AWS comemora 5 anos de inovação com Amazon SageMaker

Em apenas 5 anos, dezenas de milhares de clientes recorreram Amazon Sage Maker para criar milhões de modelos, treinar modelos com bilhões de parâmetros e gerar centenas de bilhões de previsões mensais.

As sementes de uma mudança de paradigma de aprendizado de máquina (ML) já existem há décadas, mas com a disponibilidade imediata de capacidade computacional praticamente infinita, uma proliferação massiva de dados e o rápido avanço das tecnologias de ML, os clientes de todos os setores agora têm acesso a seu processo transformacional. benefícios. Para aproveitar essa oportunidade e tirar o ML do laboratório de pesquisa e colocá-lo nas mãos das organizações, a AWS criou o Amazon SageMaker. Este ano, comemoramos o aniversário de 5 anos do Amazon SageMaker, nosso principal serviço de ML totalmente gerenciado, que foi lançado no AWS re:Invent 2017 e se tornou um dos serviços de crescimento mais rápido na história da AWS.

A AWS lançou o Amazon SageMaker para quebrar barreiras ao ML e democratizar o acesso a tecnologia de ponta. Hoje, esse sucesso pode ter parecido inevitável, mas em 2017, o ML ainda exigia competências especializadas normalmente possuídas por um grupo limitado de programadores, investigadores, doutores ou empresas que construíram os seus negócios em torno do ML. Anteriormente, os desenvolvedores e cientistas de dados tinham que primeiro visualizar, transformar e pré-processar dados em formatos que os algoritmos pudessem usar para treinar modelos, o que exigia grandes quantidades de poder de computação, longos períodos de treinamento e equipes dedicadas para gerenciar ambientes que muitas vezes abrangiam várias GPUs. servidores habilitados — e uma boa quantidade de ajuste manual de desempenho. Além disso, a implantação de um modelo treinado em um aplicativo exigia um conjunto diferente de habilidades especializadas em design de aplicativos e sistemas distribuídos. À medida que os conjuntos de dados e as variáveis ​​cresciam, as empresas tiveram de repetir este processo para aprender e evoluir a partir de novas informações à medida que os modelos mais antigos se tornavam obsoletos. Estes desafios e barreiras significavam que o BC estava fora do alcance da maioria, exceto para organizações e instituições de investigação bem financiadas.

O início de uma nova era no aprendizado de máquina

É por isso que apresentamos o Amazon SageMaker, nosso principal serviço gerenciado de ML que permite que desenvolvedores, cientistas de dados e analistas de negócios preparem dados de maneira rápida e fácil e criem, treinem e implantem modelos de ML de alta qualidade em escala. Nos últimos cinco anos, adicionamos mais de 5 novos recursos e capacidades, incluindo o primeiro ambiente de desenvolvimento integrado (IDE) do mundo para ML, depuradores, monitores de modelo, criadores de perfil, AutoML, um armazenamento de recursos, recursos sem código e a primeira ferramenta de integração contínua e entrega contínua (CI/CD) desenvolvida especificamente para tornar o ML menos complexo e mais escalonável na nuvem e em dispositivos de borda.

Em 2021, impulsionamos ainda mais a democratização para colocar o ML ao alcance de mais usuários. O Amazon SageMaker permite que mais grupos de pessoas criem modelos de ML, incluindo o ambiente sem código em Tela do Amazon SageMaker para analistas de negócios sem experiência em ML, bem como um ambiente de ML sem configuração e sem custos para que os alunos aprendam e experimentem ML com mais rapidez.

Hoje, os clientes podem inovar com o Amazon SageMaker por meio de diversas ferramentas: IDEs para cientistas de dados e uma interface sem código para analistas de negócios. Eles podem acessar, rotular e processar grandes quantidades de dados estruturados (dados tabulares) e dados não estruturados (foto, vídeo e áudio) para ML. Com o Amazon SageMaker, os clientes podem reduzir o tempo de treinamento de horas para minutos com infraestrutura otimizada. Por fim, os clientes podem automatizar e padronizar práticas de operações de aprendizado de máquina (MLOps) em toda a organização para criar, treinar, implantar e gerenciar modelos em escala.

Novos recursos para a próxima geração de inovação

Seguindo em frente, a AWS continua a desenvolver agressivamente novos recursos que podem ajudar os clientes a levar o ML ainda mais longe. Por exemplo, os endpoints multimodelos (MMEs) do Amazon SageMaker permitem que os clientes implantem milhares de modelos de ML em um único endpoint do Amazon SageMaker e reduzam os custos compartilhando instâncias provisionadas por trás de um endpoint em todos os modelos. Até recentemente, os MMEs eram compatíveis apenas com CPUs, mas os MMEs do Amazon SageMaker agora oferecem suporte a GPUs. Os clientes podem usar o Amazon SageMaker MME para implantar modelos de aprendizagem profunda em instâncias de GPU e economizar até 90% do custo implantando milhares de modelos de aprendizagem profunda em um único endpoint multimodelo. O Amazon SageMaker também expandiu o suporte para aplicativos otimizados para computação Amazon Elastic Compute Nuvem (Amazon EC2) instâncias desenvolvidas por AWS Graviton 2 e Graviton 3 processadores, que são adequados para inferência de ML baseada em CPU, para que os clientes possam implantar modelos no tipo de instância ideal para suas cargas de trabalho.

Os clientes do Amazon SageMaker estão aproveitando o poder do machine learning

Todos os dias, clientes de todos os tamanhos e de todos os setores recorrem ao Amazon SageMaker para experimentar, inovar e implantar modelos de ML em menos tempo e com menor custo do que nunca. Como resultado, as conversas estão agora mudando da arte do possível para o desencadeamento de novos níveis de produtividade com ML. Hoje, clientes como Capital One e Fannie Mae em serviços financeiros, Philips e AstraZeneca em saúde e ciências biológicas, Conde Nast e Thomson Reuters em mídia, NFL e Fórmula 1 em esportes, Amazon e Mercado Libre em varejo, e Siemens e Bayer em o setor industrial usa serviços de ML na AWS para acelerar a inovação empresarial. Eles se juntam a dezenas de milhares de outros clientes do Amazon SageMaker que usam o serviço para gerenciar milhões de modelos, treinar modelos com bilhões de parâmetros e fazer centenas de bilhões de previsões todos os meses.

Mais inovações aguardam. Mas entretanto, fazemos uma pausa para brindar aos muitos sucessos que os nossos clientes alcançaram.

Thomson Reuters

A Thomson Reuters, fornecedora líder de serviços de informações empresariais, aproveita o poder do Amazon SageMaker para criar serviços mais intuitivos para seus clientes.

“Buscamos continuamente soluções sólidas baseadas em IA que proporcionem um retorno positivo sobre o investimento a longo prazo”, disse Danilo Tommasina, Diretor de Engenharia do Thomson Reuters Labs. “O Amazon SageMaker é fundamental para nosso trabalho de P&D em IA. Isso nos permite trazer pesquisas de forma eficaz para soluções maduras e altamente automatizadas. Com o Amazon SageMaker Studio, pesquisadores e engenheiros podem se concentrar na solução de problemas de negócios com todas as ferramentas necessárias para seu fluxo de trabalho de ML em um único IDE. Realizamos todas as nossas atividades de desenvolvimento de ML, incluindo notebooks, gerenciamento de experimentos, automação de pipeline de ML e depuração diretamente no Amazon SageMaker Studio.”

Salesforce

Salesforce, a plataforma de CRM líder mundial, anunciou recentemente novas integrações que permitirão usar o Amazon SageMaker junto com o Einstein, a tecnologia de IA da Salesforce.

“O Salesforce Einstein é a primeira IA abrangente para CRM e permite que todas as empresas sejam mais inteligentes e preditivas sobre seus clientes por meio de um conjunto integrado de tecnologias de IA para vendas, marketing, comércio, serviços e TI”, disse Rahul Auradkar, vice-presidente executivo do Einstein. e serviços de dados unificados na Salesforce. “Um dos maiores desafios que as empresas enfrentam hoje é que seus dados ficam isolados. É difícil reunir dados para proporcionar envolvimento do cliente em tempo real em todos os pontos de contato e obter insights de negócios significativos. Desenvolvido pela Genie, a plataforma de dados de clientes em tempo real da Salesforce, a integração entre Salesforce e Amazon SageMaker permite que as equipes de dados tenham acesso contínuo a dados de clientes unificados e harmonizados para construir e treinar modelos de ML no Amazon SageMaker. E, uma vez implantados, esses modelos do Amazon SageMaker podem ser usados ​​com o Einstein para potencializar previsões e insights em toda a Salesforce Platform. À medida que a IA evolui, continuamos a aprimorar o Einstein com a modelagem traga sua própria modelagem (BYOM) para atender desenvolvedores e cientistas de dados onde eles trabalham.”

Meta IA

Meta AI é um laboratório de inteligência artificial que pertence à Meta Platforms Inc.

“A Meta AI colaborou com a AWS para aprimorar o torch.distributed para ajudar os desenvolvedores a dimensionar seu treinamento usando instâncias baseadas no Amazon SageMaker e Trainium”, disse Geeta Chauhan, gerente de engenharia de IA aplicada da Meta AI. “Com essas melhorias, observamos uma redução no tempo de treinamento para modelos grandes com base em nossos testes. Estamos entusiasmados em ver o Amazon SageMaker apoiar o treinamento distribuído do PyTorch para acelerar a inovação em ML.”

Tyson Alimentos Inc.

A Tyson Foods Inc., uma das maiores processadoras e comerciantes de carne do mundo, conta com o Amazon SageMaker, Verdade no solo do Amazon SageMaker e Panorama AWS para melhorar a eficiência.

“A excelência operacional é uma prioridade fundamental na Tyson Foods”, disse Barret Miller, gerente sênior de tecnologia emergente da Tyson Foods Inc. “Usamos visão computacional alimentada por ML na AWS para melhorar a eficiência da produção, automatizar processos e melhorar o consumo de tempo ou tarefas sujeitas a erros. Colaboramos com o Amazon Machine Learning Solutions Lab para criar um modelo de detecção de objetos de última geração usando o Amazon SageMaker Ground Truth e o AWS Panorama. Com esta solução, recebemos insights quase em tempo real que nos ajudam a produzir o inventário que precisamos, ao mesmo tempo que minimizamos o desperdício.”

Autodesk

AutoCAD é um aplicativo comercial de software de desenho e desenho auxiliado por computador da Autodesk. O AutoCAD depende do Amazon SageMaker para otimizar seu processo de design generativo.

“Queríamos capacitar os clientes do AutoCAD para serem mais eficientes, fornecendo dicas e insights de uso personalizados e instantâneos, garantindo que o tempo que passam no AutoCAD seja o mais produtivo possível”, disse Dania El Hassan, Diretora de Gerenciamento de Produtos do AutoCAD. , na Autodesk. “O Amazon SageMaker foi uma ferramenta essencial que nos ajudou a fornecer comandos proativos e recomendações de atalhos aos nossos usuários, permitindo-lhes alcançar novos e poderosos resultados de design.”

Torc.ai

Com a ajuda do Amazon SageMaker e da biblioteca paralela de dados distribuídos (SMDDP) do Amazon SageMaker, Torc.ai, líder em veículos autônomos desde 2005, está comercializando caminhões autônomos para trânsito seguro, sustentado e de longa distância no setor de frete.

“Minha equipe agora é capaz de executar facilmente trabalhos de treinamento distribuído em larga escala usando o treinamento de modelo do Amazon SageMaker e a biblioteca paralela de dados distribuídos (SMDDP) do Amazon SageMaker, envolvendo terabytes de dados de treinamento e modelos com milhões de parâmetros”, disse Derek Johnson, vice-presidente Presidente de Engenharia da Torc.ai. “O treinamento de modelo distribuído do Amazon SageMaker e o SMDDP nos ajudaram a escalar perfeitamente, sem precisar gerenciar a infraestrutura de treinamento. Reduziu o nosso tempo de formação de modelos de vários dias para algumas horas, permitindo-nos comprimir o nosso ciclo de design e trazer novas capacidades de veículos autónomos para a nossa frota mais rapidamente do que nunca.”

Pesquisa de IA da LG

A LG AI Research pretende liderar a próxima era da IA ​​usando o Amazon SageMaker para treinar e implantar modelos de ML com mais rapidez.

“Recentemente, lançamos Tilda, o artista de IA desenvolvido pela EXAONE, um sistema de IA supergigante que pode processar 250 milhões de conjuntos de dados de pares de texto e imagem de alta definição”, disse Seung Hwan Kim, vice-presidente e líder do Vision Lab da LG AI Research. “A IA multimodal permite que Tilda crie uma nova imagem por si só, com sua capacidade de explorar além da linguagem que percebe. O Amazon SageMaker foi essencial no desenvolvimento do EXAONE, devido aos seus recursos de escalonamento e treinamento distribuído. Especificamente, devido à enorme computação necessária para treinar esta IA supergigante, o processamento paralelo eficiente é muito importante. Também precisávamos gerenciar continuamente dados em grande escala e ser flexíveis para responder aos dados recém-adquiridos. Usando o treinamento de modelo do Amazon SageMaker e bibliotecas de treinamento distribuídas, otimizamos o treinamento distribuído e treinamos o modelo 59% mais rápido, sem grandes modificações em nosso código de treinamento.”

Produtos de Água Mueller

A Mueller Water Products fabrica válvulas projetadas, hidrantes, produtos para conexão e reparo de tubos, produtos de medição, soluções para detecção de vazamentos e muito mais. Ela usou o Amazon SageMaker para desenvolver uma solução inovadora de ML para detectar vazamentos de água com mais rapidez.

“Temos a missão de economizar 7.7 bilhões de galões de perda de água até 2027”, disse Dave Johnston, Diretor de Infraestrutura Inteligente da Mueller Water Products. “Graças aos modelos de ML desenvolvidos no Amazon SageMaker, melhoramos a precisão do EchoShore-DX, nosso sistema de detecção de anomalias baseado em acústica. Como resultado, podemos informar os clientes dos serviços públicos mais rapidamente quando ocorre um vazamento. Esta solução economizou cerca de 675 milhões de galões de água em 2021. Estamos entusiasmados em continuar a usar os serviços de ML da AWS para aprimorar ainda mais nosso portfólio de tecnologia e continuar impulsionando a eficiência e a sustentabilidade com nossos clientes de serviços públicos.”

canva

Canva, criadora da popular ferramenta de design e publicação on-line, conta com o poder do Amazon SageMaker para implementação rápida.

“Para que o Canva crescesse em grande escala, precisávamos de uma ferramenta que nos ajudasse a lançar novos recursos sem atrasos ou problemas”, disse Greg Roodt, chefe de plataformas de dados do Canva. “A adaptabilidade do Amazon SageMaker nos permitiu gerenciar mais tarefas com menos recursos, resultando em uma carga de trabalho mais rápida e eficiente. Isso deu à nossa equipe de engenharia a confiança de que os recursos lançados serão dimensionados de acordo com seu caso de uso. Com o Amazon SageMaker, implantamos nosso modelo de conversão de texto em imagem em duas semanas usando uma infraestrutura gerenciada poderosa e esperamos expandir esse recurso para nossos milhões de usuários em um futuro próximo.”

Inspirar

O Inspire, um serviço de informações de saúde centrado no consumidor, conta com o Amazon SageMaker para fornecer insights práticos para melhores cuidados, tratamentos e resultados.

“Nosso mecanismo de recomendação de conteúdo é um importante impulsionador de nossa proposta de valor”, disse Brian Loew, CEO e fundador da Inspire. “Usamos isso para direcionar nossos usuários (que convivem com condições específicas) a postagens ou artigos relevantes e específicos. Com o Amazon SageMaker, podemos criar, treinar e implantar facilmente modelos de aprendizagem profunda. Nossa sofisticada solução de ML, baseada no Amazon SageMaker, nos ajuda a melhorar a capacidade do nosso mecanismo de recomendação de conteúdo de sugerir conteúdo relevante para 2 milhões de usuários registrados, extraindo de nossa biblioteca de 1.5 bilhão de palavras em 3,600 condições. O Amazon SageMaker nos permitiu conectar com precisão pacientes e cuidadores com conteúdos e recursos mais personalizados, incluindo informações sobre doenças raras e caminhos de tratamento.”

ResMed

A ResMed é fornecedora líder de soluções conectadas à nuvem para pessoas com apneia do sono, DPOC, asma e outras condições crônicas. Em 2014, a ResMed lançou o MyAir, uma plataforma e aplicativo personalizado de gerenciamento de terapia, para os pacientes monitorarem a terapia do sono.

“Antes do Amazon SageMaker, todos os usuários do MyAir recebiam as mesmas mensagens do aplicativo ao mesmo tempo, independentemente de sua condição”, disse Badri Raghavan, vice-presidente de ciência de dados da ResMed. “O Amazon SageMaker nos permitiu interagir com os pacientes por meio do MyAir com base no dispositivo ResMed específico que eles usam, nas horas em que estão acordados e em outros dados contextuais. Aproveitamos vários recursos do Amazon SageMaker para treinar pipelines de modelos e escolher tipos de implantação, incluindo inferências quase em tempo real e em lote, para fornecer conteúdo personalizado. O Amazon SageMaker nos permitiu atingir nosso objetivo de incorporar recursos de ML em todo o mundo, implantando modelos em dias ou semanas, em vez de meses.”

Verisco

A Verisk fornece insights analíticos especializados baseados em dados que ajudam empresas, pessoas e sociedades a se tornarem mais fortes, mais resilientes e sustentáveis. Ele usa o Amazon SageMaker para simplificar os fluxos de trabalho de ML.

“A Verisk e a Vexcel estão trabalhando juntas para armazenar e processar imensas quantidades de dados na AWS, incluindo dados de imagens aéreas de altíssima resolução da Vexcel que são capturados em 26 países ao redor do mundo”, disse Jeffrey C. Taylor, presidente da Verisk 3D Visual. Inteligência. “O Amazon SageMaker nos ajuda a simplificar o trabalho que as equipes de ML e MLOps fazem, permitindo-nos focar em atender às necessidades de nossos clientes, incluindo as partes interessadas no setor imobiliário em seguros, imóveis, construção e muito mais.”

Smartocto BV

Com a ajuda do Amazon SageMaker, a Smartocto BV fornece análise de conteúdo orientada por ML para 350 redações e empresas de mídia em todo o mundo.

“À medida que o negócio crescia, precisávamos simplificar a implantação de nossos modelos de ML, reduzir o tempo de lançamento no mercado e expandir nossa oferta de produtos”, disse Ilija Susa, diretor de dados da Smartocto. “No entanto, o gerenciamento da combinação de soluções de código aberto e de nuvem para auto-hospedar nossas cargas de trabalho de ML era cada vez mais demorado. Migramos nossos modelos de ML para endpoints do Amazon SageMaker e, em menos de três meses, lançamos o Smartify, uma nova solução nativa da AWS. A Smartify usa o Amazon SageMaker para fornecer análises editoriais preditivas quase em tempo real, o que ajuda os clientes a melhorar seu conteúdo e expandir seus públicos.”

Visualfabriq

A Visualfabriq oferece uma solução de gerenciamento de receitas com recursos de inteligência artificial aplicada para algumas das principais empresas de bens de consumo embalados do mundo. Ele usa o Amazon SageMaker para melhorar o desempenho e a precisão dos modelos de ML em escala.

“Queríamos adaptar nossa pilha de tecnologia para melhorar o desempenho e a escalabilidade e tornar os modelos mais fáceis de adicionar, atualizar e retreinar”, disse Jelle Verstraaten, líder de equipe de previsão de demanda, inteligência artificial e gerenciamento de crescimento de receita da Visualfabriq. “O maior impacto da migração para o Amazon SageMaker foi uma melhoria significativa no desempenho da nossa solução. Ao executar inferências em servidores dedicados, em vez de servidores web, nossa solução é mais eficiente e os custos são consistentes e transparentes. Melhoramos o tempo de resposta do nosso serviço de previsão de demanda – que prevê o impacto de uma ação promocional no volume de vendas de um varejista – em 200%, e implantamos uma solução escalável que requer menos intervenção manual e acelera a integração de novos clientes.”

Sophos

A Sophos, líder mundial em soluções e serviços de segurança cibernética de última geração, usa o Amazon SageMaker para treinar seus modelos de ML com mais eficiência.

“Nossa poderosa tecnologia detecta e elimina arquivos astuciosamente associados a malware”, disse Konstantin Berlin, chefe de Inteligência Artificial da Sophos. “No entanto, empregar modelos XGBoost para processar conjuntos de dados de vários terabytes era extremamente demorado – e às vezes simplesmente impossível com espaço de memória limitado. Com o treinamento distribuído do Amazon SageMaker, podemos treinar com êxito um modelo XGBoost leve que é muito menor em disco (até 25 vezes menor) e em memória (até cinco vezes menor) do que seu antecessor. Usando o ajuste automático de modelos do Amazon SageMaker e o treinamento distribuído em instâncias spot, podemos modificar e retreinar modelos de forma rápida e mais eficaz, sem ajustar a infraestrutura de treinamento subjacente necessária para expandir para conjuntos de dados tão grandes.”

Northwestern University

Alunos da Northwestern University no programa de Mestrado em Inteligência Artificial (MSAI) fizeram um tour por Laboratório de estúdio do Amazon SageMaker antes de usá-lo durante um hackathon.

“A facilidade de uso do Amazon SageMaker Studio Lab permitiu que os alunos aplicassem rapidamente o que aprenderam para criar soluções criativas”, disse Mohammed Alam, vice-diretor do programa MSAI. “Esperávamos que os alunos encontrassem naturalmente alguns obstáculos durante a curta competição de 5 horas. Em vez disso, eles superaram nossas expectativas não apenas concluindo todos os projetos, mas também fazendo apresentações impressionantes nas quais aplicaram conceitos complexos de ML a problemas importantes do mundo real.”

Rensselaer Polytechnic Institute

O Rensselaer Polytechnic Institute (RPI), uma universidade de pesquisa tecnológica de Nova York, usa o Amazon SageMaker Studio para ajudar os alunos a aprender rapidamente conceitos de ML.

“A RPI possui um dos supercomputadores mais poderosos do mundo, mas a IA tem uma curva de aprendizagem acentuada”, disse Mohammed J. Zaki, professor de Ciência da Computação. “Precisávamos de uma maneira de os alunos começarem com boa relação custo-benefício. A interface intuitiva do Amazon SageMaker Studio Lab permitiu que nossos alunos começassem rapidamente e forneceu uma GPU poderosa, permitindo-lhes trabalhar com modelos complexos de aprendizagem profunda para seus projetos finais.”

Instituto de Educação Profissional de Hong Kong

O departamento de TI do Instituto de Educação Profissional de Hong Kong (Lee Wai Lee) usa o Amazon SageMaker Studio Lab para oferecer aos alunos oportunidades de trabalhar em projetos de ML do mundo real.

“Usamos o Amazon SageMaker Studio Lab em cursos básicos relacionados a ML e Python que oferecem aos alunos uma base sólida em muitas tecnologias de nuvem”, disse Cyrus Wong, palestrante sênior. “O Amazon SageMaker Studio Lab permite que nossos alunos tenham experiência prática com projetos de ciência de dados do mundo real, sem se preocuparem com configurações. Ao contrário de outros fornecedores, esta é uma máquina Linux para estudantes, permitindo-lhes fazer muito mais exercícios de codificação.”

MapmyÍndia

A MapmyIndia, fornecedora líder de mapas digitais, software geoespacial e tecnologias de Internet das Coisas (IoT) baseadas em localização da Índia, usa o Amazon SageMaker para criar, treinar e implantar seus modelos de ML.

“MapmyIndia e nossa plataforma global, Mappls, oferecem IA robusta, altamente precisa e mundial e análises baseadas em imagens de rua e satélite orientadas por visão computacional para uma série de casos de uso, como medição de desenvolvimento econômico, crescimento populacional, agricultura produção, atividade de construção, detecção de placas de rua, segmentação de terrenos e detecção de alterações nas estradas”, disse Rohan Verma, CEO e Diretor Executivo da MapmyIndia. “Nossa capacidade de criar, treinar e implantar modelos com velocidade e precisão nos diferencia. Estamos satisfeitos com a parceria com a AWS para nossas ofertas de IA/ML e entusiasmados com a capacidade do Amazon SageMaker de escalar isso rapidamente.”

SatSure

A SatSure, líder indiana em soluções de inteligência de decisão que usa dados de observação da Terra para gerar insights, conta com o Amazon SageMaker para preparar e treinar petabytes de dados de ML.

“Usamos o Amazon SageMaker para processar petabytes de conjuntos de dados EO, GIS, financeiros, textuais e de negócios, usando seus recursos de IA/ML para inovar e dimensionar nossos modelos rapidamente”, disse Prateep Basu, CEO da SatSure. “Usamos a AWS desde 2017 e ajudamos instituições financeiras a emprestar para mais de 2 milhões de agricultores na Índia, Nigéria e Filipinas, enquanto monitoramos 1 milhão de quilômetros quadrados semanalmente.”

Conclusão

Para começar a usar o Amazon SageMaker, visite aws.amazon.com/sagemaker.

---

Sobre o autor

Ankur Mehrotra ingressou na Amazon em 2008 e atualmente é gerente geral do Amazon SageMaker. Antes do Amazon SageMaker, ele trabalhou na construção de sistemas de publicidade e tecnologia de precificação automatizada da Amazon.com.