At SambaБезопасность, их миссия состоит в том, чтобы продвигать более безопасные сообщества за счет снижения рисков за счет анализа данных. С 1998 года SambaSafety является ведущим североамериканским поставщиком облачного программного обеспечения для управления рисками мобильности для организаций с коммерческими и некоммерческими драйверами. SambaSafety обслуживает более 15,000 XNUMX работодателей и страховых компаний по всему миру, предоставляя мониторинг рисков водителей и соблюдение требований, онлайн-обучение и глубокую аналитику рисков, а также решения по ценообразованию рисков. Благодаря сбору, сопоставлению и анализу данных о водителях, телематических данных, корпоративных данных и других данных датчиков SambaSafety не только помогает работодателям лучше применять политики безопасности и сокращать количество претензий, но также помогает страховщикам принимать обоснованные решения по андеррайтингу, а проверяющим выполнять точные и эффективные действия перед наймом. чеки.
Не все водители представляют одинаковый профиль риска. Чем больше времени вы проводите за рулем, тем выше ваш профиль риска. Команда специалистов по данным SambaSafety разработала комплексные и правильные решения для моделирования, предназначенные для точной количественной оценки этого профиля риска. Тем не менее, они обратились за поддержкой для последовательного и надежного развертывания этого решения для пакетного логического вывода и вывода в реальном времени.
В этом посте мы обсуждаем, как SambaSafety использовала инструменты машинного обучения AWS (ML) и инструменты непрерывной интеграции и непрерывной доставки (CI/CD) для развертывания своего существующего приложения по обработке и анализу данных для пакетного логического вывода. SambaSafety работала с партнером-консультантом AWS Advanced Огненный разум предоставить решение, которое использовало AWS CodeStar, Шаговые функции AWSи Создатель мудреца Амазонки для этой нагрузки. Благодаря продуктам AWS CI/CD и AI/ML команде SambaSafety по обработке и анализу данных не пришлось менять существующий рабочий процесс разработки, чтобы воспользоваться преимуществами непрерывного обучения и вывода моделей.
Клиентский вариант использования
Команда SambaSafety по обработке и анализу данных уже давно использует силу данных для информирования своего бизнеса. У них было несколько опытных инженеров и ученых, создававших проницательные модели, которые улучшили качество анализа рисков на их платформе. Проблемы, с которыми столкнулась эта команда, не были связаны с наукой о данных. Команде SambaSafety по обработке данных требовалась помощь в подключении существующего рабочего процесса обработки данных к решению для непрерывной доставки.
Команда SambaSafety по обработке данных поддерживала несколько артефактов, похожих на скрипты, в рамках своего рабочего процесса разработки. Эти сценарии выполняли несколько задач, включая предварительную обработку данных, разработку функций, создание модели, ее настройку, а также сравнение и проверку моделей. Все эти сценарии запускались вручную, когда в их среду поступали новые данные для обучения. Кроме того, эти сценарии не выполняли никаких версий модели или размещения для логического вывода. Команда SambaSafety по обработке данных вручную разработала обходные пути для продвижения новых моделей в производство, но этот процесс стал трудоемким и отнимал много времени.
Чтобы высвободить высококвалифицированную команду SambaSafety по обработке и анализу данных для внедрения инноваций в новые рабочие нагрузки машинного обучения, SambaSafety необходимо было автоматизировать ручные задачи, связанные с обслуживанием существующих моделей. Кроме того, решение должно было воспроизвести ручной рабочий процесс, используемый командой SambaSafety по обработке и анализу данных, и принимать решения о дальнейших действиях на основе результатов этих сценариев. Наконец, решение должно было интегрироваться с их существующей кодовой базой. Команда SambaSafety по обработке данных использовала внешнее по отношению к AWS решение для репозитория кода; окончательный конвейер должен был быть достаточно интеллектуальным, чтобы запускаться на основе обновлений их кодовой базы, которая была написана в основном на R.
Обзор решения
Следующая диаграмма иллюстрирует архитектуру решения, основанную на одной из многих архитектур с открытым исходным кодом, поддерживаемых партнером по доставке SambaSafety. Огненный разум.
Решение, предоставленное Firemind для команды SambaSafety по обработке и анализу данных, было построено на основе двух конвейеров машинного обучения. Первый конвейер машинного обучения обучает модель с помощью пользовательских сценариев предварительной обработки данных, обучения и тестирования SambaSafety. Полученный артефакт модели развертывается для пакетного вывода и логического вывода в реальном времени для конечных точек модели, управляемых SageMaker. Второй конвейер машинного обучения упрощает запрос логического вывода к размещенной модели. Таким образом, конвейер для обучения отделен от конвейера для логического вывода.
Одной из сложностей в этом проекте является воспроизведение ручных шагов, предпринятых специалистами по данным SambaSafety. Команда Firemind использовала Step Functions и SageMaker Processing для выполнения этой задачи. Step Functions позволяет запускать отдельные задачи в AWS, используя AWS Lambda функции, Амазон Эластик Кубернетес Сервис (Amazon EKS), или в данном случае SageMaker. SageMaker Processing позволяет определять задания, которые выполняются на управляемых экземплярах машинного обучения в рамках экосистемы SageMaker. Каждый запуск задания Step Function ведет собственные журналы, историю выполнения и сведения об успешном или неудачном выполнении задания.
Команда использовала Step Functions и SageMaker вместе с Lambda для автоматизации обучения, настройки, развертывания и обработки логических выводов. Единственной оставшейся частью была непрерывная интеграция изменений кода в этот конвейер развертывания. Firemind реализовал проект CodeStar, поддерживающий подключение к существующему репозиторию кода SambaSafety. Когда трудолюбивая команда по обработке данных в SambaSafety публикует обновление для определенной ветки своей кодовой базы, CodeStar улавливает изменения и запускает автоматизацию.
Заключение
Новый бессерверный конвейер SambaSafety MLOps оказал значительное влияние на их возможности доставки. Интеграция науки о данных и разработки программного обеспечения позволяет их командам беспрепятственно работать вместе. Их решение по автоматизированному развертыванию моделей сократило время доставки до 70%.
SambaSafety также сказала следующее:
«Автоматизировав наши модели обработки данных и интегрировав их в жизненный цикл разработки программного обеспечения, мы смогли достичь нового уровня эффективности и точности наших услуг. Это позволило нам оставаться впереди конкурентов и предлагать клиентам инновационные решения. Наши клиенты получат большую выгоду от этого благодаря сокращению сроков выполнения работ и повышению точности наших решений».
SambaSafety связалась с группами по работе с клиентами AWS с их проблемой. Команды по учетным записям и архитектуре решений AWS работали над тем, чтобы определить это решение, обратившись к нашей надежной партнерской сети. Свяжитесь со своей командой по работе с клиентами AWS, чтобы определить аналогичные возможности преобразования для вашего бизнеса.
Об авторах
Дэн Фергюсон является специалистом по архитектуре решений AI/ML (SA) в области архитектуры решений для частных инвестиций в Amazon Web Services. Дэн помогает портфельным компаниям, поддерживаемым Private Equity, использовать технологии AI/ML для достижения своих бизнес-целей.
Халил Адиб — специалист по данным в компании Firemind, занимающийся внедрением инноваций, которые Firemind может предоставить своим клиентам в волшебных мирах искусственного интеллекта и машинного обучения. Халил возится с новейшими и лучшими технологиями и моделями, гарантируя, что Firemind всегда будет на переднем крае.
Джейсон Мэтью является инженером по облачным вычислениям в компании Firemind, руководя комплексной поставкой проектов для клиентов, начиная с написания конвейеров с помощью IaC, создания инженерных данных с помощью Python и расширения границ машинного обучения. Джейсон также является ключевым участником проектов Firemind с открытым исходным кодом.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- ЭВМ Финанс. Единый интерфейс для децентрализованных финансов. Доступ здесь.
- Квантум Медиа Групп. ИК/PR усиление. Доступ здесь.
- ПлатонАйСтрим. Анализ данных Web3. Расширение знаний. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/samba-safety-automates-custom-r-workload-improving-driver-safety-with-amazon-sagemaker-and-aws-step-functions/
- :имеет
- :является
- :нет
- $UP
- 000
- 100
- 15%
- 1998
- 7
- 9
- a
- в состоянии
- О нас
- Учетная запись
- точность
- точный
- точно
- Достигать
- Дополнительно
- продвинутый
- плюс
- впереди
- AI
- AI / ML
- Все
- позволяет
- причислены
- всегда
- Amazon
- Создатель мудреца Амазонки
- Amazon Web Services
- американские
- an
- анализ
- аналитика
- и
- любой
- Применение
- архитектура
- МЫ
- около
- AS
- связанный
- At
- автоматизировать
- Автоматизированный
- автоматы
- Автоматизация
- автоматизация
- AWS
- Машинное обучение AWS
- Шаговые функции AWS
- со спинкой
- фон
- Использование темпера с изогнутым основанием
- основанный
- BE
- стали
- было
- за
- польза
- Лучшая
- Кровотечение
- Границы
- Филиал
- Строительство
- построенный
- бизнес
- но
- by
- CAN
- носители
- случаев
- проблемы
- изменение
- изменения
- Проверки
- требования
- клиентов
- облако
- код
- кодовая база
- лыжных шлемов
- коммерческая
- Сообщества
- Компании
- сравнение
- конкурс
- полный
- комплекс
- сложности
- Соответствие закону
- Свяжитесь
- подключенный
- Соединительный
- связи
- последовательный
- консалтинг
- (CIJ)
- участник
- Корпоративное
- Корреляция
- создание
- изготовленный на заказ
- Клиенты
- данным
- наука о данных
- ученый данных
- решения
- разъединены
- глубоко
- доставить
- поставляется
- поставка
- развертывание
- развернуть
- развертывание
- предназначенный
- подробнее
- развитый
- Развитие
- обсуждать
- водитель
- драйверы
- вождение
- каждый
- экосистема
- Edge
- затрат
- эффективный
- работодателей
- включен
- позволяет
- впритык
- обеспечивать соблюдение
- инженер
- Проект и
- Инженеры
- достаточно
- обеспечение
- Окружающая среда
- собственный капитал
- существующий
- и, что лучший способ
- сталкиваются
- облегчает
- Ошибка
- быстрее
- Особенность
- окончательный
- в заключение
- First
- после
- Что касается
- Бесплатно
- от
- функция
- Функции
- Более того
- Глобальный
- величайший
- значительно
- было
- обрабатывать
- Есть
- помощь
- помогает
- высший
- очень
- история
- состоялся
- хостинг
- Как
- Однако
- HTML
- HTTP
- HTTPS
- определения
- иллюстрирует
- Влияние
- в XNUMX году
- улучшенный
- улучшение
- in
- В том числе
- наделяют информацией
- сообщил
- обновлять
- Инновации
- инновационный
- размышления
- страхование
- интегрировать
- Интегрируя
- интеграции.
- Умный
- в
- ЕГО
- работа
- Джобс
- JPG
- Основные
- Khalil
- последний
- ведущий
- изучение
- уровень
- Кредитное плечо
- Жизненный цикл
- Длинное
- машина
- обучение с помощью машины
- Сохранение
- поддерживает
- сделать
- управляемого
- управление
- способ
- руководство
- вручную
- многих
- Наша миссия
- ML
- млн операций в секунду
- мобильность
- модель
- моделирование
- Модели
- Мониторинг
- БОЛЕЕ
- необходимый
- сеть
- Новые
- север
- целей
- of
- on
- ONE
- онлайн
- только
- открытый
- с открытым исходным кодом
- Возможности
- or
- организации
- Другое
- наши
- внешний
- Результаты
- собственный
- часть
- партнер
- партнерская сеть
- Выполнять
- выполнены
- Выборы
- кусок
- трубопровод
- Платформа
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- сборах
- «портфель»
- После
- Блог
- мощностью
- представить
- цены
- в первую очередь
- частная
- Частный акционерный капитал
- Проблема
- процесс
- обработка
- Производство
- Продукция
- Профиль
- Проект
- проектов
- продвижении
- обеспечивать
- Недвижимости
- Нажимать
- Питон
- реального времени
- запись
- уменьшить
- Цена снижена
- снижение
- Связанный
- складская
- осталось
- хранилище
- запросить
- в результате
- Снижение
- управление рисками
- надежный
- Run
- SA
- безопаснее
- Сохранность
- sagemaker
- то же
- сообщили
- Наука
- Ученый
- Ученые
- скрипты
- легко
- Во-вторых
- Serverless
- служит
- Услуги
- несколько
- значительный
- аналогичный
- с
- квалифицированный
- Software
- разработка программного обеспечения
- Решение
- Решения
- Источник
- Об
- специалист
- конкретный
- потраченный
- оставаться
- Шаг
- Шаги
- успех
- поддержка
- взять
- приняты
- Сложность задачи
- задачи
- команда
- команды
- технологии
- технологии
- Тестирование
- чем
- который
- Ассоциация
- их
- Их
- Эти
- они
- этой
- Через
- время
- кропотливый
- раз
- в
- вместе
- инструменты
- Обучение
- поезда
- преобразующей
- вызвать
- два
- андеррайтинг
- Обновление ПО
- Updates
- us
- использование
- используемый
- через
- Проверка
- законопроект
- Путь..
- we
- Web
- веб-сервисы
- ЧТО Ж
- были
- Колесо
- когда
- который
- будете
- в
- Работа
- работать вместе
- работавший
- рабочие
- рабочий
- мире
- письмо
- письменный
- Ты
- ВАШЕ
- зефирнет