Sleepme, uyku kalitesini gerçek zamanlı olarak en üst düzeye çıkarmak amacıyla otomatik sıcaklık kontrolü için Amazon SageMaker'ı nasıl kullanır?

Bu, Sleepme Inc. CTO'su Trey Robinson ile birlikte yazılan bir konuk gönderisidir.

beni uyu kalp atış hızı, solunum hızı, yatak ve ortam sıcaklığı, nem ve basınç sensörleri ile donatılmış Nesnelerin İnterneti (IoT) özellikli uyku izleme sensör paketi dahil olmak üzere uyku sıcaklığı yönetimi ve izleme ürünlerinde bir endüstri lideridir.

Sleepme, refakatçi uygulaması kullanılarak yatağınızı soğutmak veya ısıtmak için programlanabilen akıllı bir yatak örtüsü sistemi sunar. Sistem, kalp atış hızı, solunum hızı, odadaki nem oranı, uyanma saatleri ve kullanıcının ne zaman yatağa girip çıktığı gibi bilgiler toplayan bir uyku takipçisi ile eşleştirilebilir. Belirli bir uyku seansının sonunda, bir uyku kalitesi puanı oluşturmak için uyku izleyici içgörülerini uyku aşaması verileriyle birlikte toplar.

Bu akıllı yatak örtüsü, yatağınız için bir termostat gibi çalışır ve müşterilerin uyku iklimlerini kontrol etmelerini sağlar. Sleepme ürünleri, derin bir uykuya dalmakla bağlantılı olan vücut sıcaklığınızı soğutmanıza yardımcı olurken, sıcak olmak dalma ve uykuda kalma olasılığını azaltabilir.

Bu yazımızda Sleepme'nin nasıl kullanıldığını paylaşıyoruz. Amazon Adaçayı Yapıcı uyku puanınızı en üst düzeye çıkarmak için sıcaklıklar öneren bir makine öğrenimi (ML) modeli kavram kanıtı geliştirmek.

"Yapay zekanın benimsenmesi, müşterilerin uyku deneyimini iyileştirmek için yeni yollar açıyor. Bu değişiklikler, Sleepme ürün serisinde uygulanacak ve müşterinin dağıtım sırasında yeni özelliklerin teknik ve pazarlama değerinden yararlanmasına olanak tanıyacak."

– Trey Robinson, Sleepme'nin Baş Teknoloji Sorumlusu.

Uykuyu gerçek zamanlı olarak iyileştirmek için makine öğrenimini kullanma

Sleepme, müşterilerine en son uyku sağlığı ve zindeliği sunmak için bilimsel çalışmaları, uluslararası dergileri ve en son araştırmaları kullanan bilim odaklı bir kuruluştur. Sleepme, uyku bilimi bilgilerini sağlar. Web sitesi.

Sleepme, Amerikalıların yalnızca %44'ünün neredeyse her gece dinlendirici bir gece uykusu çektiğini ve yetişkinlerin %35'inin her gece 7 saatten az uyuduğunu anlatıyor. Tam bir gece uykusu almak, daha enerjik hissetmenize yardımcı olur ve zihninize, kilonuza ve kalbinize faydaları kanıtlanmıştır. Bu, uykularını ve sağlıklarını iyileştirme fırsatları olan büyük bir insan popülasyonunu temsil ediyor.

Sleepme, gece boyunca kullanıcının uyku ortamını değiştirerek kullanıcılarının uykusunu iyileştirmek için bir fırsat gördü. Sıcaklık ve nem gibi ortam verilerini yakalayarak ve bunları huzursuzluk, kalp atış hızı ve uyku döngüsü gibi kişiselleştirilmiş kullanıcı verileriyle birleştirerek Sleepme, kullanıcının dinlenme ortamını optimize edecek şekilde değiştirebildiklerini belirledi. Bu kullanım durumu, gerçek zamanlı çıkarım sağlayan bir makine öğrenimi modeli gerektiriyordu.

Sleepme, düşük gecikmeli öneriler sağlayan yüksek düzeyde kullanılabilir bir çıkarım modeline ihtiyaç duyuyordu. Müşterileri için yeni özellikler ve ürünler sunmaya odaklanan Sleepme, altyapı yönetimi gerektirmeyen, kullanıma hazır bir çözüme ihtiyaç duyuyordu.

Bu zorlukların üstesinden gelmek için Sleepme, Amazon SageMaker'a başvurdu.

Uyku sıcaklığı önerileri için bir makine öğrenimi modeli oluşturmak üzere Amazon SageMaker'ı kullanma

SageMaker, ML derleme sürecini basitleştirerek ML iş yüklerinin dağıtımını hızlandırır. AWS'de yönetilen bir altyapı üzerinde çalışan bir dizi makine öğrenimi yeteneği sağlar. Bu, makine öğrenimi geliştirmeyle ilişkili operasyonel ek yükü ve karmaşıklığı azaltır.

Sleepme, SageMaker'ı model eğitimi, uç nokta dağıtım süreci ve altyapı yönetimi konularında sağladığı yetenekler nedeniyle tercih etti. Aşağıdaki diyagram AWS mimarisini göstermektedir.

Sleepme, müşterileri için yeni ürünler ve özellikler sunmaya odaklanmıştır. Kaynaklarını uzun bir makine öğrenimi modeli eğitim sürecine adamak istemediler.

SageMaker'ın Model Eğitimi Sleepme'nin, tescilli bir makine öğrenimi modelini hızla geliştirmek için geçmiş verilerini kullanmasına izin verdi. SageMaker Model Eğitimi, düzinelerce yerleşik eğitim algoritması ve önceden eğitilmiş yüzlerce model sunarak Sleepme'nin model oluşturmadaki çevikliğini artırır. SageMaker Model Eğitimi, temel bilgi işlem örneklerini yöneterek, Sleepme'nin model performansını artırmaya odaklanmasını sağladı.

Bu makine öğrenimi modelinin uyku ortamı ayarlamalarını gerçek zamanlı olarak yapması gerekiyordu. Bunu başarmak için Sleepme bir SageMaker Gerçek zamanlı çıkarım modellerinin barındırılmasını yönetmek için. Bu uç nokta, gerçek zamanlı olarak kullanıcının uykusu için bir sıcaklık tavsiyesi yapmak üzere Sleepme'nin akıllı yatak örtüsü ve uyku izleyicisinden veri alır. Ek olarak, modellerin otomatik ölçeklendirilmesi seçeneğiyle SageMaker çıkarımı, Sleepme'ye talebi karşılamak için bulut sunucuları ekleme veya kaldırma seçeneği sundu.

SageMaker, iş yükleri değiştikçe Sleepme'ye faydalı özellikler de sağlar. kullanabilirler gölge testleri yeni sürümlerin model performansını müşterilere dağıtılmadan önce değerlendirmek, SakeMaker Modeli Kaydı model sürümlerini yönetmek ve model dağıtımını otomatikleştirmek ve SageMaker Modeli İzleme üretimde modellerinin kalitesini izlemek için. Bu özellikler, Sleepme'ye makine öğrenimi kullanım durumlarını kendi başlarına yeni yetenekler geliştirmeden bir sonraki seviyeye taşıma fırsatı sağlar.

Sonuç

Amazon SageMaker ile Sleepme, Sleepme cihazlarının kullanıcının ortamına yansıttığı önerilen sıcaklık ayarını tanımlayan özel bir makine öğrenimi modelini birkaç hafta içinde oluşturup dağıtabildi.

Sleepme IoT cihazları uyku verilerini yakalar ve artık bir müşterinin yatağında dakikalar içinde ayarlamalar yapabilir. Bu yeteneğin bir iş farklılaştırıcısı olduğu kanıtlandı. Artık kullanıcıların uykusu, gerçek zamanlı olarak daha yüksek kaliteli bir uyku sağlamak için optimize edilebilir.

ML modellerini hızlı bir şekilde nasıl oluşturabileceğiniz hakkında daha fazla bilgi edinmek için bkz. Tren Modelleri veya üzerinde başlayın SageMaker Konsolu.

---

Yazarlar Hakkında

Trey Robinson Sleepme Inc'in CTO'su ve Passport Inc'de Mühendislik Direktörü olarak ekiplere liderlik eden mobil ve IoT odaklı bir yazılım mühendisiydi. Yıllar boyunca düzinelerce mobil uygulama, arka uç ve IoT projesinde çalıştı. Trey, Charlotte, NC'ye taşınmadan önce Güney Carolina, Ninety Six'te büyüdü ve Clemson Üniversitesi'nde Bilgisayar Bilimi okudu.

Benon Boyacıyan Amazon Web Services'ta Özel Sermaye grubunda bir Çözüm Mimarıdır. Benon, Özel Sermaye Şirketleri ve portföy şirketleriyle doğrudan çalışarak iş hedeflerine ulaşmak ve kurumsal değeri artırmak için AWS'den yararlanmalarına yardımcı olur.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoAiStream. Web3 Veri Zekası. Bilgi Genişletildi. Buradan Erişin.
• Adryenn Ashley ile Geleceği Basmak. Buradan Erişin.
• PREIPO® ile PRE-IPO Şirketlerinde Hisse Al ve Sat. Buradan Erişin.
• Kaynak: https://aws.amazon.com/blogs/machine-learning/how-sleepme-uses-amazon-sagemaker-for-automated-temperature-control-to-maximize-sleep-quality-in-real-time/