AWS kỷ niệm 5 năm đổi mới với Amazon SageMaker

Chỉ trong 5 năm, hàng chục nghìn khách hàng đã khai thác Amazon SageMaker để tạo ra hàng triệu mô hình, huấn luyện các mô hình với hàng tỷ tham số và tạo ra hàng trăm tỷ dự đoán hàng tháng.

Hạt giống của sự thay đổi mô hình học máy (ML) đã có từ nhiều thập kỷ trước, nhưng với khả năng tính toán gần như vô hạn sẵn có, sự phổ biến rộng rãi của dữ liệu và sự tiến bộ nhanh chóng của công nghệ ML, khách hàng trong các ngành hiện có quyền truy cập vào khả năng chuyển đổi của nó. những lợi ích. Để khai thác cơ hội này và đưa ML ra khỏi phòng thí nghiệm nghiên cứu và đến tay các tổ chức, AWS đã tạo ra Amazon SageMaker. Năm nay, chúng tôi kỷ niệm 5 năm thành lập Amazon SageMaker, dịch vụ ML được quản lý toàn phần hàng đầu của chúng tôi, được ra mắt tại AWS re:Invent 2017 và tiếp tục trở thành một trong những dịch vụ phát triển nhanh nhất trong lịch sử AWS.

AWS ra mắt Amazon SageMaker để phá bỏ các rào cản đối với ML và dân chủ hóa khả năng tiếp cận công nghệ tiên tiến. Ngày nay, thành công đó dường như là điều không thể tránh khỏi, nhưng vào năm 2017, ML vẫn yêu cầu những kỹ năng chuyên môn thường được sở hữu bởi một nhóm hạn chế gồm các nhà phát triển, nhà nghiên cứu, tiến sĩ hoặc các công ty xây dựng hoạt động kinh doanh của họ xung quanh ML. Trước đây, các nhà phát triển và nhà khoa học dữ liệu trước tiên phải trực quan hóa, chuyển đổi và xử lý trước dữ liệu thành các định dạng mà thuật toán có thể sử dụng để đào tạo các mô hình vốn đòi hỏi lượng sức mạnh tính toán khổng lồ, thời gian đào tạo kéo dài và các nhóm chuyên dụng để quản lý các môi trường thường mở rộng trên nhiều GPU- các máy chủ được kích hoạt—và một lượng điều chỉnh hiệu suất thủ công lành mạnh. Ngoài ra, việc triển khai một mô hình đã được đào tạo trong một ứng dụng đòi hỏi một bộ kỹ năng chuyên biệt khác về thiết kế ứng dụng và hệ thống phân tán. Khi các tập dữ liệu và biến số ngày càng tăng, các công ty phải lặp lại quy trình này để tìm hiểu và phát triển từ thông tin mới khi các mô hình cũ trở nên lỗi thời. Những thách thức và rào cản này có nghĩa là ML nằm ngoài tầm với của hầu hết mọi người, ngoại trừ các tổ chức và cơ sở nghiên cứu được tài trợ tốt.

Bình minh của một kỷ nguyên mới trong học máy

Đó là lý do tại sao chúng tôi giới thiệu Amazon SageMaker, dịch vụ quản lý ML hàng đầu của chúng tôi, cho phép các nhà phát triển, nhà khoa học dữ liệu và nhà phân tích kinh doanh chuẩn bị dữ liệu cũng như xây dựng, đào tạo và triển khai các mô hình ML chất lượng cao trên quy mô lớn một cách nhanh chóng và dễ dàng. Trong 5 năm qua, chúng tôi đã bổ sung hơn 250 tính năng và khả năng mới, bao gồm môi trường phát triển tích hợp (IDE) đầu tiên trên thế giới dành cho ML, trình gỡ lỗi, trình giám sát mô hình, trình phân tích hồ sơ, AutoML, kho tính năng, khả năng không cần mã và công cụ tích hợp liên tục và phân phối liên tục (CI/CD) được xây dựng có mục đích đầu tiên giúp ML bớt phức tạp hơn và có khả năng mở rộng cao hơn trên đám mây cũng như trên các thiết bị biên.

Vào năm 2021, chúng tôi đã đẩy mạnh quá trình dân chủ hóa hơn nữa để đưa ML đến với nhiều người dùng hơn. Amazon SageMaker cho phép nhiều nhóm người hơn tạo mô hình ML, bao gồm cả môi trường không có mã trong Canvas SageMaker của Amazon dành cho các nhà phân tích kinh doanh không có kinh nghiệm ML, cũng như môi trường ML không cần thiết lập, miễn phí để sinh viên học và thử nghiệm ML nhanh hơn.

Ngày nay, khách hàng có thể đổi mới với Amazon SageMaker thông qua nhiều lựa chọn công cụ—IDE dành cho nhà khoa học dữ liệu và giao diện không cần mã dành cho nhà phân tích kinh doanh. Họ có thể truy cập, gắn nhãn và xử lý lượng lớn dữ liệu có cấu trúc (dữ liệu dạng bảng) và dữ liệu phi cấu trúc (ảnh, video và âm thanh) cho ML. Với Amazon SageMaker, khách hàng có thể giảm thời gian đào tạo từ hàng giờ xuống còn vài phút với cơ sở hạ tầng được tối ưu hóa. Cuối cùng, khách hàng có thể tự động hóa và chuẩn hóa các hoạt động vận hành máy học (MLOps) trong tổ chức của họ để xây dựng, đào tạo, triển khai và quản lý các mô hình trên quy mô lớn.

Các tính năng mới cho thế hệ đổi mới tiếp theo

Trong tương lai, AWS tiếp tục tích cực phát triển các tính năng mới có thể giúp khách hàng tiến xa hơn về ML. Ví dụ: Điểm cuối đa mô hình (MME) của Amazon SageMaker cho phép khách hàng triển khai hàng nghìn mô hình ML trên một điểm cuối Amazon SageMaker duy nhất và giảm chi phí bằng cách chia sẻ các phiên bản được cung cấp phía sau điểm cuối trên tất cả các mô hình. Cho đến gần đây, MME chỉ được hỗ trợ trên CPU, nhưng MME của Amazon SageMaker hiện hỗ trợ GPU. Khách hàng có thể sử dụng Amazon SageMaker MME để triển khai các mô hình deep learning trên các phiên bản GPU và tiết kiệm tới 90% chi phí bằng cách triển khai hàng nghìn mô hình deep learning cho một điểm cuối đa mô hình duy nhất. Amazon SageMaker cũng đã mở rộng hỗ trợ cho các thiết bị được tối ưu hóa cho máy tính Đám mây điện toán đàn hồi Amazon Các phiên bản (Amazon EC2) được hỗ trợ bởi AWS Graviton 2 và Graviton 3 bộ xử lý rất phù hợp cho suy luận ML dựa trên CPU, vì vậy khách hàng có thể triển khai các mô hình trên loại phiên bản tối ưu cho khối lượng công việc của mình.

Khách hàng của Amazon SageMaker đang khai thác sức mạnh của machine learning

Hàng ngày, khách hàng thuộc mọi quy mô và thuộc mọi ngành đều chuyển sang Amazon SageMaker để thử nghiệm, đổi mới và triển khai các mô hình ML với thời gian ngắn hơn và chi phí thấp hơn bao giờ hết. Do đó, các cuộc trò chuyện hiện đang chuyển từ nghệ thuật có thể sang giải phóng các cấp độ năng suất mới với ML. Ngày nay, các khách hàng như Capital One và Fannie Mae trong lĩnh vực dịch vụ tài chính, Philips và AstraZeneca trong lĩnh vực chăm sóc sức khỏe và khoa học đời sống, Conde Nast và Thomson Reuters trong lĩnh vực truyền thông, NFL và Công thức 1 trong lĩnh vực thể thao, Amazon và Mercado Libre trong lĩnh vực bán lẻ, cũng như Siemens và Bayer trong lĩnh vực thể thao. lĩnh vực công nghiệp sử dụng dịch vụ ML trên AWS để tăng tốc đổi mới kinh doanh. Họ tham gia cùng hàng chục nghìn khách hàng khác của Amazon SageMaker đang sử dụng dịch vụ này để quản lý hàng triệu mô hình, đào tạo mô hình với hàng tỷ tham số và đưa ra hàng trăm tỷ dự đoán mỗi tháng.

Nhiều đổi mới đang chờ đợi. Nhưng trong lúc này, chúng tôi tạm dừng để chúc mừng những thành công mà khách hàng của chúng tôi đã đạt được.

Thomson Reuters

Thomson Reuters, nhà cung cấp dịch vụ thông tin doanh nghiệp hàng đầu, khai thác sức mạnh của Amazon SageMaker để tạo ra các dịch vụ trực quan hơn cho khách hàng của họ.

Danilo Tommasina, Giám đốc Kỹ thuật tại Thomson Reuters Labs cho biết: “Chúng tôi liên tục tìm kiếm các giải pháp vững chắc dựa trên AI mang lại lợi tức đầu tư tích cực lâu dài”. “Amazon SageMaker là trọng tâm trong công việc R&D AI của chúng tôi. Nó cho phép chúng tôi đưa nghiên cứu vào các giải pháp hoàn thiện và tự động hóa một cách hiệu quả. Với Amazon SageMaker Studio, các nhà nghiên cứu và kỹ sư có thể tập trung giải quyết các vấn đề kinh doanh bằng tất cả các công cụ cần thiết cho quy trình làm việc ML của họ trong một IDE duy nhất. Chúng tôi thực hiện tất cả các hoạt động phát triển ML của mình, bao gồm sổ ghi chép, quản lý thử nghiệm, tự động hóa quy trình ML và gỡ lỗi ngay từ trong Amazon SageMaker Studio.”

Salesforce

Salesforce, nền tảng CRM hàng đầu thế giới, gần đây đã công bố các giải pháp tích hợp mới sẽ cho phép sử dụng Amazon SageMaker cùng với Einstein, công nghệ AI của Salesforce.

Rahul Auradkar, EVP của Einstein cho biết: “Salesforce Einstein là AI toàn diện đầu tiên dành cho CRM và cho phép mọi công ty trở nên thông minh hơn và dự đoán tốt hơn về khách hàng của họ thông qua bộ công nghệ AI tích hợp dành cho bán hàng, tiếp thị, thương mại, dịch vụ và CNTT”. và Dịch vụ dữ liệu hợp nhất tại Salesforce. “Một trong những thách thức lớn nhất mà các công ty phải đối mặt hiện nay là dữ liệu của họ bị giữ kín. Rất khó để tập hợp dữ liệu lại với nhau để mang lại sự tương tác của khách hàng theo thời gian thực trên tất cả các điểm tiếp xúc và thu thập những hiểu biết sâu sắc có ý nghĩa về kinh doanh. Được hỗ trợ bởi Genie, nền tảng dữ liệu khách hàng thời gian thực của Salesforce, sự tích hợp Salesforce và Amazon SageMaker cho phép các nhóm dữ liệu có quyền truy cập liền mạch vào dữ liệu khách hàng thống nhất và hài hòa để xây dựng và đào tạo các mô hình ML trong Amazon SageMaker. Và sau khi được triển khai, các mô hình Amazon SageMaker này có thể được sử dụng cùng với Einstein để hỗ trợ các dự đoán và hiểu biết sâu sắc trên Nền tảng Salesforce. Khi AI phát triển, chúng tôi tiếp tục cải tiến Einstein bằng mô hình mang theo của riêng bạn (BYOM) để gặp gỡ các nhà phát triển và nhà khoa học dữ liệu tại nơi họ làm việc.”

Mục tiêu AI

Meta AI là phòng thí nghiệm trí tuệ nhân tạo thuộc Meta Platforms Inc.

Geeta Chauhan, Giám đốc kỹ thuật AI ứng dụng tại Meta AI cho biết: “Meta AI đã hợp tác với AWS để tăng cường torch.distributed nhằm giúp các nhà phát triển mở rộng quy mô đào tạo của họ bằng cách sử dụng các phiên bản dựa trên Amazon SageMaker và Trainium”. “Với những cải tiến này, chúng tôi đã thấy thời gian đào tạo cho các mô hình lớn dựa trên các thử nghiệm của chúng tôi giảm đi. Chúng tôi rất vui khi thấy Amazon SageMaker hỗ trợ đào tạo phân tán PyTorch để tăng tốc đổi mới ML.”

Công ty thực phẩm Tyson

Tyson Foods Inc., một trong những nhà tiếp thị và chế biến thịt lớn nhất thế giới, tin cậy vào Amazon SageMaker, Sự thật về mặt đất của Amazon SageMakervà Toàn cảnh AWS để nâng cao hiệu quả.

Barret Miller, Giám đốc cấp cao về Công nghệ mới nổi của Tyson Foods Inc. cho biết: “Hoạt động xuất sắc là ưu tiên hàng đầu tại Tyson Foods. “Chúng tôi sử dụng thị giác máy tính được hỗ trợ bởi ML trên AWS để cải thiện hiệu quả sản xuất, tự động hóa các quy trình và cải thiện việc tiêu tốn thời gian hoặc những công việc dễ mắc lỗi. Chúng tôi đã cộng tác với Phòng thí nghiệm giải pháp học máy của Amazon để tạo ra mô hình phát hiện đối tượng tiên tiến bằng cách sử dụng Amazon SageMaker Ground Truth và AWS Toàn cảnh. Với giải pháp này, chúng tôi nhận được thông tin chi tiết gần như theo thời gian thực, giúp chúng tôi sản xuất lượng hàng tồn kho cần thiết trong khi giảm thiểu lãng phí.”

Autodesk

AutoCAD là một ứng dụng phần mềm soạn thảo và thiết kế có sự hỗ trợ của máy tính thương mại từ Autodesk. AutoCAD dựa vào Amazon SageMaker để tối ưu hóa quy trình thiết kế tổng quát của nó.

Dania El Hassan, Giám đốc Quản lý Sản phẩm của AutoCAD cho biết: “Chúng tôi muốn giúp khách hàng của AutoCAD hoạt động hiệu quả hơn bằng cách cung cấp các mẹo và thông tin chi tiết về cách sử dụng được cá nhân hóa theo thời điểm, đảm bảo thời gian họ sử dụng AutoCAD hiệu quả nhất có thể”. , tại Autodesk. “Amazon SageMaker là một công cụ thiết yếu giúp chúng tôi cung cấp các đề xuất lệnh và phím tắt chủ động cho người dùng, cho phép họ đạt được kết quả thiết kế mới mạnh mẽ.”

Torc.ai

Với sự trợ giúp của Amazon SageMaker và thư viện dữ liệu song song phân phối (SMDDP) của Amazon SageMaker, Torc.ai, công ty dẫn đầu về xe tự hành từ năm 2005, đang thương mại hóa xe tải tự lái để vận chuyển đường dài, an toàn, bền vững trong ngành vận tải hàng hóa.

“Nhóm của tôi giờ đây có thể dễ dàng thực hiện các công việc đào tạo phân tán quy mô lớn bằng cách sử dụng đào tạo mô hình Amazon SageMaker và thư viện song song dữ liệu phân tán (SMDDP) của Amazon SageMaker, bao gồm hàng terabyte dữ liệu đào tạo và mô hình với hàng triệu tham số,” Derek Johnson, Phó chủ tịch cho biết Chủ tịch Kỹ thuật tại Torc.ai. “Đào tạo mô hình phân tán của Amazon SageMaker và SMDDP đã giúp chúng tôi mở rộng quy mô một cách liền mạch mà không cần phải quản lý cơ sở hạ tầng đào tạo. Nó giảm thời gian đào tạo các mô hình của chúng tôi từ vài ngày xuống còn vài giờ, cho phép chúng tôi rút ngắn chu trình thiết kế và mang các khả năng xe tự hành mới đến đội xe của chúng tôi nhanh hơn bao giờ hết.”

Nghiên cứu AI của LG

LG AI Research đặt mục tiêu dẫn đầu kỷ nguyên AI tiếp theo bằng cách sử dụng Amazon SageMaker để đào tạo và triển khai các mô hình ML nhanh hơn.

Seung Hwan Kim, Phó Chủ tịch kiêm Trưởng nhóm Vision Lab tại LG AI Research cho biết: “Gần đây, chúng tôi đã ra mắt Tilda, nghệ sĩ AI được hỗ trợ bởi EXAONE, một hệ thống AI siêu khổng lồ có thể xử lý 250 triệu bộ dữ liệu cặp văn bản-hình ảnh có độ phân giải cao”. “AI đa phương thức cho phép Tilda tự tạo ra một hình ảnh mới, với khả năng khám phá ngoài ngôn ngữ mà nó cảm nhận được. Amazon SageMaker rất cần thiết trong việc phát triển EXAONE nhờ khả năng đào tạo phân tán và mở rộng quy mô của nó. Cụ thể, do cần phải tính toán khối lượng lớn để đào tạo AI siêu khổng lồ này nên việc xử lý song song hiệu quả là rất quan trọng. Chúng tôi cũng cần liên tục quản lý dữ liệu quy mô lớn và linh hoạt để phản hồi dữ liệu mới thu được. Bằng cách sử dụng thư viện đào tạo phân tán và đào tạo mô hình Amazon SageMaker, chúng tôi đã tối ưu hóa đào tạo phân tán và đào tạo mô hình nhanh hơn 59%—mà không cần sửa đổi lớn đối với mã đào tạo của mình.”

Sản phẩm nước Mueller

Mueller Water Products sản xuất các loại van kỹ thuật, vòi chữa cháy, sản phẩm sửa chữa và kết nối đường ống, sản phẩm đo lường, giải pháp phát hiện rò rỉ, v.v. Nó đã sử dụng Amazon SageMaker để phát triển giải pháp ML cải tiến nhằm phát hiện rò rỉ nước nhanh hơn.

Dave Johnston, Giám đốc Cơ sở hạ tầng thông minh tại Mueller Water Products cho biết: “Chúng tôi đang thực hiện sứ mệnh tiết kiệm 7.7 tỷ gallon nước thất thoát vào năm 2027. “Nhờ các mô hình ML được xây dựng trên Amazon SageMaker, chúng tôi đã cải thiện độ chính xác của EchoShore-DX, hệ thống phát hiện điểm bất thường dựa trên âm thanh của chúng tôi. Kết quả là chúng tôi có thể thông báo cho khách hàng tiện ích nhanh hơn khi xảy ra rò rỉ. Giải pháp này đã tiết kiệm được khoảng 675 triệu gallon nước vào năm 2021. Chúng tôi rất vui mừng được tiếp tục sử dụng các dịch vụ AWS ML để nâng cao hơn nữa danh mục công nghệ của mình cũng như tiếp tục thúc đẩy hiệu quả và tính bền vững với các khách hàng tiện ích của mình.”

Canva

Canva, nhà sản xuất công cụ thiết kế và xuất bản trực tuyến phổ biến, dựa vào sức mạnh của Amazon SageMaker để triển khai nhanh chóng.

Greg Roodt, Giám đốc Nền tảng Dữ liệu tại Canva cho biết: “Để Canva phát triển trên quy mô lớn, chúng tôi cần một công cụ giúp chúng tôi khởi chạy các tính năng mới mà không có bất kỳ sự chậm trễ hoặc sự cố nào”. “Khả năng thích ứng của Amazon SageMaker cho phép chúng tôi quản lý nhiều tác vụ hơn với ít tài nguyên hơn, nhờ đó khối lượng công việc nhanh hơn, hiệu quả hơn. Điều này giúp nhóm kỹ thuật của chúng tôi tin tưởng rằng các tính năng họ triển khai sẽ mở rộng theo trường hợp sử dụng của họ. Với Amazon SageMaker, chúng tôi đã triển khai mô hình chuyển văn bản thành hình ảnh trong 2 tuần bằng cách sử dụng cơ sở hạ tầng được quản lý mạnh mẽ và chúng tôi mong muốn mở rộng tính năng này tới hàng triệu người dùng trong tương lai gần.”

Gây ra

Inspire, một dịch vụ thông tin chăm sóc sức khỏe lấy người tiêu dùng làm trung tâm, dựa vào Amazon SageMaker để cung cấp những hiểu biết hữu ích nhằm mang lại kết quả, phương pháp điều trị và chăm sóc tốt hơn.

Brian Loew, Giám đốc điều hành và người sáng lập Inspire cho biết: “Công cụ đề xuất nội dung của chúng tôi là động lực chính cho đề xuất giá trị của chúng tôi”. “Chúng tôi sử dụng nó để hướng người dùng của mình (những người sống với các điều kiện cụ thể) đến các bài đăng hoặc bài viết cụ thể và có liên quan. Với Amazon SageMaker, chúng ta có thể dễ dàng xây dựng, đào tạo và triển khai các mô hình deep learning. Giải pháp ML phức tạp của chúng tôi—dựa trên Amazon SageMaker—giúp chúng tôi cải thiện khả năng của công cụ đề xuất nội dung để đề xuất nội dung phù hợp cho 2 triệu người dùng đã đăng ký, lấy từ thư viện 1.5 tỷ từ của chúng tôi với 3,600 điều kiện. Amazon SageMaker đã cho phép chúng tôi kết nối chính xác bệnh nhân và người chăm sóc với nội dung và tài nguyên được cá nhân hóa hơn—bao gồm thông tin về bệnh hiếm gặp và lộ trình điều trị.”

ResMed

ResMed là nhà cung cấp giải pháp kết nối đám mây hàng đầu cho những người mắc chứng ngưng thở khi ngủ, COPD, hen suyễn và các bệnh mãn tính khác. Vào năm 2014, ResMed đã ra mắt MyAir, một nền tảng và ứng dụng quản lý trị liệu được cá nhân hóa để bệnh nhân theo dõi liệu pháp giấc ngủ.

Badri Raghavan, Phó Chủ tịch Khoa học Dữ liệu tại ResMed cho biết: “Trước Amazon SageMaker, tất cả người dùng MyAir đều nhận được cùng một tin nhắn từ ứng dụng, bất kể tình trạng của họ như thế nào”. “Amazon SageMaker đã cho phép chúng tôi tương tác với bệnh nhân thông qua MyAir dựa trên thiết bị ResMed cụ thể mà họ sử dụng, số giờ thức của họ và dữ liệu theo ngữ cảnh khác. Chúng tôi tận dụng một số tính năng của Amazon SageMaker để đào tạo quy trình mô hình và chọn loại triển khai, bao gồm suy luận hàng loạt và gần thời gian thực, để cung cấp nội dung phù hợp. Amazon SageMaker đã cho phép chúng tôi đạt được mục tiêu nhúng các khả năng ML trên toàn thế giới bằng cách triển khai các mô hình trong vài ngày hoặc vài tuần, thay vì hàng tháng.”

xác thực

Verisk cung cấp những hiểu biết phân tích dựa trên dữ liệu của chuyên gia để giúp doanh nghiệp, con người và xã hội trở nên mạnh mẽ hơn, kiên cường hơn và bền vững hơn. Nó sử dụng Amazon SageMaker để hợp lý hóa quy trình công việc ML.

Jeffrey C. Taylor, Chủ tịch của Verisk 26D Visual cho biết: “Verisk và Vexcel đang hợp tác chặt chẽ với nhau để lưu trữ và xử lý lượng dữ liệu khổng lồ trên AWS, bao gồm cả dữ liệu hình ảnh trên không có độ phân giải cực cao của Vexcel được ghi lại ở 3 quốc gia trên toàn cầu”. Sự thông minh. “Amazon SageMaker giúp chúng tôi hợp lý hóa công việc mà nhóm ML và MLOps thực hiện, cho phép chúng tôi tập trung vào việc phục vụ nhu cầu của khách hàng, bao gồm các bên liên quan đến bất động sản trong bảo hiểm, bất động sản, xây dựng và hơn thế nữa.”

BV Smartocto

Với sự trợ giúp của Amazon SageMaker, Smartocto BV cung cấp phân tích nội dung do ML thúc đẩy cho 350 phòng tin tức và công ty truyền thông trên toàn thế giới.

Ilija Susa, Giám đốc Dữ liệu tại Smartocto cho biết: “Khi doanh nghiệp mở rộng quy mô, chúng tôi cần đơn giản hóa việc triển khai các mô hình ML, giảm thời gian tiếp thị và mở rộng việc cung cấp sản phẩm của mình”. “Tuy nhiên, sự kết hợp giữa các giải pháp nguồn mở và đám mây để tự lưu trữ khối lượng công việc ML của chúng tôi ngày càng tốn thời gian quản lý. Chúng tôi đã di chuyển các mô hình ML của mình sang điểm cuối Amazon SageMaker và trong vòng chưa đầy 3 tháng, đã ra mắt Smartify, một giải pháp gốc AWS mới. Smartify sử dụng Amazon SageMaker để cung cấp phân tích biên tập mang tính dự đoán trong thời gian gần như thực, giúp khách hàng cải thiện nội dung và mở rộng đối tượng của họ.”

Visualfabriq

Visualfabriq cung cấp giải pháp quản lý doanh thu với khả năng ứng dụng trí tuệ nhân tạo cho một số công ty hàng tiêu dùng đóng gói hàng đầu thế giới. Nó sử dụng Amazon SageMaker để cải thiện hiệu suất và độ chính xác của các mô hình ML trên quy mô lớn.

Jelle Verstraaten, Trưởng nhóm Dự báo Nhu cầu, Trí tuệ Nhân tạo và Quản lý Tăng trưởng Doanh thu tại Visualfabriq cho biết: “Chúng tôi muốn điều chỉnh nền tảng công nghệ của mình để cải thiện hiệu suất và khả năng mở rộng, đồng thời giúp các mô hình dễ dàng thêm, cập nhật và đào tạo lại hơn”. “Tác động lớn nhất của việc di chuyển sang Amazon SageMaker là cải thiện hiệu suất đáng kể cho giải pháp của chúng tôi. Bằng cách chạy suy luận trên các máy chủ chuyên dụng, thay vì máy chủ web, giải pháp của chúng tôi hiệu quả hơn và chi phí nhất quán và minh bạch. Chúng tôi đã cải thiện thời gian phản hồi của dịch vụ dự báo nhu cầu—dự đoán tác động của hành động quảng cáo đối với doanh số bán hàng của nhà bán lẻ—lên 200% và triển khai giải pháp có thể mở rộng, yêu cầu ít can thiệp thủ công hơn và đẩy nhanh quá trình làm quen với khách hàng mới.”

Sophos

Sophos, công ty hàng đầu thế giới về các giải pháp và dịch vụ an ninh mạng thế hệ tiếp theo, sử dụng Amazon SageMaker để đào tạo các mô hình ML của mình hiệu quả hơn.

Konstantin Berlin, Trưởng bộ phận Trí tuệ nhân tạo tại Sophos cho biết: “Công nghệ mạnh mẽ của chúng tôi phát hiện và loại bỏ các tệp bị nhiễm phần mềm độc hại một cách khéo léo”. “Tuy nhiên, việc sử dụng các mô hình XGBoost để xử lý các tập dữ liệu có kích thước nhiều terabyte cực kỳ tốn thời gian—và đôi khi đơn giản là không thể thực hiện được với không gian bộ nhớ hạn chế. Với đào tạo phân tán Amazon SageMaker, chúng tôi có thể đào tạo thành công mô hình XGBoost nhẹ, nhỏ hơn nhiều trên ổ đĩa (nhỏ hơn tới 25 lần) và trong bộ nhớ (nhỏ hơn tới năm lần) so với mô hình trước đó. Bằng cách sử dụng chương trình đào tạo phân tán và điều chỉnh mô hình tự động của Amazon SageMaker trên Phiên bản dùng ngay, chúng tôi có thể sửa đổi và đào tạo lại mô hình một cách nhanh chóng và hiệu quả hơn mà không cần điều chỉnh cơ sở hạ tầng đào tạo cơ bản cần thiết để mở rộng quy mô cho các tập dữ liệu lớn như vậy.”

Đại học Northwestern

Sinh viên Đại học Northwestern chương trình Thạc sĩ Khoa học Trí tuệ nhân tạo (MSAI) được tham quan Phòng thí nghiệm Amazon SageMaker Studio trước khi sử dụng nó trong cuộc thi hackathon.

Mohammed Alam, Phó Giám đốc chương trình MSAI cho biết: “Tính dễ sử dụng của Amazon SageMaker Studio Lab cho phép sinh viên nhanh chóng áp dụng kiến ​​thức đã học để xây dựng các giải pháp sáng tạo”. “Chúng tôi kỳ vọng học sinh sẽ gặp phải một số chướng ngại vật một cách tự nhiên trong cuộc thi ngắn ngủi kéo dài 5 giờ. Thay vào đó, họ vượt quá sự mong đợi của chúng tôi khi không chỉ hoàn thành tất cả các dự án mà còn đưa ra những bài thuyết trình ấn tượng, trong đó họ áp dụng các khái niệm ML phức tạp vào các vấn đề quan trọng trong thế giới thực.”

Học viện Rensselaer Polytechnic

Viện Bách khoa Rensselaer (RPI), một trường đại học nghiên cứu công nghệ ở New York, sử dụng Amazon SageMaker Studio để giúp sinh viên nhanh chóng tìm hiểu các khái niệm ML.

Mohammed J. Zaki, Giáo sư Khoa học Máy tính cho biết: “RPI sở hữu một trong những siêu máy tính mạnh nhất thế giới, nhưng AI có một chặng đường học tập khó khăn”. “Chúng tôi cần một cách để sinh viên bắt đầu một cách tiết kiệm chi phí. Giao diện trực quan của Amazon SageMaker Studio Lab cho phép sinh viên của chúng tôi bắt đầu nhanh chóng và cung cấp GPU mạnh mẽ, giúp họ làm việc với các mô hình deep learning phức tạp cho các dự án quan trọng của mình.”

Viện giáo dục nghề nghiệp Hồng Kông

Bộ phận CNTT của Viện Giáo dục Nghề nghiệp Hồng Kông (Lee Wai Lee) sử dụng Amazon SageMaker Studio Lab để mang đến cho sinh viên cơ hội làm việc trên các dự án ML trong thế giới thực.

Cyrus Wong, Giảng viên cao cấp cho biết: “Chúng tôi sử dụng Amazon SageMaker Studio Lab trong các khóa học cơ bản liên quan đến Python và ML nhằm cung cấp cho sinh viên nền tảng vững chắc về nhiều công nghệ đám mây”. “Amazon SageMaker Studio Lab cho phép sinh viên của chúng tôi có được trải nghiệm thực tế với các dự án khoa học dữ liệu trong thế giới thực mà không bị sa lầy vào quá trình thiết lập hoặc cấu hình. Không giống như các nhà cung cấp khác, đây là máy Linux dành cho sinh viên, cho phép họ thực hiện nhiều bài tập viết mã hơn.”

MapmyẤn Độ

MapmyIndia, nhà cung cấp bản đồ kỹ thuật số, phần mềm không gian địa lý và công nghệ Internet of Things (IoT) dựa trên vị trí hàng đầu Ấn Độ, sử dụng Amazon SageMaker để xây dựng, đào tạo và triển khai các mô hình ML của mình.

“MapmyIndia và nền tảng toàn cầu của chúng tôi, Mappls, cung cấp các phân tích dựa trên vệ tinh và hình ảnh đường phố dựa trên thị giác máy tính và AI mạnh mẽ, có độ chính xác cao và trên toàn thế giới cho nhiều trường hợp sử dụng, chẳng hạn như đo lường sự phát triển kinh tế, tăng trưởng dân số, nông nghiệp. Rohan Verma, Giám đốc điều hành và Giám đốc điều hành tại MapmyIndia cho biết, sản lượng, hoạt động xây dựng, phát hiện biển báo đường phố, phân đoạn đất và phát hiện thay đổi đường. “Khả năng tạo, đào tạo và triển khai các mô hình với tốc độ và độ chính xác khiến chúng tôi trở nên khác biệt. Chúng tôi rất vui khi được hợp tác với AWS cho các dịch vụ AI/ML của mình và rất vui mừng về khả năng mở rộng quy mô nhanh chóng của Amazon SageMaker.”

thứ bảy chắc chắn

SatSure, công ty hàng đầu có trụ sở tại Ấn Độ về các giải pháp thông tin quyết định sử dụng dữ liệu quan sát Trái đất để tạo ra thông tin chuyên sâu, dựa vào Amazon SageMaker để chuẩn bị và huấn luyện hàng petabyte dữ liệu ML.

Prateep Basu, Giám đốc điều hành tại SatSure cho biết: “Chúng tôi sử dụng Amazon SageMaker để xử lý hàng petabyte bộ dữ liệu EO, GIS, tài chính, văn bản và kinh doanh, sử dụng khả năng AI/ML của nó để đổi mới và mở rộng quy mô mô hình của chúng tôi một cách nhanh chóng”. “Chúng tôi đã sử dụng AWS từ năm 2017 và đã giúp các tổ chức tài chính cho hơn 2 triệu nông dân trên khắp Ấn Độ, Nigeria và Philippines vay tiền, đồng thời giám sát 1 triệu kmXNUMX hàng tuần.”

Kết luận

Để bắt đầu với Amazon SageMaker, hãy truy cập aws.amazon.com/sagemaker.

---

Lưu ý

Ankur Mehrotra gia nhập Amazon vào năm 2008 và hiện là Tổng Giám đốc của Amazon SageMaker. Trước Amazon SageMaker, anh đã từng làm việc trong việc xây dựng hệ thống quảng cáo và công nghệ định giá tự động của Amazon.com.