfrastructuur te hoeven beheren. Het verkortte onze tijd om modellen te trainen van enkele dagen tot een paar uur, waardoor we onze ontwerpcyclus konden comprimeren en nieuwe autonome voertuigmogelijkheden sneller dan ooit in onze vloot konden introduceren.”

LG AI-onderzoek

LG AI Research wil het volgende tijdperk van AI leiden door Amazon SageMaker te gebruiken om ML-modellen sneller te trainen en in te zetten.

"We hebben onlangs Tilda geïntroduceerd, de AI-artiest aangedreven door EXAONE, een superreus AI-systeem dat 250 miljoen high-definition beeld-tekstpaar-datasets kan verwerken", zegt Seung Hwan Kim, Vice President en Vision Lab Leader bij LG AI Research. “De multimodale AI stelt Tilda in staat om zelf een nieuw beeld te creëren, met zijn vermogen om verder te kijken dan de taal die het waarneemt. Amazon SageMaker was essentieel bij de ontwikkeling van EXAONE vanwege de schaalbaarheid en gedistribueerde trainingsmogelijkheden. Met name vanwege de enorme rekenkracht die nodig is om deze supergigantische AI ​​te trainen, is efficiënte parallelle verwerking erg belangrijk. We moesten ook continu grootschalige gegevens beheren en flexibel zijn om te reageren op nieuw verworven gegevens. Met behulp van Amazon SageMaker-modeltraining en gedistribueerde trainingsbibliotheken hebben we gedistribueerde training geoptimaliseerd en het model 59% sneller getraind, zonder grote aanpassingen aan onze trainingscode.”

Mueller Waterproducten

Mueller Water Products vervaardigt technische afsluiters, brandkranen, leidingverbindings- en reparatieproducten, meetproducten, lekdetectieoplossingen en meer. Het gebruikte Amazon SageMaker om een ​​innovatieve ML-oplossing te ontwikkelen om waterlekken sneller te detecteren.

"We zijn op een missie om tegen 7.7 2027 miljard gallons waterverlies te besparen", zegt Dave Johnston, directeur Smart Infrastructure bij Mueller Water Products. “Dankzij ML-modellen die zijn gebouwd op Amazon SageMaker, hebben we de precisie van EchoShore-DX, ons akoestisch gebaseerde anomaliedetectiesysteem, verbeterd. Hierdoor kunnen wij nutsbedrijven sneller informeren wanneer er een lek optreedt. Deze oplossing heeft in 675 naar schatting 2021 miljoen gallons water bespaard. We zijn verheugd om AWS ML-services te blijven gebruiken om ons technologieportfolio verder te verbeteren en efficiëntie en duurzaamheid te blijven stimuleren bij onze nutsklanten.”

Canva

Canva, maker van de populaire online ontwerp- en publicatietool, vertrouwt op de kracht van Amazon SageMaker voor snelle implementatie.

"Om Canva op grote schaal te laten groeien, hadden we een tool nodig waarmee we nieuwe functies konden lanceren zonder vertragingen of problemen", zegt Greg Roodt, Head of Data Platforms bij Canva. “Het aanpassingsvermogen van Amazon SageMaker stelde ons in staat meer taken te beheren met minder middelen, wat resulteerde in een snellere, efficiëntere werklast. Het gaf ons technische team het vertrouwen dat de functies die ze lanceren, zullen worden aangepast aan hun gebruikssituatie. Met Amazon SageMaker hebben we ons tekst-naar-beeld-model in 2 weken geïmplementeerd met behulp van een krachtige beheerde infrastructuur, en we kijken ernaar uit om deze functie in de nabije toekomst uit te breiden naar onze miljoenen gebruikers.”

Inspireren

Inspire, een consumentgerichte informatieservice voor de gezondheidszorg, vertrouwt op Amazon SageMaker om bruikbare inzichten te leveren voor betere zorg, behandelingen en resultaten.

"Onze engine voor contentaanbevelingen is een belangrijke aanjager van onze waardepropositie", zegt Brian Loew, Chief Executive Officer en oprichter van Inspire. “We gebruiken het om onze gebruikers (die met bepaalde voorwaarden leven) naar relevante en specifieke berichten of artikelen te leiden. Met Amazon SageMaker kunnen we eenvoudig deep learning-modellen bouwen, trainen en implementeren. Onze geavanceerde ML-oplossing, gebaseerd op Amazon SageMaker, helpt ons het vermogen van onze engine voor inhoudaanbevelingen te verbeteren om relevante inhoud voor te stellen aan 2 miljoen geregistreerde gebruikers, door gebruik te maken van onze bibliotheek van 1.5 miljard woorden onder 3,600 voorwaarden. Amazon SageMaker heeft ons in staat gesteld om patiënten en zorgverleners nauwkeurig te verbinden met meer gepersonaliseerde inhoud en middelen, waaronder informatie over zeldzame ziekten en behandelingstrajecten.”

ResMed

ResMed is een toonaangevende leverancier van cloud-connected oplossingen voor mensen met slaapapneu, COPD, astma en andere chronische aandoeningen. In 2014 lanceerde ResMed MyAir, een gepersonaliseerd platform en applicatie voor therapiebeheer, waarmee patiënten slaaptherapie kunnen volgen.

"Vóór Amazon SageMaker ontvingen alle MyAir-gebruikers tegelijkertijd dezelfde berichten van de app, ongeacht hun toestand", zegt Badri Raghavan, Vice President Data Science bij ResMed. "Amazon SageMaker heeft ons in staat gesteld om via MyAir met patiënten te communiceren op basis van het specifieke ResMed-apparaat dat ze gebruiken, hun wakkere uren en andere contextuele gegevens. We profiteren van verschillende Amazon SageMaker-functies om modelpijplijnen te trainen en implementatietypen te kiezen, waaronder bijna-realtime en batch-inferenties, om op maat gemaakte inhoud te leveren. Amazon SageMaker heeft ons in staat gesteld ons doel te bereiken om ML-mogelijkheden wereldwijd te integreren door modellen in dagen of weken in plaats van maanden in te zetten.”

Verzekerd

Verisk biedt deskundige datagestuurde analytische inzichten die bedrijven, mensen en samenlevingen helpen sterker, veerkrachtiger en duurzamer te worden. Het gebruikt Amazon SageMaker om ML-workflows te stroomlijnen.

"Verisk en Vexcel werken nauw samen om enorme hoeveelheden gegevens op AWS op te slaan en te verwerken, waaronder Vexcel's ultrahoge resolutie luchtfotogegevens die zijn vastgelegd in 26 landen over de hele wereld", zegt Jeffrey C. Taylor, President bij Verisk 3D Visual Intelligentie. "Amazon SageMaker helpt ons het werk van de ML- en MLOps-teams te stroomlijnen, waardoor we ons kunnen concentreren op het dienen van de behoeften van onze klanten, inclusief belanghebbenden in onroerend goed in verzekeringen, onroerend goed, de bouw en daarbuiten."

Smartocto BV

Met de hulp van Amazon SageMaker levert Smartocto BV contentanalyses op basis van ML aan 350 redacties en mediabedrijven over de hele wereld.

"Terwijl het bedrijf aan het opschalen was, moesten we de implementatie van onze ML-modellen vereenvoudigen, de time-to-market verkorten en ons productaanbod uitbreiden", zegt Ilija Susa, Chief Data Officer bij Smartocto. “De combinatie van open-source- en cloudoplossingen om onze ML-workloads zelf te hosten, kostte echter steeds meer tijd om te beheren. We migreerden onze ML-modellen naar Amazon SageMaker-eindpunten en lanceerden in minder dan 3 maanden Smartify, een nieuwe AWS-native oplossing. Smartify gebruikt Amazon SageMaker om bijna realtime voorspellende redactionele analyses te bieden, wat klanten helpt hun inhoud te verbeteren en hun publiek uit te breiden.”

Visuele fabriq

Visualfabriq biedt een oplossing voor inkomstenbeheer met toegepaste kunstmatige-intelligentiemogelijkheden aan enkele van 's werelds toonaangevende bedrijven in verpakte consumentengoederen. Het gebruikt Amazon SageMaker om de prestaties en nauwkeurigheid van ML-modellen op schaal te verbeteren.

"We wilden onze technologiestack aanpassen om de prestaties en schaalbaarheid te verbeteren en modellen gemakkelijker toe te voegen, bij te werken en opnieuw te trainen", zegt Jelle Verstraaten, Team Lead voor Demand Forecast, Artificial Intelligence en Revenue Growth Management bij Visualfabriq. “De grootste impact van de migratie naar Amazon SageMaker was een aanzienlijke prestatieverbetering voor onze oplossing. Door gevolgtrekkingen uit te voeren op dedicated servers in plaats van op webservers, is onze oplossing efficiënter en zijn de kosten consistent en transparant. We hebben de responstijd van onze vraagvoorspellingsservice - die de impact van een promotionele actie op het verkoopvolume van een retailer voorspelt - met 200% verbeterd en een schaalbare oplossing geïmplementeerd die minder handmatige tussenkomst vereist en de onboarding van nieuwe klanten versnelt.”

Sophos

Sophos, een wereldleider in cyberbeveiligingsoplossingen en -diensten van de volgende generatie, gebruikt Amazon SageMaker om zijn ML-modellen efficiënter te trainen.

"Onze krachtige technologie detecteert en elimineert bestanden die sluw met malware zijn doorspekt", zegt Konstantin Berlin, hoofd kunstmatige intelligentie bij Sophos. “Het gebruik van XGBoost-modellen om datasets van meerdere terabyte te verwerken was echter extreem tijdrovend en soms gewoon niet mogelijk met beperkte geheugenruimte. Met Amazon SageMaker gedistribueerde training kunnen we met succes een lichtgewicht XGBoost-model trainen dat veel kleiner is op schijf (tot 25 keer kleiner) en in geheugen (tot vijf keer kleiner) dan zijn voorganger. Met behulp van Amazon SageMaker automatische modelafstemming en gedistribueerde training op Spot Instances, kunnen we modellen snel en effectiever aanpassen en opnieuw trainen zonder de onderliggende trainingsinfrastructuur aan te passen die nodig is om uit te schalen naar dergelijke grote datasets.”

Northwestern University

Studenten van de Northwestern University in het programma Master of Science in Artificial Intelligence (MSAI) kregen een rondleiding door Amazon SageMaker Studiolab voordat u het gebruikt tijdens een hackathon.

"Het gebruiksgemak van Amazon SageMaker Studio Lab stelde studenten in staat om hun geleerde snel toe te passen om creatieve oplossingen te bouwen", zegt Mohammed Alam, adjunct-directeur van het MSAI-programma. “We verwachtten dat studenten tijdens de korte wedstrijd van 5 uur vanzelf wat hindernissen zouden tegenkomen. In plaats daarvan overtroffen ze onze verwachtingen door niet alleen alle projecten af ​​te ronden, maar ook indrukwekkende presentaties te geven waarin ze complexe ML-concepten toepasten op belangrijke real-world problemen.”

Rensselaer Polytechnic Institute

Rensselaer Polytechnic Institute (RPI), een technologische onderzoeksuniversiteit in New York, gebruikt Amazon SageMaker Studio om studenten te helpen snel ML-concepten te leren.

"RPI bezit een van de krachtigste supercomputers ter wereld, maar AI heeft een steile leercurve", zegt Mohammed J. Zaki, hoogleraar computerwetenschappen. “We hadden een manier nodig waarop studenten kosteneffectief konden beginnen. De intuïtieve interface van Amazon SageMaker Studio Lab stelde onze studenten in staat snel aan de slag te gaan en bood een krachtige GPU, waardoor ze konden werken met complexe deep learning-modellen voor hun sluitstukprojecten.”

Hong Kong Instituut voor Beroepsonderwijs

De IT-afdeling van het Hong Kong Institute of Vocational Education (Lee Wai Lee) gebruikt Amazon SageMaker Studio Lab om studenten de mogelijkheid te bieden om aan echte ML-projecten te werken.

"We gebruiken Amazon SageMaker Studio Lab in basiscursussen voor ML en Python die studenten een solide basis geven in veel cloudtechnologieën", zegt Cyrus Wong, Senior Lecturer. “Amazon SageMaker Studio Lab stelt onze studenten in staat om praktische ervaring op te doen met real-world data science-projecten, zonder vast te lopen in setups of configuraties. In tegenstelling tot andere leveranciers is dit een Linux-machine voor studenten, waardoor ze veel meer codeeroefeningen kunnen doen.”

KaartmijnIndia

MapmyIndia, India's toonaangevende leverancier van digitale kaarten, geospatiale software en location-based Internet of Things (IoT)-technologieën, gebruikt Amazon SageMaker om zijn ML-modellen te bouwen, te trainen en te implementeren.

“MapmyIndia en ons wereldwijde platform, Mappls, bieden robuuste, zeer nauwkeurige en wereldwijde AI en computervisiegestuurde op satelliet- en straatbeelden gebaseerde analyses voor tal van gebruikssituaties, zoals het meten van economische ontwikkeling, bevolkingsgroei, landbouw output, bouwactiviteiten, detectie van straatnaamborden, landsegmentatie en detectie van wegveranderingen”, zegt Rohan Verma, Chief Executive Officer en Executive Director bij MapmyIndia. “Ons vermogen om modellen snel en nauwkeurig te maken, te trainen en in te zetten, onderscheidt ons. We zijn verheugd om samen te werken met AWS voor ons AI/ML-aanbod en zijn enthousiast over het vermogen van Amazon SageMaker om dit snel op te schalen.”

SatZeker

SatSure, een in India gevestigde leider in oplossingen voor beslissingsintelligentie die aardobservatiegegevens gebruikt om inzichten te genereren, vertrouwt op Amazon SageMaker voor het voorbereiden en trainen van petabytes aan ML-gegevens.

"We gebruiken Amazon SageMaker om petabytes aan EO-, GIS-, financiële, tekstuele en zakelijke datasets te kraken, met behulp van de AI/ML-mogelijkheden om onze modellen snel te innoveren en te schalen", zegt Prateep Basu, Chief Executive Officer bij SatSure. "We gebruiken AWS sinds 2017 en we hebben financiële instellingen geholpen om leningen te verstrekken aan meer dan 2 miljoen boeren in India, Nigeria en de Filippijnen, terwijl we wekelijks 1 miljoen vierkante kilometer monitoren."

Conclusie

Om aan de slag te gaan met Amazon SageMaker, ga je naar aws.amazon.com/sagemaker.

---

Over de auteur

Ankur Mehrotra kwam in 2008 bij Amazon en is momenteel de General Manager van Amazon SageMaker. Voor Amazon SageMaker werkte hij aan het bouwen van Amazon.com's advertentiesystemen en geautomatiseerde prijstechnologie.