At SambaSafety, misiunea lor este de a promova comunități mai sigure prin reducerea riscurilor prin intermediul informațiilor despre date. Din 1998, SambaSafety este principalul furnizor nord-american de software de gestionare a riscurilor de mobilitate bazat pe cloud pentru organizații cu drivere comerciale și necomerciale. SambaSafety deservește peste 15,000 de angajatori și transportatori de asigurări la nivel mondial cu monitorizarea riscului șoferului și a conformității, instruire online și analiză profundă a riscurilor, precum și soluții de stabilire a prețurilor de risc. Prin colectarea, corelarea și analiza datelor înregistrării șoferilor, telematice, corporative și a altor senzori, SambaSafety nu numai că îi ajută pe angajatori să aplice mai bine politicile de siguranță și să reducă daunele, dar îi ajută și pe asigurătorii să ia decizii informate de subscriere și verificatorii de antecedente să efectueze preînchiriere precise și eficiente. verificări.
Nu toți șoferii prezintă același profil de risc. Cu cât ai petrecut mai mult timp la volan, cu atât profilul tău de risc este mai mare. Echipa SambaSafety de oameni de știință a datelor a dezvoltat soluții complexe și adecvate de modelare concepute pentru a cuantifica cu acuratețe acest profil de risc. Cu toate acestea, au căutat asistență pentru a implementa această soluție pentru inferențe în lot și în timp real într-o manieră consistentă și fiabilă.
În această postare, discutăm despre modul în care SambaSafety a folosit instrumentele de învățare automată (ML) AWS și de integrare continuă și livrare continuă (CI/CD) pentru a implementa aplicația existentă de știință a datelor pentru inferența pe lot. SambaSafety a colaborat cu AWS Advanced Consulting Partner Mintea de foc pentru a oferi o soluție care a folosit AWS CodeStar, Funcții pas AWS, și Amazon SageMaker pentru acest volum de muncă. Cu produsele AWS CI/CD și AI/ML, echipa de știință a datelor de la SambaSafety nu a fost nevoită să-și schimbe fluxul de lucru de dezvoltare existent pentru a profita de formarea și inferența continuă a modelului.
Caz de utilizare pentru client
Echipa de știință a datelor de la SambaSafety folosea de mult puterea datelor pentru a-și informa afacerea. Au avut mai mulți ingineri și oameni de știință calificați care construiau modele perspicace care au îmbunătățit calitatea analizei riscurilor pe platforma lor. Provocările cu care se confruntă această echipă nu au fost legate de știința datelor. Echipa SambaSafety de știință a datelor avea nevoie de ajutor pentru a conecta fluxul de lucru existent în știința datelor la o soluție de livrare continuă.
Echipa de știință a datelor de la SambaSafety a menținut mai multe artefacte asemănătoare unui script ca parte a fluxului de lucru de dezvoltare. Aceste scripturi au efectuat mai multe sarcini, inclusiv preprocesarea datelor, ingineria caracteristicilor, crearea modelului, reglarea modelului și compararea și validarea modelelor. Toate aceste scripturi au fost executate manual atunci când date noi au ajuns în mediul lor pentru instruire. În plus, aceste scripturi nu au efectuat nicio versiune de model sau găzduire pentru deducere. Echipa de știință a datelor de la SambaSafety a dezvoltat soluții manuale pentru a promova noi modele în producție, dar acest proces a devenit consumator de timp și de muncă.
Pentru a elibera echipa de știință a datelor cu înaltă calificare a SambaSafety pentru a inova în noile sarcini de lucru ML, SambaSafety trebuia să automatizeze sarcinile manuale asociate cu menținerea modelelor existente. În plus, soluția trebuia să reproducă fluxul de lucru manual utilizat de echipa de știință a datelor SambaSafety și să ia decizii cu privire la continuarea pe baza rezultatelor acestor scripturi. În cele din urmă, soluția a trebuit să se integreze cu baza lor de cod existentă. Echipa de știință a datelor SambaSafety a folosit o soluție de depozit de cod externă AWS; conducta finală trebuia să fie suficient de inteligentă pentru a se declanșa pe baza actualizărilor la baza lor de cod, care a fost scrisă în principal R.
Prezentare generală a soluțiilor
Următoarea diagramă ilustrează arhitectura soluției, care a fost informată de una dintre numeroasele arhitecturi open-source menținute de partenerul de livrare SambaSafety Mintea de foc.
Soluția oferită de Firemind pentru echipa de știință a datelor SambaSafety a fost construită în jurul a două conducte ML. Prima conductă ML antrenează un model utilizând scripturile personalizate de preprocesare, antrenament și testare a datelor SambaSafety. Artefactul de model rezultat este implementat pentru inferență în lot și în timp real la punctele finale ale modelului gestionate de SageMaker. Al doilea pipeline ML facilitează cererea de inferență către modelul găzduit. În acest fel, conducta pentru antrenament este decuplată de conducta pentru inferență.
Una dintre complexitățile acestui proiect este replicarea pașilor manuali luați de oamenii de știință de la SambaSafety. Echipa de la Firemind a folosit Step Functions și SageMaker Processing pentru a finaliza această sarcină. Step Functions vă permite să rulați sarcini discrete în AWS folosind AWS Lambdas funcții, Serviciul Amazon Elastic Kubernetes (Amazon EKS) lucrători sau, în acest caz, SageMaker. SageMaker Processing vă permite să definiți joburi care rulează pe instanțe ML gestionate în cadrul ecosistemului SageMaker. Fiecare rulare a unui job Step Function își păstrează propriile jurnale, istoricul rulărilor și detalii despre succesul sau eșecul jobului.
Echipa a folosit Step Functions și SageMaker, împreună cu Lambda, pentru a gestiona automatizarea sarcinilor de lucru de instruire, reglare, implementare și inferență. Singura piesă rămasă a fost integrarea continuă a modificărilor de cod în această conductă de implementare. Firemind a implementat un proiect CodeStar care a menținut o conexiune la depozitul de cod existent al SambaSafety. Când echipa harnică de știință a datelor de la SambaSafety postează o actualizare pentru o anumită ramură a bazei de coduri, CodeStar preia modificările și declanșează automatizarea.
Concluzie
Noua conductă MLOps fără server a SambaSafety a avut un impact semnificativ asupra capacității lor de a livra. Integrarea științei datelor și a dezvoltării software permite echipelor lor să lucreze împreună fără probleme. Soluția lor automată de implementare a modelului a redus timpul până la livrare cu până la 70%.
SambaSafety a mai spus următoarele:
„Prin automatizarea modelelor noastre de știință a datelor și integrându-le în ciclul de viață al dezvoltării software, am reușit să atingem un nou nivel de eficiență și acuratețe în serviciile noastre. Acest lucru ne-a permis să rămânem în fruntea concurenței și să oferim clienților soluții inovatoare. Clienții noștri vor beneficia foarte mult de acest lucru, cu timpii de răspuns mai rapid și cu o acuratețe îmbunătățită a soluțiilor noastre.”
SambaSafety s-a conectat cu echipele de cont AWS cu problema lor. Echipele de arhitectură a contului și soluțiilor AWS au lucrat pentru a identifica această soluție prin aprovizionarea din rețeaua noastră robustă de parteneri. Conectați-vă cu echipa de cont AWS pentru a identifica oportunități de transformare similare pentru afacerea dvs.
Despre Autori
Dan Ferguson este un arhitect de soluții de specialitate AI/ML (SA) pe arhitectura de soluții de capital privat la Amazon Web Services. Dan ajută companiile din portofoliu susținute de Private Equity să utilizeze tehnologiile AI/ML pentru a-și atinge obiectivele de afaceri.
Khalil Adib este Data Scientist la Firemind, conducând inovația pe care Firemind o poate oferi clienților lor din lumea magică a AI și ML. Khalil lucrează cu cele mai recente și mai bune tehnologii și modele, asigurându-se că Firemind este întotdeauna la vârf.
Jason Mathew este inginer cloud la Firemind, care conduce livrarea de proiecte pentru clienți de la capăt la capăt, de la scrierea pipeline cu IaC, dezvoltarea ingineriei de date cu Python și depășirea limitelor ML. Jason este, de asemenea, contribuitorul cheie la proiectele open source ale Firemind.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- EVM Finance. Interfață unificată pentru finanțare descentralizată. Accesați Aici.
- Grupul Quantum Media. IR/PR amplificat. Accesați Aici.
- PlatoAiStream. Web3 Data Intelligence. Cunoștințe amplificate. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/samba-safety-automates-custom-r-workload-improving-driver-safety-with-amazon-sagemaker-and-aws-step-functions/
- :are
- :este
- :nu
- $UP
- 000
- 100
- 15%
- 1998
- 7
- 9
- a
- Capabil
- Despre Noi
- Cont
- precizie
- precis
- precis
- Obține
- În plus,
- avansat
- Avantaj
- înainte
- AI
- AI / ML
- TOATE
- permite
- de asemenea
- mereu
- Amazon
- Amazon SageMaker
- Amazon Web Services
- american
- an
- analiză
- Google Analytics
- și
- Orice
- aplicație
- arhitectură
- SUNT
- în jurul
- AS
- asociate
- At
- automatizarea
- Automata
- automate
- automatizarea
- Automatizare
- AWS
- Învățare automată AWS
- Funcții pas AWS
- sprijinit
- fundal
- de bază
- bazat
- BE
- a devenit
- fost
- în spatele
- beneficia
- Mai bine
- Sângerare
- limitele
- Branch firma
- Clădire
- construit
- afaceri
- dar
- by
- CAN
- purtătorii
- caz
- provocări
- Schimbare
- Modificări
- Verificări
- creanțe
- clientii
- Cloud
- cod
- baza codului
- colectare
- comercial
- Comunități
- Companii
- comparație
- concurs
- Completă
- complex
- complexități
- conformitate
- Conectați
- legat
- Conectarea
- conexiune
- consistent
- consultant
- continuu
- contribuabil
- Istoria
- Corelație
- creaţie
- personalizat
- clienţii care
- de date
- știința datelor
- om de știință de date
- Deciziile
- decuplat
- adânc
- livra
- livrate
- livrare
- implementa
- dislocate
- desfășurarea
- proiectat
- detalii
- dezvoltat
- Dezvoltare
- discuta
- şofer
- drivere
- conducere
- fiecare
- ecosistem
- Margine
- eficiență
- eficient
- patronat
- activat
- permite
- un capăt la altul
- aplica
- inginer
- Inginerie
- inginerii
- suficient de
- asigurare
- Mediu inconjurator
- echitate
- existent
- extern
- cu care se confruntă
- facilitează
- Eșec
- mai repede
- Caracteristică
- final
- În cele din urmă
- First
- următor
- Pentru
- Gratuit
- din
- funcţie
- funcții
- În plus
- Caritate
- cea mai mare
- foarte mult
- HAD
- manipula
- Avea
- ajutor
- ajută
- superior
- extrem de
- istorie
- găzduit
- găzduire
- Cum
- Totuși
- HTML
- http
- HTTPS
- identifica
- ilustrează
- Impactul
- implementat
- îmbunătățit
- îmbunătățirea
- in
- Inclusiv
- Informa
- informat
- inova
- Inovaţie
- inovatoare
- perspective
- asigurare
- integra
- integrarea
- integrare
- Inteligent
- în
- ESTE
- Loc de munca
- Locuri de munca
- jpg
- Cheie
- Khalil
- Ultimele
- conducere
- învăţare
- Nivel
- Pârghie
- ciclu de viață
- Lung
- maşină
- masina de învățare
- Mentine
- susține
- face
- gestionate
- administrare
- manieră
- manual
- manual
- multe
- Misiune
- ML
- MLOps
- mobilitate
- model
- modelare
- Modele
- Monitorizarea
- mai mult
- necesar
- reţea
- Nou
- North
- Obiectivele
- of
- on
- ONE
- on-line
- afară
- deschide
- open-source
- Oportunităţi
- or
- organizații
- Altele
- al nostru
- afară
- rezultate
- propriu
- parte
- partener
- rețeaua partenerilor
- Efectua
- efectuată
- Alegerea
- bucată
- conducte
- platformă
- Plato
- Informații despre date Platon
- PlatoData
- Politicile
- portofoliu
- Post
- postări
- putere
- prezenta
- de stabilire a prețurilor
- în primul rând
- privat
- de capital privat
- Problemă
- proces
- prelucrare
- producere
- Produse
- Profil
- proiect
- Proiecte
- promova
- furniza
- furnizorul
- împingerea
- Piton
- calitate
- în timp real
- record
- reduce
- Redus
- reducerea
- legate de
- de încredere
- rămas
- depozit
- solicita
- rezultând
- Risc
- de gestionare a riscurilor
- robust
- Alerga
- SA
- mai sigur
- Siguranţă
- sagemaker
- acelaşi
- Spune
- Ştiinţă
- Om de stiinta
- oamenii de stiinta
- script-uri
- perfect
- Al doilea
- serverless
- servește
- Servicii
- câteva
- semnificativ
- asemănător
- întrucât
- calificat
- Software
- de dezvoltare de software
- soluţie
- soluţii
- Sursă
- Sourcing
- specialist
- specific
- uzat
- şedere
- Pas
- paşi
- succes
- a sustine
- Lua
- luate
- Sarcină
- sarcini
- echipă
- echipe
- tech
- Tehnologii
- Testarea
- decât
- acea
- lor
- Lor
- Acestea
- ei
- acest
- Prin
- timp
- consumă timp
- ori
- la
- împreună
- Unelte
- Pregătire
- trenuri
- transformativă
- declanşa
- Două
- subscriere
- Actualizează
- actualizări
- us
- utilizare
- utilizat
- folosind
- validare
- a fost
- Cale..
- we
- web
- servicii web
- BINE
- au fost
- Roată
- cand
- care
- voi
- cu
- în
- Apartamente
- lucram impreuna
- a lucrat
- muncitorii
- flux de lucru
- lume
- scris
- scris
- Tu
- Ta
- zephyrnet