AWS святкує 5 років інновацій з Amazon SageMaker

Лише за 5 років десятки тисяч клієнтів підключилися Amazon SageMaker створювати мільйони моделей, навчати моделі з мільярдами параметрів і генерувати сотні мільярдів щомісячних прогнозів.

Зародки зміни парадигми машинного навчання (ML) існували десятиліттями, але завдяки доступності практично нескінченної обчислювальної потужності, величезному поширенню даних і швидкому розвитку технологій ML клієнти в різних галузях тепер мають доступ до його трансформаційних технологій. переваги. Щоб використати цю можливість і вивести машинне навчання з дослідницької лабораторії в руки організацій, AWS створила Amazon SageMaker. Цього року ми відзначаємо 5-річчя Amazon SageMaker, нашої флагманської повністю керованої служби машинного навчання, яка була запущена на AWS re:Invent 2017 і стала однією з найшвидше зростаючих служб в історії AWS.

AWS запустила Amazon SageMaker, щоб подолати перешкоди для машинного навчання та демократизувати доступ до передових технологій. Сьогодні цей успіх міг би здаватись неминучим, але в 2017 році ML все ще вимагав спеціальних навичок, якими зазвичай володіла обмежена група розробників, дослідників, докторів наук або компаній, які будували свій бізнес на ML. Раніше розробникам і дослідникам обробки даних доводилося спочатку візуалізувати, перетворювати та попередньо обробляти дані у формати, які алгоритми могли використовувати для навчання моделей, що вимагало величезної обчислювальної потужності, тривалих періодів навчання та спеціальних команд для керування середовищами, які часто охоплювали кілька графічних процесорів. увімкнені сервери — і здорова кількість ручного налаштування продуктивності. Крім того, розгортання навченої моделі в додатку вимагало іншого набору спеціальних навичок у розробці додатків і розподілених систем. Оскільки набори даних і змінні зростали, компаніям доводилося повторювати цей процес, щоб вчитися та розвиватися на основі нової інформації, оскільки старіші моделі застарівали. Ці проблеми та бар’єри означали, що ML був недоступний для більшості, за винятком добре фінансованих організацій і дослідницьких установ.

Початок нової ери в машинному навчанні

Ось чому ми представили Amazon SageMaker, нашу провідну керовану службу машинного навчання, яка дозволяє розробникам, науковцям із обробки даних і бізнес-аналітикам швидко й легко готувати дані, а також створювати, навчати та розгортати високоякісні моделі машинного навчання в масштабі. За останні 5 років ми додали понад 250 нових функцій і можливостей, у тому числі перше в світі інтегроване середовище розробки (IDE) для ML, налагоджувачі, монітори моделей, профайлери, AutoML, сховище функцій, можливості без коду та перший спеціально створений інструмент безперервної інтеграції та безперервної доставки (CI/CD), щоб зробити ML менш складним і більш масштабованим у хмарі та на периферійних пристроях.

У 2021 році ми ще більше просунули демократизацію, щоб зробити ML доступним для більшої кількості користувачів. Amazon SageMaker дає змогу більшій кількості людей створювати моделі ML, включно з середовищем без коду Canvas Amazon SageMaker для бізнес-аналітиків без досвіду ML, а також безкоштовне середовище ML, яке не потребує налаштування та дозволяє студентам швидше навчатися та експериментувати з ML.

Сьогодні клієнти можуть впроваджувати інновації з Amazon SageMaker за допомогою вибору інструментів — IDE для науковців із обробки даних та інтерфейс без коду для бізнес-аналітиків. Вони можуть отримувати доступ, позначати та обробляти великі обсяги структурованих даних (табличні дані) і неструктурованих даних (фото, відео та аудіо) для ML. За допомогою Amazon SageMaker клієнти можуть скоротити час навчання з годин до хвилин завдяки оптимізованій інфраструктурі. Нарешті, клієнти можуть автоматизувати та стандартизувати операції машинного навчання (MLOps) у своїй організації, щоб створювати, навчати, розгортати та керувати моделями в масштабі.

Нові функції для наступного покоління інновацій

Рухаючись вперед, AWS продовжує агресивно розробляти нові функції, які можуть допомогти клієнтам просувати ML далі. Наприклад, мультимодельні кінцеві точки (MME) Amazon SageMaker дозволяють клієнтам розгортати тисячі моделей ML на одній кінцевій точці Amazon SageMaker і знижувати витрати за рахунок спільного використання інсталяцій, наданих за кінцевою точкою, для всіх моделей. Донедавна MME підтримувалися лише на центральних процесорах, але MME Amazon SageMaker тепер підтримують графічні процесори. Клієнти можуть використовувати Amazon SageMaker MME для розгортання моделей глибокого навчання на екземплярах GPU та заощаджувати до 90% вартості, розгортаючи тисячі моделей глибокого навчання в одній кінцевій точці з кількома моделями. Amazon SageMaker також розширив підтримку для оптимізації обчислень Обчислювальна хмара Amazon Elastic (Amazon EC2) екземпляри на основі AWS Гравітон 2 і Гравітон 3 процесори, які добре підходять для висновків ML на основі ЦП, тому клієнти можуть розгортати моделі на оптимальному типі екземпляра для своїх робочих навантажень.

Клієнти Amazon SageMaker відкривають можливості машинного навчання

Щодня клієнти будь-якого розміру та з усіх галузей звертаються до Amazon SageMaker, щоб експериментувати, впроваджувати інновації та розгортати моделі ML за менший час і з нижчою ціною, ніж будь-коли. У результаті розмови тепер переходять від мистецтва можливого до розкриття нових рівнів продуктивності за допомогою машинного навчання. Сьогодні такі клієнти, як Capital One і Fannie Mae у фінансових послугах, Philips і AstraZeneca в охороні здоров’я та науках про життя, Conde Nast і Thomson Reuters у ЗМІ, NFL і Formula 1 у спорті, Amazon і Mercado Libre у роздрібній торгівлі, Siemens і Bayer у промисловий сектор використовує послуги ML на AWS для прискорення бізнес-інновацій. Вони приєднуються до десятків тисяч інших клієнтів Amazon SageMaker, які використовують цей сервіс для керування мільйонами моделей, навчання моделей із мільярдами параметрів і створення сотень мільярдів прогнозів щомісяця.

Чекайте більше інновацій. Але тим часом ми зупиняємось, щоб відзначити численні успіхи, яких досягли наші клієнти.

Thomson Reuters

Thomson Reuters, провідний постачальник бізнес-інформаційних послуг, використовує потужність Amazon SageMaker, щоб створити більш інтуїтивно зрозумілі послуги для своїх клієнтів.

«Ми постійно шукаємо надійні рішення на основі штучного інтелекту, які забезпечують довгострокову позитивну віддачу від інвестицій», — сказав Данило Томмасіна, директор з розробки Thomson Reuters Labs. «Amazon SageMaker займає центральне місце в нашій науково-дослідній роботі зі штучним інтелектом. Це дозволяє нам ефективно вводити дослідження у зрілі й високоавтоматизовані рішення. Завдяки Amazon SageMaker Studio дослідники та інженери можуть зосередитися на вирішенні бізнес-завдань за допомогою всіх інструментів, необхідних для робочого процесу машинного навчання в одній IDE. Ми виконуємо всі наші дії з розробки ML, включаючи блокноти, керування експериментами, автоматизацію конвеєрів ML і налагодження безпосередньо в Amazon SageMaker Studio».

Salesforce

Salesforce, провідна у світі платформа CRM, нещодавно оголосила про нову інтеграцію, яка дозволить використовувати Amazon SageMaker разом із Einstein, технологією штучного інтелекту Salesforce.

«Salesforce Einstein — це перший комплексний штучний інтелект для CRM, який дає змогу кожній компанії стати розумнішою та краще прогнозувати своїх клієнтів за допомогою інтегрованого набору технологій штучного інтелекту для продажів, маркетингу, торгівлі, обслуговування та ІТ», — сказав Рахул Аурадкар, виконавчий віце-президент Einstein. і Unified Data Services у Salesforce. «Одна з найбільших проблем, з якою сьогодні стикаються компанії, полягає в тому, що їхні дані є закритими. Важко об’єднати дані, щоб залучити клієнтів у режимі реального часу через усі точки дотику та отримати значущу інформацію про бізнес. Завдяки Genie, платформі Salesforce для даних клієнтів у реальному часі, інтеграція Salesforce і Amazon SageMaker надає групам даних безперешкодний доступ до уніфікованих і узгоджених даних клієнтів для створення та навчання моделей машинного навчання в Amazon SageMaker. І після розгортання ці моделі Amazon SageMaker можна використовувати разом з Einstein для створення прогнозів і аналізу на платформі Salesforce. У міру розвитку штучного інтелекту ми продовжуємо вдосконалювати Ейнштейна за допомогою моделювання за власним бажанням (BYOM), щоб зустрітися з розробниками та дослідниками даних там, де вони працюють».

Мета ШІ

Meta AI — це лабораторія штучного інтелекту, яка належить Meta Platforms Inc.

«Meta AI співпрацює з AWS, щоб покращити torch.distributed, щоб допомогти розробникам масштабувати навчання за допомогою екземплярів на основі Amazon SageMaker і Trainium», — сказала Гіта Чаухан, менеджер із розробки прикладного штучного інтелекту Meta AI. «Завдяки цим удосконаленням ми побачили скорочення часу навчання для великих моделей на основі наших тестів. Ми раді бачити, що Amazon SageMaker підтримує розподілене навчання PyTorch для прискорення інновацій МЛ».

Компанія Tyson Foods Inc.

Tyson Foods Inc., один із найбільших у світі м’ясопереробників і маркетологів, покладається на Amazon SageMaker, Основна правда Amazon SageMaker та Панорама AWS для підвищення ефективності.

«Операційна досконалість є ключовим пріоритетом Tyson Foods, — сказав Баррет Міллер, старший менеджер із нових технологій у Tyson Foods Inc. — Ми використовуємо комп’ютерне зір на базі ML на AWS, щоб підвищити ефективність виробництва, автоматизувати процеси та зменшити витрати часу або завдання, схильні до помилок. Ми співпрацювали з Amazon Machine Learning Solutions Lab, щоб створити найсучаснішу модель виявлення об’єктів за допомогою Amazon SageMaker Ground Truth і AWS Panorama. Завдяки цьому рішенню ми отримуємо статистику майже в реальному часі, яка допомагає нам створювати необхідні запаси, мінімізуючи відходи».

Autodesk

AutoCAD — це комерційне програмне забезпечення для автоматизованого проектування та креслення від Autodesk. AutoCAD покладається на Amazon SageMaker для оптимізації процесу генеративного проектування.

«Ми хотіли, щоб клієнти AutoCAD були більш ефективними, надаючи персоналізовані, миттєві поради щодо використання та розуміння, забезпечуючи максимально продуктивний час, який вони проводять у AutoCAD», — сказала Данія Ель Хасан, директор з управління продуктами AutoCAD. , в Autodesk. «Amazon SageMaker був важливим інструментом, який допоміг нам надати проактивні команди та рекомендації щодо ярликів для наших користувачів, що дозволило їм досягти потужних нових результатів дизайну».

Torc.ai

За допомогою Amazon SageMaker і бібліотеки Amazon SageMaker distributed data parallel (SMDDP), Torc.ai, лідер у сфері автономних транспортних засобів з 2005 року, комерціалізує безпілотні вантажівки для безпечних, тривалих перевезень на далекі відстані в галузі вантажних перевезень.

«Тепер моя команда може легко виконувати масштабні розподілені навчальні завдання за допомогою навчання моделі Amazon SageMaker і бібліотеки розподілених даних Amazon SageMaker (SMDDP), що включає терабайти навчальних даних і моделей з мільйонами параметрів», — сказав Дерек Джонсон, заступник заступника директора. Президент інженерного відділу Torc.ai. «Розподілена модель навчання Amazon SageMaker і SMDDP допомогли нам легко масштабуватися без необхідності керувати інфраструктурою навчання. Це скоротило наш час на навчання моделей з кількох днів до кількох годин, що дозволило нам скоротити наш цикл проектування та запровадити нові можливості автономного транспорту в наш парк швидше, ніж будь-коли».

Дослідження LG AI

LG AI Research прагне очолити наступну еру штучного інтелекту, використовуючи Amazon SageMaker для навчання та розгортання моделей машинного навчання швидше.

«Нещодавно ми представили Tilda, художника штучного інтелекту на базі EXAONE, супергігантської системи штучного інтелекту, яка може обробляти 250 мільйонів парних наборів даних із зображенням і текстом високої чіткості», — сказав Сеунг Хван Кім, віце-президент і керівник Vision Lab у LG AI Research. «Мультимодальний штучний інтелект дозволяє Tilda створювати новий образ самостійно, завдяки своїй здатності досліджувати мову, яку вона сприймає. Amazon SageMaker відіграв важливу роль у розробці EXAONE завдяки його можливостям масштабування та розподіленого навчання. Зокрема, через величезні обчислення, необхідні для навчання цього надгігантського ШІ, ефективна паралельна обробка є дуже важливою. Нам також потрібно було постійно керувати великими даними та бути гнучкими, щоб реагувати на щойно отримані дані. Використовуючи навчання моделі Amazon SageMaker і розподілені навчальні бібліотеки, ми оптимізували розподілене навчання та навчили модель на 59% швидше — без серйозних змін у нашому навчальному коді».

Водні продукти Мюллера

Mueller Water Products виробляє спеціальну арматуру, пожежні гідранти, продукти для з’єднання та ремонту труб, засоби вимірювання, рішення для виявлення витоків тощо. Він використовував Amazon SageMaker для розробки інноваційного рішення машинного навчання для швидшого виявлення витоків води.

«Ми виконуємо місію, щоб заощадити 7.7 мільярдів галонів втрати води до 2027 року», — сказав Дейв Джонстон, директор із інтелектуальної інфраструктури Mueller Water Products. «Завдяки моделям ML, створеним на Amazon SageMaker, ми покращили точність EchoShore-DX, нашої системи виявлення аномалій на основі звуку. Завдяки цьому ми можемо швидше інформувати споживачів комунальних послуг про витік. Це рішення дозволило заощадити приблизно 675 мільйонів галонів води у 2021 році. Ми раді продовжувати використовувати послуги AWS ML для подальшого вдосконалення нашого технологічного портфоліо та продовження підвищення ефективності та екологічності з нашими комунальними клієнтами».

Canva

Canva, виробник популярного інструменту для онлайн-дизайну та публікації, покладається на потужність Amazon SageMaker для швидкого впровадження.

«Для масштабного зростання Canva нам потрібен був інструмент, який би допоміг нам запускати нові функції без будь-яких затримок і проблем», — сказав Грег Рудт, керівник відділу платформ даних Canva. «Адаптованість Amazon SageMaker дозволила нам керувати більшою кількістю завдань із меншими ресурсами, що призвело до швидшого й ефективнішого робочого навантаження. Це дало нашій команді інженерів впевненість, що функції, які вони запускають, будуть адаптовані до їхнього сценарію використання. За допомогою Amazon SageMaker ми розгорнули нашу модель перетворення тексту в зображення за 2 тижні, використовуючи потужну керовану інфраструктуру, і ми з нетерпінням чекаємо можливості розширити цю функцію для наших мільйонів користувачів у найближчому майбутньому».

Надихати

Inspire, інформаційна служба охорони здоров’я, орієнтована на споживачів, покладається на Amazon SageMaker, щоб надати практичну інформацію для кращого догляду, лікування та результатів.

«Наша система рекомендацій щодо вмісту є головним рушієм нашої ціннісної пропозиції», — сказав Брайан Лоу, головний виконавчий директор і засновник Inspire. «Ми використовуємо його, щоб направляти наших користувачів (які живуть з особливими умовами) до відповідних і конкретних публікацій або статей. За допомогою Amazon SageMaker ми можемо легко створювати, навчати та розгортати моделі глибокого навчання. Наше складне рішення ML на основі Amazon SageMaker допомагає нам покращити здатність нашої системи рекомендацій щодо вмісту пропонувати релевантний вміст 2 мільйонам зареєстрованих користувачів, витягуючи з нашої бібліотеки 1.5 мільярда слів за 3,600 умов. Amazon SageMaker дав нам змогу точно об’єднати пацієнтів і опікунів із більш персоналізованим вмістом і ресурсами, зокрема інформацією про рідкісні захворювання та шляхи лікування».

ResMed

ResMed є провідним постачальником хмарних рішень для людей з апное сну, ХОЗЛ, астмою та іншими хронічними захворюваннями. У 2014 році ResMed запустила MyAir, персоналізовану платформу та додаток для керування терапією, за допомогою якої пацієнти можуть відстежувати терапію сну.

«До появи Amazon SageMaker усі користувачі MyAir отримували однакові повідомлення від додатка одночасно, незалежно від свого стану», — сказав Бадрі Рагхаван, віце-президент відділу даних у ResMed. «Amazon SageMaker дозволив нам взаємодіяти з пацієнтами через MyAir на основі конкретного пристрою ResMed, який вони використовують, часу їх неспання та інших контекстних даних. Ми користуємося кількома функціями Amazon SageMaker для навчання конвеєрів моделей і вибору типів розгортання, включно з висновками майже в реальному часі та пакетними висновками, щоб надавати персоналізований вміст. Amazon SageMaker дав нам змогу досягти нашої мети впровадження можливостей машинного навчання в усьому світі шляхом розгортання моделей за кілька днів або тижнів замість місяців».

Веріск

Verisk надає експертну аналітичну інформацію на основі даних, яка допомагає бізнесу, людям і суспільству ставати сильнішими, стійкішими та сталими. Він використовує Amazon SageMaker для оптимізації робочих процесів машинного навчання.

«Verisk і Vexcel тісно співпрацюють, щоб зберігати й обробляти величезні обсяги даних на AWS, включаючи дані аерофотознімків надвисокої роздільної здатності Vexcel, отримані в 26 країнах по всьому світу», — сказав Джеффрі К. Тейлор, президент Verisk 3D Visual. Інтелект. «Amazon SageMaker допомагає нам оптимізувати роботу, яку виконують команди ML і MLOps, дозволяючи нам зосередитися на обслуговуванні потреб наших клієнтів, зокрема зацікавлених сторін нерухомого майна у сфері страхування, нерухомості, будівництва тощо».

Smartocto BV

За допомогою Amazon SageMaker Smartocto BV надає аналітику контенту за допомогою ML для 350 редакцій і медіакомпаній у всьому світі.

«Оскільки бізнес розширювався, нам потрібно було спростити розгортання наших моделей ML, скоротити час виходу на ринок і розширити пропозицію наших продуктів», — сказав Ілія Суша, директор з обробки даних Smartocto. «Однак поєднання рішень із відкритим вихідним кодом і хмарних рішень для самостійного розміщення наших робочих навантажень МЛ займало все більше часу. Ми перенесли наші моделі ML на кінцеві точки Amazon SageMaker і менш ніж за 3 місяці запустили Smartify, нове рішення для AWS. Smartify використовує Amazon SageMaker для надання прогнозної редакційної аналітики майже в реальному часі, що допомагає клієнтам покращувати свій контент і розширювати свою аудиторію».

Visualfabriq

Visualfabriq пропонує деяким провідним світовим компаніям, що займаються виробництвом споживчих товарів, рішення для управління прибутком із застосуванням можливостей штучного інтелекту. Він використовує Amazon SageMaker для підвищення продуктивності та точності моделей ML у масштабі.

«Ми хотіли адаптувати наш стек технологій, щоб підвищити продуктивність і масштабованість, а також полегшити додавання, оновлення та перенавчання моделей», — сказав Йелле Верстратен, керівник групи прогнозування попиту, штучного інтелекту та управління зростанням доходів у Visualfabriq. «Найбільшим впливом переходу на Amazon SageMaker стало значне підвищення продуктивності нашого рішення. Завдяки запуску висновків на виділених серверах, а не на веб-серверах, наше рішення є більш ефективним, а витрати послідовними та прозорими. Ми покращили час відгуку нашої служби прогнозування попиту, яка передбачає вплив рекламної дії на обсяг продажів роздрібного продавця, на 200% і розгорнули масштабоване рішення, яке потребує менше ручного втручання та прискорює адаптацію нових клієнтів».

Sophos

Sophos, світовий лідер у сфері рішень і послуг для кібербезпеки нового покоління, використовує Amazon SageMaker для більш ефективного навчання своїх моделей машинного навчання.

«Наша потужна технологія виявляє та видаляє файли, вміло пронизані шкідливим програмним забезпеченням», — сказав Костянтин Берлін, керівник відділу штучного інтелекту в Sophos. «Однак використання моделей XGBoost для обробки наборів даних розміром у кілька терабайтів займало надзвичайно багато часу, а іноді просто було неможливо через обмежений простір пам’яті. Завдяки розподіленому навчанню Amazon SageMaker ми можемо успішно навчити легку модель XGBoost, яка має набагато менший розмір на диску (до 25 разів) і в пам’яті (до п’яти разів менше), ніж її попередник. Використовуючи автоматичне налаштування моделі Amazon SageMaker і розподілене навчання на спотових екземплярах, ми можемо швидко й ефективніше модифікувати та перенавчати моделі без коригування основної інфраструктури навчання, необхідної для масштабування до таких великих наборів даних».

Північно-західний університет

Студентам Північно-Західного університету, які навчаються за програмою магістра наук зі штучного інтелекту (MSAI), була організована екскурсія Amazon SageMaker Studio Lab перед використанням під час хакатону.

«Простота використання Amazon SageMaker Studio Lab дозволила студентам швидко застосувати отримані знання для створення креативних рішень», — сказав Мохаммед Алам, заступник директора програми MSAI. «Ми очікували, що під час короткого 5-годинного змагання студенти природно долають деякі перешкоди. Натомість вони перевершили наші очікування, не лише завершивши всі проекти, але й зробивши вражаючі презентації, у яких застосували складні концепції машинного навчання до важливих проблем реального світу».

Політехнічного інституту Rensselaer

Rensselaer Polytechnic Institute (RPI), університет технологічних досліджень Нью-Йорка, використовує Amazon SageMaker Studio, щоб допомогти студентам швидко вивчити концепції машинного навчання.

«RPI володіє одним із найпотужніших суперкомп’ютерів у світі, але штучному інтелекту дуже важко навчатися», — сказав Мохаммед Дж. Закі, професор комп’ютерних наук. «Нам потрібен був спосіб, щоб студенти почали економічно ефективно. Інтуїтивно зрозумілий інтерфейс Amazon SageMaker Studio Lab дозволив нашим студентам швидко розпочати роботу та надав потужний графічний процесор, що дозволяє їм працювати зі складними моделями глибокого навчання для своїх завершальних проектів».

Гонконгський інститут професійної освіти

ІТ-відділ Інституту професійної освіти Гонконгу (Лі Вай Лі) використовує Amazon SageMaker Studio Lab, щоб надати студентам можливість працювати над реальними проектами ML.

«Ми використовуємо Amazon SageMaker Studio Lab у базових курсах, пов’язаних із машинним навчанням і мовами Python, які дають студентам міцну основу для багатьох хмарних технологій», — сказав Сайрус Вонг, старший викладач. «Amazon SageMaker Studio Lab дозволяє нашим студентам отримати практичний досвід роботи з реальними проектами з обробки даних, не занурюючись у налаштування чи конфігурації. На відміну від інших постачальників, це Linux-машина для студентів, що дозволяє їм виконувати набагато більше вправ з кодування».

MapmyIndia

MapmyIndia, провідний індійський постачальник цифрових карт, геопросторового програмного забезпечення та технологій Інтернету речей (IoT) на основі визначення місцезнаходження, використовує Amazon SageMaker для створення, навчання та розгортання своїх моделей ML.

«MapmyIndia та наша глобальна платформа Mappls пропонують надійну, високоточну та всесвітню аналітику на основі штучного інтелекту та комп’ютерного бачення на основі супутникових і вуличних зображень для багатьох випадків використання, таких як вимірювання економічного розвитку, зростання населення, сільського господарства. продуктивність, будівельна діяльність, виявлення вуличних знаків, сегментація території та виявлення зміни доріг», — сказав Рохан Верма, головний виконавчий директор і виконавчий директор MapmyIndia. «Наша здатність створювати, тренувати та розгортати моделі зі швидкістю та точністю відрізняє нас. Ми раді співпрацювати з AWS щодо наших пропозицій штучного інтелекту та ML і в захваті від здатності Amazon SageMaker швидко масштабувати це».

SatSure

SatSure, індійський лідер у розробці інтелектуальних рішень, які використовують дані спостереження Землі для створення розуміння, покладається на Amazon SageMaker для підготовки та навчання петабайтів даних ML.

«Ми використовуємо Amazon SageMaker для обробки петабайтів EO, GIS, фінансових, текстових і бізнес-даних, використовуючи його можливості AI/ML для інновацій і швидкого масштабування наших моделей», — сказав Пратіп Басу, головний виконавчий директор SatSure. «Ми використовуємо AWS з 2017 року та допомогли фінансовим установам надати кредити понад 2 мільйонам фермерів в Індії, Нігерії та на Філіппінах, одночасно контролюючи 1 мільйон квадратних кілометрів щотижня».

Висновок

Щоб розпочати роботу з Amazon SageMaker, відвідайте aws.amazon.com/sagemaker.

---

Про автора

Анкур Мехротра приєднався до Amazon ще в 2008 році і зараз є генеральним менеджером Amazon SageMaker. До Amazon SageMaker він працював над створенням рекламних систем Amazon.com і технологією автоматизованого ціноутворення.