AWS ฉลอง 5 ปีแห่งนวัตกรรมด้วย Amazon SageMaker

ในเวลาเพียง 5 ปี ลูกค้านับหมื่นได้แตะ อเมซอน SageMaker เพื่อสร้างแบบจำลองนับล้าน ฝึกแบบจำลองด้วยพารามิเตอร์นับพันล้าน และสร้างการคาดการณ์รายเดือนหลายแสนล้านรายการ

จุดเริ่มต้นของการเปลี่ยนแปลงกระบวนทัศน์ของแมชชีนเลิร์นนิง (ML) มีมานานหลายทศวรรษ แต่ด้วยความพร้อมของความสามารถในการประมวลผลที่แทบไร้ขีดจำกัด ข้อมูลจำนวนมหาศาล และความก้าวหน้าอย่างรวดเร็วของเทคโนโลยี ML ลูกค้าในอุตสาหกรรมต่างๆ สามารถเข้าถึงการเปลี่ยนแปลงได้ ประโยชน์. เพื่อใช้ประโยชน์จากโอกาสนี้และนำ ML ออกจากห้องปฏิบัติการวิจัยและอยู่ในมือขององค์กร AWS ได้สร้าง Amazon SageMaker ในปีนี้ เราฉลองครบรอบ 5 ปีของ Amazon SageMaker ซึ่งเป็นบริการ ML ที่มีการจัดการเต็มรูปแบบซึ่งเป็นเรือธงของเรา ซึ่งเปิดตัวที่ AWS re:Invent 2017 และกลายเป็นหนึ่งในบริการที่เติบโตเร็วที่สุดในประวัติศาสตร์ AWS

AWS เปิดตัว Amazon SageMaker เพื่อทำลายอุปสรรคของ ML และทำให้การเข้าถึงเทคโนโลยีล้ำสมัยเป็นประชาธิปไตย ทุกวันนี้ ความสำเร็จนั้นอาจดูเหมือนหลีกเลี่ยงไม่ได้ แต่ในปี 2017 ML ยังคงต้องการทักษะเฉพาะทางที่โดยปกติแล้วจะมีกลุ่มนักพัฒนา นักวิจัย ปริญญาเอก หรือบริษัทจำนวนจำกัดที่สร้างธุรกิจด้วย ML ก่อนหน้านี้ นักพัฒนาและนักวิทยาศาสตร์ด้านข้อมูลต้องสร้างภาพ แปลง และประมวลผลข้อมูลล่วงหน้าให้เป็นรูปแบบที่อัลกอริธึมสามารถใช้ในการฝึกโมเดลก่อน ซึ่งต้องใช้พลังประมวลผลจำนวนมหาศาล ระยะเวลาการฝึกอบรมที่ยาวนาน และทีมที่ทุ่มเทเพื่อจัดการสภาพแวดล้อมที่มักจะครอบคลุมหลาย GPU- เซิร์ฟเวอร์ที่เปิดใช้งาน—และการปรับแต่งประสิทธิภาพด้วยตนเองในปริมาณที่เหมาะสม นอกจากนี้ การปรับใช้โมเดลที่ได้รับการฝึกอบรมภายในแอปพลิเคชันจำเป็นต้องมีชุดทักษะเฉพาะทางที่แตกต่างกันในการออกแบบแอปพลิเคชันและระบบแบบกระจาย เมื่อชุดข้อมูลและตัวแปรเติบโตขึ้น บริษัทต่างๆ ต้องทำซ้ำขั้นตอนนี้เพื่อเรียนรู้และพัฒนาจากข้อมูลใหม่เนื่องจากรุ่นเก่าล้าสมัย ความท้าทายและอุปสรรคเหล่านี้ทำให้ ML เข้าถึงได้ยาก ยกเว้นองค์กรที่ได้รับทุนสนับสนุนดีและสถาบันวิจัย

รุ่งอรุณแห่งยุคใหม่ของการเรียนรู้ของเครื่อง

นั่นคือเหตุผลที่เราแนะนำ Amazon SageMaker ซึ่งเป็นบริการจัดการ ML ระดับเรือธงของเราที่ช่วยให้นักพัฒนา นักวิทยาศาสตร์ข้อมูล และนักวิเคราะห์ธุรกิจสามารถจัดเตรียมข้อมูลได้อย่างรวดเร็วและง่ายดาย และสร้าง ฝึกฝน และปรับใช้โมเดล ML คุณภาพสูงตามขนาดที่ต้องการ ในช่วง 5 ปีที่ผ่านมา เราได้เพิ่มฟีเจอร์และความสามารถใหม่มากกว่า 250 รายการ รวมถึงสภาพแวดล้อมการพัฒนาแบบบูรณาการ (IDE) แรกของโลกสำหรับ ML, ดีบักเกอร์, มอนิเตอร์โมเดล, โปรไฟล์, AutoML, ที่เก็บฟีเจอร์, ความสามารถที่ไม่ต้องใช้โค้ด และ เครื่องมือการผสานรวมอย่างต่อเนื่องและการส่งมอบอย่างต่อเนื่อง (CI/CD) แบบต่อเนื่องที่สร้างตามวัตถุประสงค์เป็นครั้งแรก เพื่อทำให้ ML ซับซ้อนน้อยลงและปรับขนาดได้มากขึ้นในคลาวด์และอุปกรณ์ Edge

ในปี 2021 เราผลักดันการทำให้เป็นประชาธิปไตยยิ่งขึ้นไปอีกเพื่อให้ ML เข้าถึงผู้ใช้ได้มากขึ้น Amazon SageMaker ช่วยให้กลุ่มคนจำนวนมากขึ้นสามารถสร้างโมเดล ML รวมถึงสภาพแวดล้อมที่ไม่มีโค้ดใน ผืนผ้าใบ Amazon SageMaker สำหรับนักวิเคราะห์ธุรกิจที่ไม่มีประสบการณ์ ML ตลอดจนสภาพแวดล้อม ML ที่ไม่ต้องตั้งค่าและไม่มีค่าใช้จ่าย เพื่อให้นักเรียนเรียนรู้และทดลองกับ ML ได้เร็วขึ้น

ทุกวันนี้ ลูกค้าสามารถสร้างสรรค์นวัตกรรมด้วย Amazon SageMaker ผ่านเครื่องมือที่มีให้เลือก—IDE สำหรับนักวิทยาศาสตร์ข้อมูลและอินเทอร์เฟซแบบไม่มีโค้ดสำหรับนักวิเคราะห์ธุรกิจ พวกเขาสามารถเข้าถึง ติดป้ายกำกับ และประมวลผลข้อมูลที่มีโครงสร้างจำนวนมาก (ข้อมูลแบบตาราง) และข้อมูลที่ไม่มีโครงสร้าง (รูปภาพ วิดีโอ และเสียง) สำหรับ ML ด้วย Amazon SageMaker ลูกค้าสามารถลดเวลาการฝึกอบรมจากชั่วโมงเหลือนาทีด้วยโครงสร้างพื้นฐานที่ปรับให้เหมาะสม สุดท้าย ลูกค้าสามารถทำให้แนวทางปฏิบัติของการดำเนินการแมชชีนเลิร์นนิง (MLOps) เป็นอัตโนมัติและสร้างมาตรฐานทั่วทั้งองค์กรของคุณเพื่อสร้าง ฝึกอบรม ปรับใช้ และจัดการโมเดลตามขนาดที่ต้องการ

คุณสมบัติใหม่สำหรับนวัตกรรมรุ่นต่อไป

ก้าวไปข้างหน้า AWS ยังคงพัฒนาคุณสมบัติใหม่ๆ อย่างจริงจัง ซึ่งสามารถช่วยให้ลูกค้านำ ML ไปได้ไกลยิ่งขึ้น ตัวอย่างเช่น ตำแหน่งข้อมูลหลายรุ่นของ Amazon SageMaker (MME) ช่วยให้ลูกค้าสามารถปรับใช้โมเดล ML นับพันบนตำแหน่งข้อมูล Amazon SageMaker เดียวและลดต้นทุนได้ด้วยการแชร์อินสแตนซ์ที่จัดเตรียมไว้เบื้องหลังปลายทางในทุกโมเดล ก่อนหน้านี้ MME ได้รับการสนับสนุนบน CPU เท่านั้น แต่ตอนนี้ Amazon SageMaker MME รองรับ GPU แล้ว ลูกค้าสามารถใช้ Amazon SageMaker MME เพื่อปรับใช้โมเดลการเรียนรู้เชิงลึกบนอินสแตนซ์ GPU และประหยัดค่าใช้จ่ายได้มากถึง 90% โดยการปรับใช้โมเดลการเรียนรู้เชิงลึกนับพันไปยังปลายทางแบบหลายรุ่นเพียงจุดเดียว Amazon SageMaker ยังได้ขยายการรองรับสำหรับการเพิ่มประสิทธิภาพการประมวลผล อเมซอน อีลาสติก คอมพิวท์ คลาวด์ อินสแตนซ์ (Amazon EC2) ที่ขับเคลื่อนโดย AWS Graviton 2 และ Graviton 3 โปรเซสเซอร์ ซึ่งเหมาะสำหรับการอนุมาน ML ที่ใช้ CPU เป็นอย่างดี ดังนั้นลูกค้าจึงสามารถปรับใช้โมเดลกับประเภทอินสแตนซ์ที่เหมาะสมที่สุดสำหรับปริมาณงานของตนได้

ลูกค้า Amazon SageMaker ได้ปลดปล่อยพลังของการเรียนรู้ของเครื่อง

ทุกวัน ลูกค้าทุกขนาดและในทุกอุตสาหกรรมหันมาใช้ Amazon SageMaker เพื่อทดลอง สร้างสรรค์ และปรับใช้โมเดล ML ในเวลาที่น้อยลงและด้วยต้นทุนที่ต่ำกว่าที่เคย ด้วยเหตุนี้ การสนทนาจึงเปลี่ยนจากศิลปะที่เป็นไปได้ไปสู่การปลดปล่อยประสิทธิภาพการทำงานระดับใหม่ด้วย ML วันนี้ ลูกค้าเช่น Capital One และ Fannie Mae ในด้านบริการทางการเงิน, Philips และ AstraZeneca ในด้านการดูแลสุขภาพและวิทยาศาสตร์เพื่อชีวิต, Conde Nast และ Thomson Reuters ในสื่อ, NFL และ Formula 1 ในด้านกีฬา, Amazon และ Mercado Libre ในร้านค้าปลีก และ Siemens และ Bayer ใน ภาคอุตสาหกรรมใช้บริการ ML บน AWS เพื่อเร่งสร้างนวัตกรรมทางธุรกิจ พวกเขาเข้าร่วมกับลูกค้า Amazon SageMaker รายอื่นๆ หลายหมื่นรายที่ใช้บริการเพื่อจัดการโมเดลนับล้าน ฝึกโมเดลด้วยพารามิเตอร์นับพันล้าน และทำการคาดการณ์หลายแสนล้านรายการทุกเดือน

นวัตกรรมอื่นๆ รออยู่ แต่ในระหว่างนี้ เราหยุดเพื่อฉลองความสำเร็จมากมายที่ลูกค้าของเราได้รับ

รอยเตอร์ทอมสัน

Thomson Reuters ผู้ให้บริการข้อมูลธุรกิจชั้นนำ ใช้ประโยชน์จาก Amazon SageMaker เพื่อสร้างบริการที่ใช้งานง่ายยิ่งขึ้นสำหรับลูกค้า

“เรากำลังแสวงหาโซลูชั่นที่ใช้ AI ที่แข็งแกร่งอย่างต่อเนื่องซึ่งให้ผลตอบแทนการลงทุนในเชิงบวกในระยะยาว” Danilo Tommasina ผู้อำนวยการฝ่ายวิศวกรรมของ Thomson Reuters Labs กล่าว “Amazon SageMaker เป็นศูนย์กลางของงานวิจัยและพัฒนา AI ของเรา ช่วยให้เราสามารถนำการวิจัยไปสู่โซลูชันที่ครบถ้วนและเป็นอัตโนมัติอย่างมีประสิทธิภาพ ด้วย Amazon SageMaker Studio นักวิจัยและวิศวกรสามารถมุ่งเน้นไปที่การแก้ปัญหาทางธุรกิจด้วยเครื่องมือทั้งหมดที่จำเป็นสำหรับเวิร์กโฟลว์ ML ของพวกเขาใน IDE เดียว เราดำเนินกิจกรรมการพัฒนา ML ทั้งหมดของเรา รวมถึงโน้ตบุ๊ก การจัดการการทดสอบ ระบบไปป์ไลน์ ML อัตโนมัติ และการดีบักจากภายใน Amazon SageMaker Studio”

Salesforce

Salesforce ซึ่งเป็นแพลตฟอร์ม CRM ชั้นนำของโลก ได้ประกาศเมื่อเร็วๆ นี้ว่ามีการผสานการทำงานใหม่ซึ่งจะทำให้สามารถใช้ Amazon SageMaker ร่วมกับ Einstein ซึ่งเป็นเทคโนโลยี AI ของ Salesforce

Rahul Auradkar รองประธานบริหารของ Einstein กล่าวว่า "Salesforce Einstein เป็น AI ที่ครอบคลุมเป็นครั้งแรกสำหรับ CRM และช่วยให้ทุกบริษัทสามารถคาดการณ์ลูกค้าของตนได้อย่างชาญฉลาดและชาญฉลาดยิ่งขึ้นผ่านชุดเทคโนโลยี AI แบบบูรณาการสำหรับการขาย การตลาด การพาณิชย์ บริการ และไอที และ Unified Data Services ที่ Salesforce “ความท้าทายที่ใหญ่ที่สุดประการหนึ่งที่บริษัทต่างๆ เผชิญอยู่ในปัจจุบันคือข้อมูลของพวกเขาถูกกักเก็บไว้ เป็นการยากที่จะนำข้อมูลมารวมกันเพื่อส่งมอบการมีส่วนร่วมของลูกค้าแบบเรียลไทม์ในทุกจุดติดต่อและรวบรวมข้อมูลเชิงลึกทางธุรกิจที่มีความหมาย ขับเคลื่อนโดย Genie ซึ่งเป็นแพลตฟอร์มข้อมูลลูกค้าแบบเรียลไทม์ของ Salesforce การผสานรวม Salesforce และ Amazon SageMaker ช่วยให้ทีมข้อมูลสามารถเข้าถึงข้อมูลลูกค้าที่เป็นหนึ่งเดียวและสอดคล้องกันเพื่อสร้างและฝึกอบรมโมเดล ML ใน Amazon SageMaker และเมื่อปรับใช้แล้ว โมเดล Amazon SageMaker เหล่านี้สามารถใช้กับ Einstein เพื่อขับเคลื่อนการคาดการณ์และข้อมูลเชิงลึกทั่วทั้งแพลตฟอร์ม Salesforce ในขณะที่ AI พัฒนาขึ้น เรายังคงปรับปรุง Einstein ด้วยการสร้างแบบจำลองของคุณเอง (BYOM) เพื่อพบกับนักพัฒนาและนักวิทยาศาสตร์ด้านข้อมูลที่พวกเขาทำงาน”

เมตาเอไอ

Meta AI เป็นห้องปฏิบัติการปัญญาประดิษฐ์ที่เป็นของ Meta Platforms Inc.

“Meta AI ได้ร่วมมือกับ AWS เพื่อปรับปรุง torch.distributed เพื่อช่วยให้นักพัฒนาปรับขนาดการฝึกอบรมโดยใช้อินสแตนซ์ของ Amazon SageMaker และ Trainium” Geeta Chauhan ผู้จัดการฝ่ายวิศวกรรม AI ประยุกต์ของ Meta AI กล่าว “ด้วยการปรับปรุงเหล่านี้ เราพบว่าเวลาการฝึกสำหรับโมเดลขนาดใหญ่ลดลงตามการทดสอบของเรา เรารู้สึกตื่นเต้นที่ได้เห็น Amazon SageMaker รองรับ PyTorch กระจายการฝึกอบรมเพื่อเร่งสร้างนวัตกรรม ML”

ไทสันฟู้ดส์อิงค์

Tyson Foods Inc. หนึ่งในผู้ผลิตและนักการตลาดด้านเนื้อสัตว์รายใหญ่ที่สุดของโลก พึ่งพา Amazon SageMaker ความจริงของ Amazon SageMakerและ AWS พาโนรามา เพื่อปรับปรุงประสิทธิภาพ

“ความเป็นเลิศในการปฏิบัติงานเป็นสิ่งสำคัญอันดับแรกที่ Tyson Foods” Barret Miller ผู้จัดการอาวุโสของ Emerging Technology ที่ Tyson Foods Inc. กล่าว “เราใช้คอมพิวเตอร์วิทัศน์ที่ขับเคลื่อนโดย ML บน AWS เพื่อปรับปรุงประสิทธิภาพการผลิต ทำให้กระบวนการเป็นอัตโนมัติ และปรับปรุงการใช้เวลานานหรือ งานที่ผิดพลาดได้ง่าย เราร่วมมือกับ Amazon Machine Learning Solutions Lab เพื่อสร้างโมเดลการตรวจจับวัตถุที่ล้ำสมัยโดยใช้ Amazon SageMaker Ground Truth และ AWS Panorama ด้วยโซลูชันนี้ เราได้รับข้อมูลเชิงลึกแบบเกือบเรียลไทม์ ซึ่งช่วยให้เราผลิตสินค้าคงคลังที่เราต้องการพร้อมทั้งลดของเสียให้เหลือน้อยที่สุด”

Autodesk

AutoCAD เป็นซอฟต์แวร์ออกแบบและร่างซอฟต์แวร์ที่ใช้คอมพิวเตอร์ช่วยเชิงพาณิชย์จาก Autodesk AutoCAD อาศัย Amazon SageMaker เพื่อเพิ่มประสิทธิภาพกระบวนการออกแบบ generative

Dania El Hassan ผู้อำนวยการฝ่ายการจัดการผลิตภัณฑ์ของ AutoCAD กล่าวว่า "เราต้องการช่วยให้ลูกค้า AutoCAD มีประสิทธิภาพมากขึ้นโดยมอบคำแนะนำและข้อมูลเชิงลึกเกี่ยวกับการใช้งานเฉพาะบุคคลในทันที เพื่อให้มั่นใจว่าเวลาที่พวกเขาใช้ใน AutoCAD จะเกิดประสิทธิผลสูงสุด ที่ออโต้เดสก์ “Amazon SageMaker เป็นเครื่องมือสำคัญที่ช่วยให้เรามอบคำสั่งเชิงรุกและคำแนะนำทางลัดแก่ผู้ใช้ของเรา ทำให้พวกเขาได้ผลลัพธ์การออกแบบใหม่ที่ทรงพลัง”

ทอร์ค.ไอ

ด้วยความช่วยเหลือของ Amazon SageMaker และไลบรารี Amazon SageMaker ที่กระจายข้อมูลแบบขนาน (SMDDP) ทอร์ค.ไอผู้นำด้านยานยนต์ไร้คนขับมาตั้งแต่ปี 2005 กำลังทำการค้ารถบรรทุกไร้คนขับเพื่อการขนส่งทางไกลที่ปลอดภัย ยั่งยืน และอยู่ในอุตสาหกรรมการขนส่งสินค้า

"ตอนนี้ทีมของฉันสามารถเรียกใช้งานการฝึกอบรมแบบกระจายขนาดใหญ่ได้อย่างง่ายดายโดยใช้การฝึกอบรมโมเดล Amazon SageMaker และไลบรารี Amazon SageMaker แบบกระจายข้อมูลแบบขนาน (SMDDP) ซึ่งเกี่ยวข้องกับข้อมูลการฝึกอบรมและโมเดลขนาดเทราไบต์ที่มีพารามิเตอร์นับล้าน" Derek Johnson รองกล่าว ประธานฝ่ายวิศวกรรมที่ Torc.ai “Amazon SageMaker ได้แจกจ่ายการฝึกอบรมแบบจำลองและ SMDDP ช่วยให้เราปรับขนาดได้อย่างราบรื่นโดยไม่ต้องจัดการโครงสร้างพื้นฐานการฝึกอบรม ช่วยลดเวลาของเราในการฝึกโมเดลจากหลายวันเหลือไม่กี่ชั่วโมง ทำให้เราสามารถบีบอัดวงจรการออกแบบของเราและนำความสามารถใหม่ๆ ของยานยนต์อัตโนมัติมาสู่ฝูงบินของเราได้เร็วกว่าที่เคย"

การวิจัย AI ของแอลจี

LG AI Research ตั้งเป้าที่จะเป็นผู้นำยุคใหม่ของ AI โดยใช้ Amazon SageMaker เพื่อฝึกฝนและปรับใช้โมเดล ML ได้เร็วขึ้น

“เราเพิ่งเปิดตัว Tilda ศิลปิน AI ที่ขับเคลื่อนโดย EXAONE ซึ่งเป็นระบบ AI ยักษ์ขนาดใหญ่ที่สามารถประมวลผลชุดข้อมูลคู่ข้อความและรูปภาพที่มีความละเอียดสูงได้ 250 ล้านชุด” Seung Hwan Kim รองประธานและหัวหน้า Vision Lab ของ LG AI Research กล่าว “AI หลายรูปแบบช่วยให้ Tilda สร้างภาพใหม่ได้ด้วยตัวเอง ด้วยความสามารถในการสำรวจมากกว่าภาษาที่รับรู้ Amazon SageMaker มีความสำคัญในการพัฒนา EXAONE เนื่องจากความสามารถในการปรับขนาดและการฝึกอบรมแบบกระจาย โดยเฉพาะอย่างยิ่ง เนื่องจากต้องใช้การคำนวณจำนวนมากเพื่อฝึก AI ยักษ์ใหญ่นี้ การประมวลผลแบบคู่ขนานที่มีประสิทธิภาพจึงมีความสำคัญมาก เรายังจำเป็นต้องจัดการข้อมูลขนาดใหญ่อย่างต่อเนื่องและมีความยืดหยุ่นในการตอบสนองต่อข้อมูลที่ได้รับใหม่ เมื่อใช้การฝึกอบรมโมเดล Amazon SageMaker และไลบรารีการฝึกอบรมแบบกระจาย เราปรับการฝึกอบรมแบบกระจายและฝึกอบรมโมเดลเร็วขึ้น 59% โดยไม่ต้องแก้ไขโค้ดการฝึกอบรมหลักของเรา”

มูลเลอร์วอเตอร์โปรดักส์

Mueller Water Products ผลิตวาล์วตามหลักวิศวกรรม, หัวดับเพลิง, ผลิตภัณฑ์เชื่อมต่อและซ่อมแซมท่อ, ผลิตภัณฑ์สูบจ่าย, โซลูชันการตรวจจับรอยรั่ว และอื่นๆ ใช้ Amazon SageMaker เพื่อพัฒนาโซลูชัน ML ที่เป็นนวัตกรรมใหม่เพื่อตรวจจับการรั่วไหลของน้ำได้เร็วขึ้น

“เราอยู่ในภารกิจที่จะประหยัดการสูญเสียน้ำได้ 7.7 พันล้านแกลลอนภายในปี 2027” Dave Johnston ผู้อำนวยการโครงสร้างพื้นฐานอัจฉริยะของ Mueller Water Products กล่าว “ต้องขอบคุณโมเดล ML ที่สร้างบน Amazon SageMaker เราจึงได้ปรับปรุงความแม่นยำของ EchoShore-DX ซึ่งเป็นระบบตรวจจับความผิดปกติแบบอะคูสติกของเรา เป็นผลให้เราสามารถแจ้งลูกค้ายูทิลิตี้ได้เร็วขึ้นเมื่อมีการรั่วไหล โซลูชันนี้ช่วยประหยัดน้ำได้ประมาณ 675 ล้านแกลลอนในปี 2021 เรารู้สึกตื่นเต้นที่จะใช้บริการของ AWS ML ต่อไปเพื่อปรับปรุงพอร์ตโฟลิโอเทคโนโลยีของเราและขับเคลื่อนประสิทธิภาพและความยั่งยืนร่วมกับลูกค้าสาธารณูปโภคของเราต่อไป”

Canva

Canva ผู้สร้างเครื่องมือออกแบบและเผยแพร่ออนไลน์ยอดนิยม อาศัยพลังของ Amazon SageMaker เพื่อการใช้งานที่รวดเร็ว

“เพื่อให้ Canva เติบโตในวงกว้าง เราต้องการเครื่องมือที่จะช่วยเราเปิดตัวคุณสมบัติใหม่โดยไม่เกิดความล่าช้าหรือปัญหาใดๆ” Greg Roodt หัวหน้าฝ่ายแพลตฟอร์มข้อมูลที่ Canva กล่าว “ความสามารถในการปรับตัวของ Amazon SageMaker ช่วยให้เราจัดการงานได้มากขึ้นโดยใช้ทรัพยากรน้อยลง ส่งผลให้ปริมาณงานเร็วขึ้นและมีประสิทธิภาพมากขึ้น ทำให้ทีมวิศวกรของเรามั่นใจว่าฟีเจอร์ที่เปิดตัวจะปรับขนาดตามกรณีการใช้งาน ด้วย Amazon SageMaker เราปรับใช้โมเดลข้อความเป็นรูปภาพใน 2 สัปดาห์โดยใช้โครงสร้างพื้นฐานที่มีการจัดการอันทรงพลัง และเราหวังว่าจะได้ขยายคุณสมบัตินี้ไปยังผู้ใช้หลายล้านคนของเราในอนาคตอันใกล้”

ให้แรงบันดาลใจ

Inspire บริการข้อมูลด้านการดูแลสุขภาพที่เน้นผู้บริโภคเป็นศูนย์กลาง อาศัย Amazon SageMaker ในการมอบข้อมูลเชิงลึกที่นำไปดำเนินการได้เพื่อการดูแล การรักษา และผลลัพธ์ที่ดีขึ้น

“เครื่องมือแนะนำเนื้อหาของเราเป็นตัวขับเคลื่อนหลักของคุณค่าของเรา” Brian Loew ประธานเจ้าหน้าที่บริหารและผู้ก่อตั้ง Inspire กล่าว “เราใช้มันเพื่อนำผู้ใช้ของเรา (ที่มีเงื่อนไขเฉพาะ) ไปยังโพสต์หรือบทความที่เกี่ยวข้องและเฉพาะ ด้วย Amazon SageMaker เราสามารถสร้าง ฝึกฝน และปรับใช้โมเดลการเรียนรู้เชิงลึกได้อย่างง่ายดาย โซลูชัน ML ที่ซับซ้อนของเราซึ่งอิงตาม Amazon SageMaker ช่วยให้เราปรับปรุงความสามารถของเครื่องมือแนะนำเนื้อหาในการแนะนำเนื้อหาที่เกี่ยวข้องให้กับผู้ใช้ที่ลงทะเบียน 2 ล้านคน โดยดึงมาจากคลังคำศัพท์ 1.5 พันล้านคำใน 3,600 เงื่อนไข Amazon SageMaker ช่วยให้เราเชื่อมต่อผู้ป่วยและผู้ดูแลผู้ป่วยได้อย่างแม่นยำด้วยเนื้อหาและทรัพยากรที่เป็นส่วนตัวมากขึ้น รวมถึงข้อมูลโรคที่หายากและเส้นทางการรักษา”

ResMed

ResMed เป็นผู้ให้บริการชั้นนำด้านโซลูชันที่เชื่อมต่อกับระบบคลาวด์สำหรับผู้ที่มีภาวะหยุดหายใจขณะหลับ ปอดอุดกั้นเรื้อรัง โรคหอบหืด และภาวะเรื้อรังอื่นๆ ในปี 2014 ResMed ได้เปิดตัว MyAir ซึ่งเป็นแพลตฟอร์มและแอปพลิเคชันการจัดการการบำบัดส่วนบุคคลสำหรับผู้ป่วยในการติดตามการบำบัดการนอนหลับ

“ก่อน Amazon SageMaker ผู้ใช้ MyAir ทุกคนได้รับข้อความเดียวกันจากแอปในเวลาเดียวกัน โดยไม่คำนึงถึงสภาพของพวกเขา” Badri Raghavan รองประธานฝ่าย Data Science ของ ResMed กล่าว “Amazon SageMaker ช่วยให้เราสามารถโต้ตอบกับผู้ป่วยผ่าน MyAir ตามอุปกรณ์ ResMed ที่พวกเขาใช้ ชั่วโมงตื่น และข้อมูลบริบทอื่นๆ เราใช้ประโยชน์จากคุณสมบัติต่างๆ ของ Amazon SageMaker เพื่อฝึกไปป์ไลน์โมเดลและเลือกประเภทการปรับใช้ รวมถึงการอนุมานแบบเกือบเรียลไทม์และแบบกลุ่ม เพื่อนำเสนอเนื้อหาที่ปรับแต่ง Amazon SageMaker ช่วยให้เราบรรลุเป้าหมายในการฝังความสามารถ ML ทั่วโลกด้วยการปรับใช้โมเดลในเวลาไม่กี่วันหรือหลายสัปดาห์ แทนที่จะเป็นเดือน”

Verisk

Verisk ให้ข้อมูลเชิงลึกด้านการวิเคราะห์ที่ขับเคลื่อนด้วยข้อมูลโดยผู้เชี่ยวชาญ ซึ่งช่วยให้ธุรกิจ ผู้คน และสังคมแข็งแกร่งขึ้น ยืดหยุ่นขึ้น และยั่งยืน ใช้ Amazon SageMaker เพื่อปรับปรุงเวิร์กโฟลว์ ML

“Verisk และ Vexcel ทำงานร่วมกันอย่างใกล้ชิดเพื่อจัดเก็บและประมวลผลข้อมูลจำนวนมหาศาลบน AWS รวมถึงข้อมูลภาพถ่ายทางอากาศความละเอียดสูงพิเศษของ Vexcel ที่บันทึกใน 26 ประเทศทั่วโลก” Jeffrey C. Taylor ประธานบริษัท Verisk 3D Visual กล่าว ปัญญา. “Amazon SageMaker ช่วยให้เราปรับปรุงงานที่ทีม ML และ MLOps ทำ ทำให้เรามุ่งเน้นไปที่การตอบสนองความต้องการของลูกค้าของเรา รวมถึงผู้มีส่วนได้ส่วนเสียด้านอสังหาริมทรัพย์ในการประกันภัย อสังหาริมทรัพย์ การก่อสร้าง และอื่นๆ”

สมาร์ทอคโต บีวี

ด้วยความช่วยเหลือของ Amazon SageMaker ทำให้ Smartocto BV นำเสนอการวิเคราะห์เนื้อหาที่ขับเคลื่อนโดย ML ถึง 350 ห้องข่าวและบริษัทสื่อทั่วโลก

Ilija Susa ประธานเจ้าหน้าที่ฝ่ายข้อมูลของ Smartocto กล่าวว่า "ในขณะที่ธุรกิจกำลังขยายตัว เราจำเป็นต้องลดความซับซ้อนในการปรับใช้โมเดล ML ของเรา ลดเวลาในการออกสู่ตลาด และขยายการเสนอผลิตภัณฑ์ของเรา “อย่างไรก็ตาม การผสมผสานระหว่างโซลูชันโอเพนซอร์สและคลาวด์เพื่อโฮสต์ปริมาณงาน ML ของเราด้วยตนเองนั้นใช้เวลานานขึ้นในการจัดการ เราย้ายโมเดล ML ของเราไปยังตำแหน่งข้อมูล Amazon SageMaker และเปิดตัว Smartify ซึ่งเป็นโซลูชัน AWS-native ภายในเวลาไม่ถึง 3 เดือน Smartify ใช้ Amazon SageMaker เพื่อจัดเตรียมการวิเคราะห์เชิงบรรณาธิการเชิงคาดการณ์ในเวลาที่เกือบจะเรียลไทม์ ซึ่งช่วยให้ลูกค้าปรับปรุงเนื้อหาและขยายกลุ่มเป้าหมายได้”

Visualfabriq

Visualfabriq นำเสนอโซลูชันการจัดการรายได้พร้อมความสามารถด้านปัญญาประดิษฐ์ที่ประยุกต์ใช้กับบริษัทสินค้าอุปโภคบริโภคชั้นนำของโลกบางแห่ง ใช้ Amazon SageMaker เพื่อปรับปรุงประสิทธิภาพและความแม่นยำของโมเดล ML ตามขนาด

“เราต้องการปรับกลุ่มเทคโนโลยีของเราเพื่อปรับปรุงประสิทธิภาพและความสามารถในการปรับขนาด และทำให้โมเดลเพิ่ม อัปเดต และฝึกอบรมได้ง่ายขึ้น” Jelle Verstraaten หัวหน้าทีมพยากรณ์ความต้องการ ปัญญาประดิษฐ์ และการจัดการการเติบโตของรายได้ที่ Visualfabriq กล่าว “ผลกระทบที่ใหญ่ที่สุดของการโยกย้ายไปยัง Amazon SageMaker คือการปรับปรุงประสิทธิภาพที่สำคัญสำหรับโซลูชันของเรา โดยการเรียกใช้การอนุมานบนเซิร์ฟเวอร์เฉพาะ แทนที่จะเป็นเว็บเซิร์ฟเวอร์ โซลูชันของเรามีประสิทธิภาพมากขึ้น และค่าใช้จ่ายมีความสม่ำเสมอและโปร่งใส เราปรับปรุงเวลาตอบสนองของบริการคาดการณ์ความต้องการของเรา—ซึ่งคาดการณ์ผลกระทบของการดำเนินการส่งเสริมการขายต่อปริมาณการขายของผู้ค้าปลีก—โดย 200% และใช้โซลูชันที่ปรับขนาดได้ซึ่งต้องการการแทรกแซงด้วยตนเองน้อยลงและเร่งการเริ่มต้นลูกค้าใหม่”

Sophos

Sophos ผู้นำระดับโลกด้านโซลูชันและบริการความปลอดภัยทางไซเบอร์ยุคใหม่ ใช้ Amazon SageMaker เพื่อฝึกอบรมโมเดล ML ของตนอย่างมีประสิทธิภาพมากขึ้น

Konstantin Berlin หัวหน้าฝ่ายปัญญาประดิษฐ์ของ Sophos กล่าวว่า "เทคโนโลยีอันทรงพลังของเราจะตรวจจับและกำจัดไฟล์ที่แฝงไปด้วยมัลแวร์อย่างมีเล่ห์เหลี่ยม “การใช้โมเดล XGBoost เพื่อประมวลผลชุดข้อมูลขนาดหลายเทราไบต์นั้นใช้เวลานานมาก และบางครั้งก็เป็นไปไม่ได้ด้วยพื้นที่หน่วยความจำที่จำกัด ด้วยการฝึกอบรมแบบกระจายของ Amazon SageMaker เราสามารถฝึกโมเดล XGBoost น้ำหนักเบาที่เล็กกว่าบนดิสก์มาก (เล็กกว่าถึง 25 เท่า) และในหน่วยความจำ (เล็กกว่าสูงสุดห้าเท่า) ได้สำเร็จ การใช้การปรับแต่งโมเดลอัตโนมัติของ Amazon SageMaker และการฝึกอบรมแบบกระจายบนอินสแตนซ์ Spot ทำให้เราสามารถแก้ไขและฝึกอบรมโมเดลใหม่ได้อย่างรวดเร็วและมีประสิทธิภาพมากขึ้นโดยไม่ต้องปรับโครงสร้างพื้นฐานการฝึกอบรมที่จำเป็นในการปรับขนาดออกไปเป็นชุดข้อมูลขนาดใหญ่”

มหาวิทยาลัย Northwestern

นักศึกษาจาก Northwestern University ในหลักสูตรวิทยาศาสตรมหาบัณฑิตสาขาวิชาปัญญาประดิษฐ์ (MSAI) ได้รับการเยี่ยมชม ห้องปฏิบัติการ Amazon SageMaker Studio ก่อนใช้งานในช่วงแฮกกาธอน

Mohammed Alam รองผู้อำนวยการโครงการ MSAI กล่าวว่า "ความง่ายในการใช้งานของ Amazon SageMaker Studio Lab ช่วยให้นักเรียนสามารถนำการเรียนรู้ของตนไปใช้เพื่อสร้างโซลูชันที่สร้างสรรค์ได้อย่างรวดเร็ว" “เราคาดว่านักเรียนจะต้องเจออุปสรรคตามธรรมชาติในระหว่างการแข่งขัน 5 ชั่วโมงสั้นๆ แต่พวกเขาทำเกินความคาดหมายของเราโดยไม่เพียงแต่ทำโครงการทั้งหมดให้เสร็จเท่านั้น แต่ยังให้การนำเสนอที่น่าประทับใจซึ่งพวกเขาใช้แนวคิด ML ที่ซับซ้อนกับปัญหาที่สำคัญในโลกแห่งความเป็นจริง”

สถาบัน Rensselaer Polytechnic

Rensselaer Polytechnic Institute (RPI) ซึ่งเป็นมหาวิทยาลัยวิจัยทางเทคโนโลยีในนิวยอร์ก ใช้ Amazon SageMaker Studio เพื่อช่วยให้นักเรียนเรียนรู้แนวคิด ML ได้อย่างรวดเร็ว

Mohammed J. Zaki ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์กล่าวว่า RPI เป็นเจ้าของซูเปอร์คอมพิวเตอร์ที่มีประสิทธิภาพมากที่สุดในโลก แต่ AI มีเส้นโค้งการเรียนรู้ที่สูงชัน “เราต้องการวิธีที่ให้นักเรียนเริ่มต้นอย่างคุ้มค่า อินเทอร์เฟซที่ใช้งานง่ายของ Amazon SageMaker Studio Lab ช่วยให้นักเรียนของเราเริ่มต้นได้อย่างรวดเร็วและจัดหา GPU อันทรงพลัง ทำให้พวกเขาทำงานกับโมเดลการเรียนรู้เชิงลึกที่ซับซ้อนสำหรับโครงการหลักของพวกเขาได้”

สถาบันการศึกษาอาชีวศึกษาฮ่องกง

แผนกไอทีของสถาบันการศึกษาอาชีวศึกษาแห่งฮ่องกง (Lee Wai Lee) ใช้ Amazon SageMaker Studio Lab เพื่อเปิดโอกาสให้นักศึกษาได้ทำงานในโครงการ ML ในโลกแห่งความเป็นจริง

“เราใช้ Amazon SageMaker Studio Lab ในหลักสูตรพื้นฐานเกี่ยวกับ ML และ Python ซึ่งจะทำให้นักเรียนมีพื้นฐานที่มั่นคงในเทคโนโลยีคลาวด์มากมาย” Cyrus Wong อาจารย์อาวุโสกล่าว “Amazon SageMaker Studio Lab ช่วยให้นักเรียนของเราได้รับประสบการณ์จริงกับโครงการวิทยาศาสตร์ข้อมูลในโลกแห่งความเป็นจริง โดยไม่ต้องยุ่งยากกับการตั้งค่าหรือการกำหนดค่า ไม่เหมือนกับผู้จำหน่ายรายอื่น เนื่องจากเป็นเครื่อง Linux สำหรับนักเรียน ทำให้พวกเขาสามารถฝึกเขียนโค้ดได้มากขึ้น”

Mapmyอินเดีย

MapmyIndia ผู้ให้บริการแผนที่ดิจิทัล ซอฟต์แวร์ภูมิสารสนเทศ และเทคโนโลยี Internet of Things (IoT) แบบอิงตามตำแหน่งที่ตั้งชั้นนำของอินเดีย ใช้ Amazon SageMaker เพื่อสร้าง ฝึกฝน และปรับใช้โมเดล ML

“ MapmyIndia และ Mappls แพลตฟอร์มระดับโลกของเรานำเสนอ AI ที่มีประสิทธิภาพ แม่นยำสูง และการวิเคราะห์ทั่วโลกที่ขับเคลื่อนด้วยคอมพิวเตอร์วิทัศน์และภาพถ่ายบนท้องถนนสำหรับกรณีการใช้งานต่างๆ เช่น การวัดการพัฒนาเศรษฐกิจ การเติบโตของประชากร การเกษตร ผลผลิต กิจกรรมการก่อสร้าง การตรวจจับป้ายถนน การแบ่งส่วนที่ดิน และการตรวจจับการเปลี่ยนแปลงถนน” Rohan Verma ประธานเจ้าหน้าที่บริหารและกรรมการบริหารของ MapmyIndia กล่าว “ความสามารถของเราในการสร้าง ฝึกฝน และปรับใช้โมเดลด้วยความเร็วและความแม่นยำทำให้เราแตกต่าง เรายินดีที่ได้เป็นพันธมิตรกับ AWS สำหรับข้อเสนอ AI/ML ของเรา และรู้สึกตื่นเต้นกับความสามารถของ Amazon SageMaker ในการปรับขนาดอย่างรวดเร็ว”

ส

SatSure ผู้นำด้านโซลูชันการตัดสินใจอัจฉริยะในอินเดียที่ใช้ข้อมูลการสังเกตการณ์ Earth เพื่อสร้างข้อมูลเชิงลึก อาศัย Amazon SageMaker ในการเตรียมและฝึกอบรมข้อมูล ML ระดับเพตะไบต์

“เราใช้ Amazon SageMaker เพื่อบีบอัดชุดข้อมูล EO, GIS, การเงิน, ข้อความ และธุรกิจ โดยใช้ความสามารถ AI/ML ในการสร้างสรรค์และปรับขนาดโมเดลของเราอย่างรวดเร็ว” Prateep Basu ประธานเจ้าหน้าที่บริหารของ SatSure กล่าว “เราใช้ AWS มาตั้งแต่ปี 2017 และเราได้ช่วยสถาบันการเงินให้กู้ยืมแก่เกษตรกรมากกว่า 2 ล้านคนทั่วอินเดีย ไนจีเรีย และฟิลิปปินส์ ในขณะที่ติดตามตรวจสอบ 1 ล้านตารางกิโลเมตรเป็นประจำทุกสัปดาห์”

สรุป

หากต้องการเริ่มต้นใช้งาน Amazon SageMaker โปรดไปที่ aws.amazon.com/sagemaker.

---

เกี่ยวกับผู้เขียน

อังกูร เมห์โรตรา เข้าร่วมกับ Amazon ในปี 2008 และปัจจุบันเป็นผู้จัดการทั่วไปของ Amazon SageMaker ก่อน Amazon SageMaker เขาทำงานเกี่ยวกับการสร้างระบบโฆษณาและเทคโนโลยีการกำหนดราคาอัตโนมัติของ Amazon.com