Pelanggan Amazon SageMaker AI

“Amazon SageMaker HyperPod telah sangat membantu kami dalam mengelola dan mengoperasikan sumber daya komputasi kami secara lebih efisien dengan waktu henti minimum. Kami merupakan pengguna awal layanan HyperPod berbasis Slurm dan telah merasakan manfaat dari kemudahan penggunaan serta fitur ketahanannya, yang menghasilkan peningkatan produktivitas hingga 35% dan menaikkan skala operasi GenAI kami dengan pesat. Sebagai perusahaan yang menggunakan Kubernetes, kami sangat antusias menyambut peluncuran dukungan Amazon EKS untuk SageMaker HyperPod. Ini adalah terobosan bagi kami karena terintegrasi dengan lancar ke dalam jalur pelatihan kami yang sudah ada, dan memudahkan kami dalam mengelola serta mengoperasikan klaster Kubernetes berskala besar. Selain itu, ini juga membantu pelanggan akhir kami karena kami kini mampu mengemas dan memproduksi kemampuan ini ke dalam platform GenAI kami, sehingga memungkinkan pelanggan kami menjalankan pelatihan mereka sendiri dan menyempurnakan beban kerja dengan cara yang lebih efisien.”

Arun Subramaniyan, Founder and CEO Articul8 AI

“Sebagai perusahaan rintisan dan penelitian AI yang bergerak cepat, dukungan Amazon EKS di SageMaker HyperPod telah berperan penting dalam mempercepat waktu pemasaran kami. Dengan SageMaker Hyperpod, kami dapat meluncurkan platform yang stabil dan aman untuk menawarkan aplikasi komputasi beperforma tinggi (HPC) dalam kontainer sebagai layanan kepada pelanggan akhir kami yang meliputi program penelitian AI Universitas terkemuka, perusahaan rintisan AI, dan perusahaan tradisional. Melalui penggunaan SageMaker HyperPod, pelanggan dan tim internal kami tidak perlu lagi khawatir tentang pengoperasian dan konfigurasi bidang kontrol Kubernetes, dan SageMaker HyperPod menyediakan performa jaringan dan konfigurasi yang dioptimalkan untuk mendukung beban kerja HPC yang kompleks. Dengan Dukungan EKS di SageMaker HyperPod, kami dapat mengurangi waktu yang kami habiskan untuk pengangkatan berat yang tidak terdiferensiasi dalam manajemen infrastruktur dan mengurangi biaya operasional hingga lebih dari 30%.”

Vamsi Pandari, Founder Observea

“Seluruh prosesnya menjadi lebih efisien. Dengan menggunakan SageMaker HyperPod, kami dapat memanfaatkan fitur ketahanan klaster yang mengidentifikasi dan secara otomatis memulihkan tugas pelatihan dari titik pemeriksaan terakhir yang disimpan jika terjadi kegagalan perangkat keras. Kami menjalankan beban kerja yang sangat beragam - dari aplikasi, inferensi, dan pelatihan - dengan Kubernetes sebagai benang merahnya. Bagi kami, Amazon EKS dengan SageMaker HyperPod berfungsi dengan baik: simpul tersebut tinggal dimasukkan ke dalam klaster kami."

Nathan Wilce infrastructure/data lead, Recursal

“Rocket Mortgage bangga menjadi pelopor dalam mengintegrasikan AI dan ilmu data ke dalam perjalanan kepemilikan rumah, dengan AWS sebagai partner kunci. Dengan menggunakan Amazon SageMaker AI, kami mentransformasi operasi machine learning, sehingga meningkatkan efisiensi dan presisi. Editor visual SageMaker Pipelines memungkinkan penilaian performa yang cepat dari LLM sumber terbuka baru dengan menjalankannya melalui pipeline validasi otomatis kami. Hal ini mengurangi waktu yang dibutuhkan untuk mengevaluasi rilis baru, yang sangat penting dalam lingkungan yang dinamis. Kemudahan penggunaannya memungkinkan tim ilmu data kami fokus pada inovasi daripada mengulang penulisan kode.”

Shawn Malhotra, Chief Technology Officer dari Rocket Companies

SatSure, pemimpin global dalam solusi kecerdasan keputusan geospasial, menggunakan data observasi Bumi dan model deep learning untuk menghasilkan wawasan bagi berbagai kasus penggunaan—dari pemantauan tanaman dalam segala cuaca dan penilaian risiko pertanian hingga deteksi perubahan tutupan lahan, pengelolaan vegetasi, risiko kebakaran, dan identifikasi fitur lahan.
 

“Kami memanfaatkan Amazon SageMaker Pipelines untuk membuat model yang digunakan dalam aplikasi yang mengidentifikasi batas-batas lahan pertanian dalam citra satelit beresolusi rendah. Mengembangkan model deep learning mutakhir dari set data citra satelit yang besar sangat menantang. Kami bisa lebih fokus pada inovasi AI dan mengurangi waktu yang dihabiskan untuk proses manual karena Pipelines memungkinkan kami mengotomatisasi pemrosesan data yang sering dilakukan, pelatihan model, dan deployment model. Antarmuka seret dan lepas memudahkan ilmuwan data baru di tim kami untuk cepat beradaptasi dan membangun alur kerja ML tanpa memerlukan pengetahuan mendalam tentang kerangka orkestrasi alur kerja tertentu.”

Prateep Basu, Founder & CEO, SatSure Ltd.

"Untuk memenuhi permintaan pelanggan kami akan wawasan data berkualitas tinggi, kami terus meneliti dan menghadirkan kemampuan baru yang didukung oleh ML. UI seret dan lepas baru dari Amazon SageMaker Pipelines akan memberi ilmuwan data kami cara untuk tetap fokus pada masalah penglihatan komputer (CV) yang lebih kompleks tanpa perlu khawatir tentang MLOps. Kami mendesain Pipelines yang memungkinkan ilmuwan data untuk langsung mendaftarkan model mereka di SageMaker AI tanpa perlu berkoordinasi dengan rekayasawan ML untuk mengoptimalkan lingkungan penyajian model. Pipeline multilangkah ini akan secara otomatis men- deploy model yang terdaftar ke titik akhir Amazon SageMaker Inference di lingkungan QA untuk pengujian beban dan, jika disetujui oleh rekayasawan ML, masuk ke lingkungan produksi. Kecepatan pengembangan menyeluruh ML kami meningkat pesat karena Amazon SageMaker Pipelines memudahkan integrasi dengan layanan AWS lainnya (CI/CD, layanan pesan) untuk membangun alur kerja ML yang sangat disesuaikan.”

Garrett Hemann, Head of AI/ML, EagleView

Di GoDaddy, kami bertujuan membantu pengusaha meraih kesuksesan dengan memberi mereka alat untuk membangun bisnis mereka. "Kami melayani pelanggan dengan beragam kebutuhan. Mereka sering berkomunikasi dengan bisnis yang mereka dukung sepanjang waktu dan melalui berbagai saluran, termasuk email, obrolan, dan media sosial,” ujar Jing Xi, VP Applied ML and AI, GoDaddy. “Saat ini, AI generatif menyamakan kedudukan usaha kecil dengan memberi mereka kecanggihan dan pengetahuan yang luar biasa, yang biasanya hanya dimiliki oleh perusahaan besar, tepat di ujung jari mereka. Namun, salah satu tantangan terbesar yang dihadapi tim pengembangan AI generatif kami adalah mencoba mencari tahu FM yang tepat untuk aplikasi bisnis mereka. Penting bagi kami untuk dapat dengan mudah membandingkan berbagai model berdasarkan kriteria spesifik yang paling penting bagi pelanggan dan mencapai keseimbangan yang tepat antara biaya model, latensi, serta akurasi dan performa model. Kemampuan evaluasi model baru Amazon SageMaker AI membantu kami mempercepat waktu yang diperlukan untuk beralih dari ide ke implementasi dengan menghilangkan kerumitan dalam proses pemilihan model, serta menjalankan eksperimen, pengembangan, deployment, dan manajemen versi baru model ini dengan mudah. Kami sangat antusias untuk memperluas akses terhadap kemampuan baru ini ke lebih banyak tim sehingga developer kami dapat meningkatkan produktivitas mereka, dan makin membuka kekuatan AI generatif bagi pelanggan untuk mengembangkan bisnis mereka”.

"GoDaddy terdepan dalam memanfaatkan machine learning untuk memberikan fitur yang berfokus pada pelanggan serta meningkatkan efisiensi biaya dalam operasi internal kami. Ilmuwan ML kami mengerjakan banyak proyek untuk mencapai tujuan ini. Mengulangi alur kerja ML kurasi data, pencatatan percobaan, manajemen artefak model menggunakan registri model, dan deployment sangat penting dalam memberikan nilai. Kebutuhan akan alat yang dibuat sesuai pesanan, seperti MLflow, adalah permintaan yang kuat dan jelas dari para ilmuwan ML kami. Amazon SageMaker AI menawarkan platform terkelola dan diatur bagi Ilmuwan ML untuk alur kerja ML ujung ke ujung. Dengan mengaktifkan penggunaan alat standar industri seperti MLflow dalam SageMaker AI, siklus hidup pengembangan model kami meningkat. Kami mendapatkan keamanan tingkat korporasi dan kematangan produk seperti Registri Model Amazon SageMaker sekaligus memanfaatkan pelacakan eksperimen ML standar industri melalui MLflow. Adopsi MLflow dari SageMaker AI dalam tim kami berhasil mengurangi beban operasional untuk memelihara instans yang di- hosting MLflow kami sendiri sekaligus menjaga kecepatan pengiriman dan memungkinkan peningkatan kolaborasi. Kami senang berkolaborasi dengan tim SageMaker AI sejak fase awal untuk memantapkan penawaran produk ini sekaligus menawarkan nilai bagi para ilmuwan ML kami.”

Karthik Iyer, Director, Engineering Machine Learning

"Di KBC Bank, kami percaya bahwa memberdayakan ilmuwan data kami dengan alat yang tepat sangat penting untuk mendorong inovasi. Salah satu cara efektif untuk berinovasi adalah melalui eksperimen berkelanjutan, yang memungkinkan kami untuk mengeksplorasi ide-ide baru dan meningkatkan model. MLflow menyediakan platform yang andal untuk mengelola dan mendokumentasikan eksperimen. Menggunakannya sebagai layanan terkelola akan meningkatkan pengalaman pengguna bagi para ilmuwan data kami sekaligus menyederhanakan pengaturan dan pemeliharaan platform machine learning kami."

Thiago Alves, MLOps Engineer

"Untuk mengelola makin banyak eksperimen ML secara efektif dan memastikan keberhasilan deployment model, sangat penting untuk memiliki sistem yang andal untuk melacak eksperimen dan mendaftarkan model. MLflow memberikan solusi yang efisien untuk tujuan ini, karena memungkinkan pelacakan mulus dari semua eksperimen ML secara mendetail, yang membutuhkan modifikasi minimal pada basis kode kami. Alat ini memfasilitasi pemilihan model optimal untuk Wallapop dan memastikan proses pengembangan ML yang mulus dan efisien. Dengan demikian, platform yang secara langsung terintegrasi dan dikelola dalam AWS ini memungkinkan tim kami untuk fokus pada nilai sebenarnya dari solusi ML, bukan melakukan semua pekerjaan berat yang diperlukan oleh layanan tersebut.”

Martí Jordà Roca, Machine Learning Engineer

“Amazon SageMaker AI memungkinkan kami untuk membuat model machine learning terdistribusi dalam skala besar dengan mudah. Alih-alih mengandalkan proses manual, kami dapat mengotomatisasi sebagian besar pengembangan dengan mulus di Amazon SageMaker AI. Kami membutuhkan cara yang andal untuk melacak performa pekerjaan pelatihan otomatis sehingga kami dapat membandingkan pekerjaan, menemukan model terbaik, dan men- deploy ke produksi. Integrasi dengan MLflow memungkinkan kami melakukannya tanpa beban berat dalam menyiapkan dan mengelola MLflow sendiri. Hal ini makin meningkatkan alur kerja kami, menyediakan fungsionalitas yang andal untuk membandingkan model dan pendaftaran model, yang secara signifikan meningkatkan efisiensi pengembangan dan deployment kami.”

Eyal Trabelsi, Data Architect

“Amazon SageMaker AI dengan MLflow telah memberikan nilai besar sebagai integrasi yang sederhana, tetapi sangat efektif dengan SageMaker AI untuk melacak dan mengelola eksperimen serta kualitas model. Integrasi native MLflow dengan Amazon SageMaker AI memudahkan pelacakan model dan tugas promosi kami. Sebagai layanan terkelola, kami tidak perlu memikirkan infrastruktur yang mendasarinya, sehingga memungkinkan kami untuk fokus pada peningkatan model dan mempercepat siklus pengembangan.”

Sumeet Kishnani, Managing Data Scientist

“Thomson Reuters telah berada di garis depan pengembangan AI selama lebih dari 30 tahun, dan kami berkomitmen untuk memberikan solusi yang bermanfaat untuk membantu pelanggan kami memberikan hasil yang lebih cepat, dengan akses yang lebih baik ke informasi tepercaya. Untuk mempercepat inovasi kami dalam AI generatif, selain berpartner dengan penyedia LLM, kami juga menjelajahi model khusus pelatihan secara lebih efisien dengan konten unik dan eksklusif serta keahlian manusia kami. Pustaka pelatihan terdistribusi SageMaker HyperPod membantu kami meningkatkan performa pelatihan model skala besar. Selain itu, fitur ketahanannya menghemat waktu saat kami memantau dan mengelola infrastruktur. Melatih model fondasi kami di SageMaker HyperPod akan meningkatkan kecepatan kami ke pasar dan membantu memberikan solusi yang berkualitas bagi pelanggan dengan cepat.”

Joel Hron, Head of AI and Labs - Thomson Reuters

“Kami dapat memenuhi persyaratan pelatihan model bahasa besar kami menggunakan Amazon SageMaker HyperPod. Dengan menggunakan Amazon EKS di SageMaker HyperPod, kami dapat menaikkan skala kapasitas dan menjalankan tugas pelatihan dengan mudah, sehingga kami dapat membuka potensi LLM di berbagai bidang seperti ringkasan dan klasifikasi hukum.”

John Duprey, Distinguished Engineer, Thomson Reuters Labs

"Salah satu tantangan terbesar bagi Aura adalah mengekstraksi wawasan yang berarti dari sekumpulan besar data profesional yang tidak terstruktur. Dengan menggunakan model bahasa besar melalui Amazon SageMaker Canvas, kami telah mengotomatiskan proses ekstraksi data, yang mengubah cara perusahaan menilai kompetensi tenaga kerja dan struktur organisasi. Pendekatan ini tidak hanya membantu kami menskalakan analisis data, tetapi juga melampaui keterbatasan metode analisis data tradisional, seperti pencocokan kata kunci. Menggunakan persiapan data baru SageMaker Canvas dan kemampuan LLM, Aura mampu menilai dan membandingkan perusahaan secara kuantitatif pada efektivitas struktur, keterampilan tenaga kerja, dan performa terkait hasil keuangan organisasi mereka."

Purna Doddapaneni, CTO of Founder’s Studio dan partner di Bain & Co.

“Sebagai perusahaan AI generatif sumber terbuka terkemuka, tujuan kami adalah memaksimalkan aksesibilitas AI modern. Kami sedang membangun model fondasi dengan puluhan miliar parameter, yang membutuhkan infrastruktur yang dapat menskalakan performa pelatihan yang dioptimalkan. Dengan infrastruktur terkelola dan pustaka optimisasi SageMaker HyperPod, kami dapat mengurangi waktu dan biaya pelatihan hingga lebih dari 50%. Hal ini membuat pelatihan model kami lebih tangguh dan beperforma untuk membangun model canggih dengan lebih cepat.”

Emad Mostaque, Founder dan CEO - Stability AI

“Dengan Amazon SageMaker JumpStart, kami dapat bereksperimen dengan beberapa model fondasi, memilih model yang paling sesuai dengan kebutuhan kami dalam bidang layanan kesehatan, serta meluncurkan aplikasi ML dengan cepat menggunakan deployment model SageMaker yang sesuai dengan HIPAA. Hal ini memungkinkan kami untuk meningkatkan kecepatan dan skala proses entri data untuk resep dan layanan pelanggan.”

Alexandre Alves, Sr. Principal Engineer, Amazon Pharmacy

“Dengan Amazon SageMaker JumpStart, kami dapat bereksperimen dengan beberapa model fondasi, memilih model yang paling sesuai dengan kebutuhan kami dalam bidang layanan kesehatan, serta meluncurkan aplikasi ML dengan cepat menggunakan deployment model SageMaker yang sesuai dengan HIPAA. Hal ini memungkinkan kami untuk meningkatkan kecepatan dan skala proses entri data untuk resep dan layanan pelanggan.”

Alexandre Alves, Sr. Principal Engineer, Amazon Pharmacy

“Dengan Amazon SageMaker AI, kami dapat mempercepat inisiatif Kecerdasan Buatan dalam skala besar dengan membangun dan men- deploy algoritma kami pada platform. Kami akan membuat machine learning serta algoritma AI baru berskala besar dan menerapkannya pada platform ini untuk memecahkan berbagai masalah kompleks yang dapat memberi pelanggan kami kemampuan yang luar biasa.”

Ashok Srivastava, Chief Data Officer - Intuit

Dengan memanfaatkan data dan analitik di seluruh perangkat keras, perangkat lunak, dan bioteknologi, GE Healthcare mentransformasi layanan kesehatan dengan memberikan hasil yang lebih baik bagi penyedia serta pasien. 

“Amazon SageMaker AI memungkinkan GE Healthcare untuk mengakses alat dan layanan kecerdasan buatan yang kuat untuk meningkatkan perawatan pasien. Skalabilitas Amazon SageMaker AI dan kemampuannya untuk berintegrasi dengan Layanan AWS native, menambahkan nilai yang sangat besar untuk kami. Kami sangat antusias melihat bagaimana kolaborasi berkelanjutan kami, antara GE Health Cloud dan Amazon SageMaker AI, akan mendorong hasil yang lebih baik bagi partner penyedia layanan kesehatan kami dan memberikan perawatan pasien yang lebih baik.”

Sharath Pasupunuti, AI Engineering Leader - GE Healthcare

ADP adalah perusahaan teknologi global terkemuka yang menyediakan berbagai solusi manajemen modal manusia (HCM). ADP DataCloud memanfaatkan data tenaga kerja yang tidak tertandingi dari ADP dari lebih dari 30 juta karyawan untuk menghadirkan wawasan yang dapat ditindaklanjuti, yang dapat membantu eksekutif mengambil keputusan real-time untuk mengelola bisnis mereka dengan lebih baik.

“Mempertahankan dan menarik talenta tidaklah mudah, itulah mengapa kami terus menyempurnakan ADP DataCloud dengan kemampuan kecerdasan buatan untuk membantu para pemberi kerja menjaga tim yang tangguh. Kami menggunakan AWS Machine Learning, termasuk Amazon SageMaker AI, untuk dengan cepat mengidentifikasi pola tenaga kerja dan memprediksi hasil sebelum terjadi. Misalnya, keluar-masuknya karyawan atau dampak kenaikan kompensasi. Dengan memanfaatkan AWS sebagai platform utama kami dalam hal kecerdasan buatan dan machine learning, kami mengurangi waktu untuk men- deploy model machine learning dari 2 minggu menjadi hanya 1 hari.”

Jack Berkowitz, SVP Product Development – ADP, Inc.

BASF Digital Farming memiliki misi untuk memberdayakan petani agar membuat keputusan yang lebih cerdas dan berkontribusi untuk memecahkan tantangan dalam menyediakan makanan bagi populasi dunia yang terus bertambah, sekaligus mengurangi jejak lingkungan.

“Amazon SageMaker AI dan Teknologi AWS terkait mendukung eksperimen cepat dan menyediakan fungsionalitas serta API yang mudah digunakan, sehingga dapat mengurangi hambatan masuk adopsi ML. Dengan cara ini, kami dapat membuka potensi nilai sepenuhnya dari kasus penggunaan ML dengan cepat.”

Dr. Christian Kerkhoff, Manajer Otomatisasi Data (Manager Data Automation) - BASF Digital Farming GmbH

Cerner Corporation adalah perusahaan kesehatan dan teknologi global yang menyuplai berbagai solusi, layanan, perangkat, dan perangkat keras teknologi informasi kesehatan (HIT).

“Dengan bangga, Cerner mendorong inovasi kecerdasan buatan dan machine learning di berbagai bidang, termasuk kesehatan, keuangan, dan pengalaman operasional. Melalui berbagai kemampuan baru yang dibuat oleh Machine Learning Ecosystem dari Cerner maupun Cerner Natural Language Processing, dan diwujudkan oleh kolaborasi dengan AWS, kami mempercepat inovasi yang dapat diskalakan bagi semua klien. Amazon SageMaker AI adalah komponen penting yang memungkinkan Cerner mewujudkan komitmen kami untuk memberikan nilai bagi klien melalui AI/ML. Selain itu, Amazon SageMaker AI memberi Cerner kemampuan untuk memanfaatkan berbagai kerangka kerja, seperti TensorFlow dan PyTorch, serta kemampuan untuk berintegrasi dengan berbagai layanan AWS.”

Sasanka Are, PhD, Vice President - Cerner

Dow Jones & Co. adalah penyedia informasi berita dan bisnis global, yang menghadirkan konten kepada konsumen dan organisasi melalui surat kabar, situs web, aplikasi seluler, video, buletin, majalah, basis data kepemilikan, konferensi, dan radio.

“Seiring Dow Jones terus berfokus pada integrasi machine learning ke dalam produk dan layanan kami, AWS telah menjadi partner yang luar biasa. Menjelang Machine Learning Hackathon terbaru kami, tim AWS memberikan pelatihan kepada peserta tentang Amazon SageMaker AI dan Amazon Rekognition, serta menawarkan dukungan pada hari acara tersebut kepada semua tim. Sebagai hasilnya, tim kami mengembangkan beberapa ide hebat untuk menerapkan machine learning, yang banyak di antaranya akan terus kami kembangkan di AWS. Acara ini sukses besar, dan menjadi contoh dari kemitraan yang luar biasa.”

Ramin Beheshti, Group Chief Product dan Technology Officer - Dow Jones

Advanced Microgrid Solutions (AMS) merupakan sebuah perusahaan platform dan layanan energi yang memiliki misi untuk mempercepat transformasi skala dunia menuju ekonomi energi bersih dengan memfasilitasi penerapan dan optimalisasi aset energi bersih. NEM menggunakan pasar spot, tempat semua pihak yang terlibat menawar untuk menggunakan/menyuplai energi setiap 5 menit. Hal ini memerlukan prediksi perkiraan permintaan dan memunculkan penawaran dinamis dalam hitungan menit, sekaligus memproses data pasar dalam jumlah yang besar. Untuk mengatasi tantangan ini, AMS membangun model deep learning dengan menggunakan TensorFlow di Amazon SageMaker AI. Mereka memanfaatkan penyempurnaan model otomatis Amazon SageMaker AI untuk menemukan parameter model terbaik dan membangun model mereka hanya dalam hitungan minggu. Model mereka menunjukkan peningkatan dalam prakiraan pasar di seluruh produk energi dalam pengukuran energi neto, sehingga akan menghasilkan efisiensi yang signifikan.

ProQuest mengkurasi koleksi jurnal, ebook, sumber utama, disertasi, berita, dan video terbesar di dunia – dan membangun solusi alur kerja yang andal untuk membantu banyak pustaka mendapatkan dan mengembangkan koleksi mereka. Produk dan layanan ProQuest digunakan di pustaka akademik, K-12, publik, korporasi, dan pemerintahan di 150 negara.

“Kami berkolaborasi dengan AWS untuk membangun pengalaman pengguna video yang lebih menarik untuk para patron pustaka, sehingga memungkinkan pencarian mereka menghasilkan hasil yang lebih relevan. Dengan bekerja bersama AWS ML Solutions Lab, kami menguji berbagai algoritma menggunakan Amazon SageMaker AI, menyempurnakan model menggunakan optimisasi hiperparameter, dan mengotomatisasi deployment model machine learning (ML). Kami sangat puas dengan hasilnya sejauh ini dan sedang mempertimbangkan teknologi ML untuk produk lainnya.”

Allan Lu, Vice President, Research Tools, Services & Platforms - ProQuest

Celgene merupakan sebuah perusahaan biofarmasi yang berkomitmen untuk meningkatkan hidup pasien di seluruh dunia. Perusahaan ini berfokus pada penemuan, pengembangan, dan komersialisasi terapi inovatif untuk pasien penderita kanker, inflamasi sistem imun, dan kebutuhan medis lainnya yang belum tertangani.

“Di Celgene, visi kami adalah untuk menyediakan perawatan yang benar-benar inovatif dan mengubah hidup serta meningkatkan kualitas hidup pasien di seluruh dunia. Dengan Amazon SageMaker AI dan Apache MXNet, membangun serta melatih model deep learning untuk mengembangkan solusi dan proses menjadi lebih cepat dan mudah daripada sebelumnya, serta kami dapat dengan mudah meningkatkan upaya untuk menemukan perawatan dan memproduksi obat. Penggunaan SageMaker AI dan instans P3 Amazon EC2 telah mempercepat waktu pelatihan model dan produktivitas kami, sehingga memungkinkan tim kami untuk fokus pada penelitian dan penemuan inovatif.”

Lance Smith, Director - Celgene

Atlas Van Lines adalah perusahaan jasa pindahan jarak jauh terbesar kedua di Amerika Utara, yang didirikan pada tahun 1948 oleh sekelompok wirausahawan di industri jasa pindahan dan penyimpanan. Organisasi ini dikembangkan dengan satu sasaran, berpindah antar-pesisir sekaligus mematuhi aturan utama dalam bisnis. Di samping jejaknya yang luar biasa, Atlas menawarkan persyaratan kualitas agen yang ketat yang melampaui persyaratan industri.

Selama puncak musim pindahan, jaringan agen Atlas bekerja sama di berbagai pasar untuk memenuhi permintaan pelanggan. Secara tradisional, kemampuan mereka untuk memperkirakan kapasitas bersifat manual dan menggunakan banyak tenaga kerja. Mereka mengandalkan pengetahuan dan insting sumber daya yang berasal dari pengalaman selama bertahun-tahun. Atlas memiliki data historis mulai tahun 2011 dan seterusnya, dan ingin menemukan cara untuk menyesuaikan kapasitas dan harga secara dinamis berdasarkan permintaan pasar di masa depan.

Atlas bekerja sama dengan Pariveda Solutions, Mitra Konsultasi Premier APN, untuk membantu mewujudkan peluang manajemen kapasitas dan harga yang proaktif di industri jasa pindahan jangka panjang. Pariveda menyiapkan data, mengembangkan, dan mengevaluasi model machine learning, serta menyempurnakan performanya. Mereka menggunakan Amazon SageMaker AI untuk melatih dan mengoptimalkan model, lalu mengekspornya menggunakan sifat modular Amazon SageMaker AI untuk dijalankan menggunakan Amazon EC2.

Edmunds.com adalah sebuah situs web belanja mobil yang terus memperbarui informasi tentang kendaraan untuk 20 juta pengunjung setiap bulannya.

“Kami memiliki inisiatif strategis untuk menempatkan machine learning di tangan semua rekayasawan kami. Amazon SageMaker AI adalah kunci untuk membantu kami mencapai tujuan ini, yang memudahkan para rekayasawan untuk membangun, melatih, dan men- deploy model serta algoritma machine learning dalam skala besar. Kami sangat antusias untuk melihat bagaimana Edmunds akan menggunakan SageMaker AI untuk mengembangkan solusi inovatif di seluruh organisasi bagi pelanggan kami.”

Stephen Felisan, Chief Information Officer - Edmunds.com

Hotels.com adalah merek penginapan global terkemuka yang mengoperasikan 90 situs web yang dilokalkan dalam 41 bahasa.

“Di Hotels.com, kami selalu tertarik untuk bergerak lebih cepat, memanfaatkan teknologi terbaru, dan tetap inovatif. Dengan Amazon SageMaker AI, pelatihan terdistribusi, algoritma yang dioptimalkan, dan fitur hyperparameter bawaan dapat memungkinkan tim saya untuk dengan cepat membangun model yang lebih akurat pada set data terbesar kami, sehingga mengurangi waktu yang signifikan yang dibutuhkan untuk memindahkan model ke produksi. Hanya berupa panggilan API. Amazon SageMaker AI akan secara signifikan mengurangi kompleksitas machine learning, sehingga memungkinkan kami untuk menciptakan pengalaman yang lebih baik bagi pelanggan dengan cepat.”

Matt Fryer, VP and Chief Data Science Officer - Hotels.com and Expedia Affiliate Network

Formosa Plastics Corporation adalah penyuplai resin plastik dan petrokimia yang terintegrasi secara vertikal dan sedang berkembang. Formosa Plastics menawarkan lini lengkap polivinil klorida, polietilena, dan resin polipropilena, soda tajam, dan petrokimia lainnya yang menghadirkan konsistensi, performa, dan kualitas yang diinginkan pelanggan.

"Formosa Plastics adalah salah satu perusahaan petrokimia teratas di Taiwan, dan berada di jajaran produsen plastik terkemuka di dunia. Kami memutuskan untuk menjelajahi machine learning guna memungkinkan deteksi kerusakan yang lebih akurat dan mengurangi biaya tenaga kerja manual. Kami pun berpaling ke AWS sebagai penyedia cloud pilihan untuk membantu kami melakukannya. AWS ML Solutions Lab bekerja sama dengan kami di setiap langkah proses, mulai dari lokakarya penemuan untuk menentukan kasus penggunaan bisnis hingga pembangunan dan pemilihan model ML yang sesuai hingga deployment sebenarnya. Dengan menggunakan Amazon SageMaker AI, solusi machine learning kami mengurangi waktu yang dihabiskan karyawan untuk inspeksi manual hingga setengahnya. Dengan bantuan Solutions Lab, kami sekarang dapat mengoptimalkan model SageMaker AI kami sendiri seiring dengan perubahan kondisi.”

Bill Lee, Assistant Vice President - Formosa Plastics Corporation

Voodoo adalah perusahaan game seluler terkemuka dengan lebih dari 2 miliar unduhan game dan lebih dari 400 juta pengguna aktif per bulan (MAU). Mereka menjalankan platform periklanannya sendiri dan menggunakan machine learning untuk meningkatkan akurasi dan kualitas tawaran iklan yang ditampilkan kepada pengguna.

"Di Voodoo, kami perlu memastikan jutaan (dan terus bertambah) basis pemain tetap berinteraksi dengan aktif. Dengan menstandardisasi beban kerja machine learning dan kecerdasan buatan kami di AWS, kami dapat berinovasi dengan kecepatan dan skala yang diperlukan untuk terus mengembangkan bisnis serta berinteraksi dengan para gamer. Dengan menggunakan Amazon SageMaker AI, kami dapat memutuskan secara waktu nyata iklan yang harus ditampilkan kepada pemain kami dan menginvokasi titik akhir kami lebih dari 100 juta kali oleh lebih dari 30 juta pengguna setiap hari, yang mewakili hampir satu miliar prediksi per hari. Dengan AWS Machine Learning, kami dapat menempatkan model yang akurat ke dalam produksi dalam waktu kurang dari seminggu, yang didukung oleh tim kecil, dan dapat terus mengembangkannya seiring pertumbuhan tim serta bisnis kami.”

Aymeric Roffé, Chief Technology Officer – Voodoo

Dulu bernama Motoring.co.uk, Regit adalah firma teknologi otomotif dan layanan online terkemuka di Inggris untuk para pengguna kendaraan bermotor. Perusahaan ini menghadirkan layanan manajemen mobil digital yang didasarkan pada pelat registrasi mobil, dan memberi pengemudi pengingat informatif, seperti pajak Kementerian Transportasi (MOT), asuransi, dan penarikan produk.

Regit bekerja sama dengan Peak Business Insight, Partner Konsultasi APN Advanced, untuk menerapkan "Categorical Machine Learning models" yang menangani data kategori dan variabel secara simultan untuk memberikan prediksi tentang kemungkinan pengguna mengganti mobil, yang berujung pada penjualan bagi Regit.

Peak menggunakan layanan AWS seperti Amazon SageMaker AI untuk penyerapan, pemodelan, dan output data waktu nyata. Amazon SageMaker AI menangani 5.000 permintaan API setiap hari untuk Regit, yang dengan lancar menskalakan dan menyesuaikan dengan persyaratan data yang relevan serta mengelola pengiriman hasil penskoran prospek. Sementara itu, instans Amazon Redshift dan Amazon Elastic Compute Cloud (Amazon EC2) secara efisien serta terus-menerus mengoptimalkan performa dan hasil model. Bersama Peak, Regit telah mampu memprediksi yang mana dari 2,5 juta penggunanya yang akan mengganti mobil dan kapan. Ini berarti mereka dapat melayani pelanggan dengan cara yang lebih dipersonalisasi dan bertarget, meningkatkan pendapatan pusat panggilan lebih dari seperempatnya.

Jaringan Move, Inc., yang mencakup realtor.com®, Doorsteps®, dan Moving.com™, menyediakan informasi real estat, alat, dan keahlian profesional untuk jajaran keluarga situs web dan pengalaman seluler bagi konsumen dan profesional real estat.

“Kami percaya bahwa Amazon SageMaker AI adalah tambahan yang transformatif untuk set alat realtor.com® saat kami mendukung konsumen dalam perjalanan kepemilikan rumah mereka. Alur kerja machine learning yang secara historis memakan waktu lama, seperti pelatihan dan pengoptimalan model, dapat dilakukan dengan lebih efisien dan oleh lebih banyak developer, sehingga memberdayakan ilmuwan data dan analis kami untuk fokus menciptakan pengalaman terbaik bagi pengguna.”

Vineet Singh, Chief Data Officer dan Senior Vice President - Move, Inc.

Setiap harinya, algoritma Grammarly membantu jutaan orang berkomunikasi lebih efektif dengan menawarkan bantuan menulis di berbagai platform dan perangkat, melalui kombinasi pemrosesan bahasa alami dan teknologi machine learning yang canggih.

“Amazon SageMaker AI memungkinkan kami untuk mengembangkan model TensorFlow dalam lingkungan pelatihan terdistribusi. Alur kerja kami juga terintegrasi dengan Amazon EMR untuk pra-pemrosesan, sehingga kami bisa mendapatkan data dari Amazon S3, memfilternya dengan EMR dan Spark dari notebook Jupyter, lalu melatihnya di Amazon SageMaker AI dengan notebook yang sama. SageMaker AI juga fleksibel untuk berbagai persyaratan produksi kami. Kami dapat menjalankan inferensi pada SageMaker AI itu sendiri, atau jika kami hanya memerlukan modelnya, kami mengunduhnya dari S3 dan menjalankan inferensi pada implementasi perangkat seluler untuk pelanggan iOS dan Android.”

Stanislav Levental, Technical Lead - Grammarly

Slice Labs, berbasis di New York dengan operasional di seluruh dunia, merupakan penyedia platform cloud asuransi sesuai permintaan pertama. Slice melayani pasar B2C dengan penawaran asuransi sesuai permintaan individual, serta pasar B2B dengan memberi perusahaan kesempatan untuk membangun produk asuransi digital yang intuitif.

“Di Slice, kami sangat menyadari sifat kebutuhan asuransi pelanggan yang terus berubah, dan kami telah memilih AWS sebagai platform cloud andalan kami karena opsi layanannya yang luas, fleksibilitas, dan reputasinya yang kuat di kalangan penyedia asuransi. Kami menggunakan berbagai layanan AWS untuk mendukung bisnis kami, termasuk AWS Machine Learning untuk membantu menghubungkan pelanggan dengan opsi asuransi terbaik sesuai kebutuhan mereka. Dalam pekerjaan kami dengan penyedia asuransi dan perusahaan teknologi untuk membangun dan meluncurkan produk asuransi cerdas, kami telah melihat manfaat penghematan biaya dan produktivitas yang luar biasa dengan AWS. Sebagai contoh, kami telah mengurangi waktu pengadaan sebesar 98%, dari 47 hari menjadi 1 hari. Kami tidak sabar ingin meneruskan ekspansi kami secara geografis dan dalam hal penggunaan cloud kami bersama AWS."

Philippe Lafreniere, Chief Growth Officer - Slice Labs

Sebagai penyedia pencitraan, data, dan analisis Bumi resolusi tinggi terkemuka di dunia, DigitalGlobe bekerja dengan data yang sangat banyak setiap harinya.

“Sebagai penyedia pencitraan, data, dan analisis Bumi resolusi tinggi terkemuka di dunia, DigitalGlobe bekerja dengan data yang sangat banyak setiap harinya. DigitalGlobe mempermudah orang untuk menemukan, mengakses, dan menjalankan komputasi terhadap seluruh pustaka gambar berukuran 100 PB kami, yang disimpan di AWS Cloud, untuk menerapkan deep learning pada citra satelit. Kami berencana menggunakan Amazon SageMaker AI untuk melatih model terhadap petabita set data citra pengamatan Bumi menggunakan notebook Jupyter yang di- hosting, sehingga pengguna Geospatial Big Data Platform (GBDX) dari DigitalGlobe dapat dengan mudah menekan tombol, membuat model, dan men- deploy dalam satu lingkungan terdistribusi yang dapat diskalakan.”

Dr. Walter Scott, Chief Technology Officer - Maxar Technologies dan pendiri DigitalGlobe

Produk yang mengutamakan perpesanan dari Intercom terintegrasi dengan mulus dengan situs web dan aplikasi seluler banyak perusahaan lainnya untuk membantu mereka mendapatkan, melibatkan, dan mendukung pelanggan. Didirikan pada tahun 2011, perusahaan ini memiliki kantor di San Fransisco, London, Chicago, dan Dublin.

“Di Intercom, kami memiliki tim yang terus berkembang yang terdiri dari ilmuwan data dan rekayasawan yang berorientasi pada data, dan kami sering kali ingin berinovasi dengan cepat serta mengeksplorasi solusi baru untuk produk berbasis data. Sebelum menggunakan Amazon SageMaker AI, kami mencoba banyak opsi berbeda untuk membangun produk-produk ini, tetapi masing-masing datang dengan tantangan tersendiri, yang antara lain adalah berbagi kode yang sulit, pengujian pada set data besar yang lambat, dan penyediaan serta pengelolaan perangkat keras secara mandiri yang bermasalah. SageMaker AI hadir dan mengatasi semua masalah tersebut untuk kami. Kami menggunakannya secara khusus untuk mengembangkan algoritma platform pencarian dan fitur machine learning, dan kami menemukan bahwa notebook Jupyter yang di- hosting oleh SageMaker AI memungkinkan kami untuk membangun serta mengiterasi dengan cepat. Yang terpenting, fakta bahwa SageMaker AI adalah layanan terkelola memungkinkan tim saya untuk fokus pada tugas yang dihadapi. Amazon SageMaker AI adalah layanan yang sangat berharga bagi kami di Intercom, dan kami sangat antusias untuk terus menggunakannya lebih banyak seiring dengan pertumbuhan perusahaan kami.”

Kevin McNally, Senior Data Scientist Machine Learning - Intercom

“Kami mulai menggunakan Amazon SageMaker AI dan dengan bantuan AWS ML Solutions Team serta Solutions Architecture Team, kami memperoleh momentum dengan Innovation Day dan dampaknya sangat luar biasa sejak saat itu. Kami berhasil mengembangkan tim AI beberapa kali untuk sepenuhnya memanfaatkan keunggulan baru yang diberikan oleh teknologi AWS. Kami memperoleh keuntungan dengan cara baru dengan menetapkan harga berdasarkan cuaca yang belum terjadi. Kami 'sepenuhnya beralih' ke AWS, termasuk menyimpan data kami di S3, menggunakan Lambda untuk eksekusi, dan Step Functions selain SageMaker AI. Selain itu, berkat kemitraan yang berkomitmen dari AWS ML Solutions Lab, kami sekarang mandiri, mampu mengiterasi model yang telah kami bangun dan terus meningkatkan bisnis.”

Andrew Stypa, Lead Business Analyst - Kinect Energy Group

Frame.io adalah hub Anda untuk semua hal yang berhubungan dengan video. Pemimpin dalam ulasan dan kolaborasi video dengan lebih dari 700.000 pelanggan di seluruh dunia, Frame.io menjadi tempat para profesional video dari seluruh spektrum — mulai dari pekerja lepas hingga korporasi — datang untuk melakukan ulasan, menyetujui, dan mengirim video.

“Sebagai platform ulasan dan kolaborasi video cloud-native yang dapat diakses oleh pengguna di seluruh dunia, sangat penting bagi kami untuk memberikan keamanan terbaik di kelasnya kepada pelanggan. Dengan model deteksi anomali yang dibangun ke dalam Amazon SageMaker AI, kami mampu memanfaatkan machine learning untuk dengan cepat mengidentifikasi, mendeteksi, dan memblokir permintaan IP yang tidak diinginkan guna memastikan media klien kami tetap aman dan terlindungi setiap saat. Memulai dengan Amazon SageMaker AI, mempertahankannya dari waktu ke waktu, menskalakannya di seluruh platform kami, dan menyesuaikannya dengan alur kerja spesifik kami sudah menjadi proses yang mudah dilakukan dan sederhana. Dengan bantuan notebook Jupyter di SageMaker AI, kami mampu bereksperimen dengan berbagai model untuk meningkatkan presisi dan recall dengan cara yang membuat Frame.io makin aman.”

Abhinav Srivastava, VP and Head of Information Security - Frame.io

Cookpad adalah layanan berbagi resep terbesar di Jepang, dengan sekitar 60 juta pengguna aktif setiap bulan di Jepang dan sekitar 90 juta pengguna aktif setiap bulan di seluruh dunia.

“Dengan meningkatnya permintaan untuk penggunaan layanan resep Cookpad yang lebih mudah, para ilmuwan data kami akan membangun lebih banyak model machine learning demi mengoptimalkan pengalaman pengguna. Dalam upaya meminimalkan jumlah iterasi pekerjaan pelatihan untuk performa terbaik, kami menyadari tantangan signifikan dalam deployment titik akhir inferensi ML, yang memperlambat proses pengembangan kami. Untuk mengotomatisasi deployment model ML sehingga ilmuwan data dapat men- deploy model sendiri, kami menggunakan API inferensi Amazon SageMaker AI dan membuktikan bahwa Amazon SageMaker AI akan menghapus kebutuhan rekayasawan aplikasi untuk men- deploy model ML. Kami mengantisipasi untuk mengotomatisasi proses ini dengan Amazon SageMaker AI dalam produksi.” 

Yoichiro Someya, Research Engineer - Cookpad

Fabulyst adalah perusahaan startup yang berpusat di India dan berfokus pada perdagangan fesyen yang memungkinkan pengalaman yang lebih positif dan lebih dipersonalisasi bagi pembeli dan konversi yang lebih baik bagi peritel melalui AI.

“Fabulyst memudahkan pembeli menemukan pembelian yang sempurna dengan mencocokkan item dalam inventaris dengan kueri khusus pengguna yang dipersonalisasi (misalnya, menyesuaikan dengan tipe tubuh atau warna kulit mereka). Pada saat bersamaan, kami membantu peretail mendapatkan konversi yang lebih efektif dengan menggunakan penglihatan komputer untuk memprakirakan tren bulanan berdasarkan data dari media sosial, pencarian, blog, dan lain-lain, serta penandaan otomatis pada tren tersebut dalam katalog pelanggan peretail kami. Fabulyst menggunakan AWS untuk menghadirkan solusi terbaik di kelasnya, termasuk Amazon SageMaker AI, untuk menangani banyak prediksi yang mendukung penawaran kami. Dengan mengandalkan SageMaker AI dan layanan AWS lainnya, kami mampu menjamin nilai bagi pelanggan kami, seperti kenaikan 10% dalam pendapatan tambahan bagi peretail, dan keyakinan dalam kemampuan kami menghadirkan hasil yang luar biasa setiap saat.”

Komal Prajapati, Founder & CEO - Fabulyst

Terragon Group adalah bisnis teknologi data dan pemasaran yang membuka nilai untuk banyak bisnis menggunakan wawasan untuk menjangkau audiensi seluler di Afrika. Selama bertahun-tahun, Terragon Group telah menjadi pemimpin dalam ruang seluler yang melayani merek lokal dan multinasional, menjangkau beberapa geografi. Menyampaikan pesan iklan yang tepat kepada pengguna yang tepat di saat yang tepat memerlukan personalisasi, dan Terragon menggunakan data, wawasan, serta kecerdasan buatan untuk membantu bisnis menjangkau audiens yang tepat di Afrika.

“Amazon SageMaker AI memberi kami alur kerja machine learning ujung ke ujung tanpa membutuhkan pemasangan infrastruktur yang mendasarinya. Tim ilmu data dan machine learning kami dapat dengan cepat beralih dari eksplorasi data ke pelatihan model dan produksi hanya dalam hitungan jam. Untuk bisnis yang berbasis di Afrika dengan bakat teknik yang langka, tidak ada cara lain bagi kami untuk dapat membangun dan melakukan deployment pada model ML yang memecahkan masalah kurang dari 90 hari.”

Deji Balogun, CTO - Terragon Group

SmartNews adalah aplikasi berita terbesar di Jepang yang menghadirkan informasi berkualitas kepada lebih dari 11 juta pengguna aktif setiap bulannya di dunia. Dengan teknologi machine learning, SmartNews membantu pengguna mendapatkan berita-berita paling relevan dan paling menarik. Algoritma machine learning di SmartNews mengevaluasi jutaan artikel, sinyal sosial, dan interaksi manusia untuk menghadirkan 0,01% berita terpopuler, yang paling penting, saat ini juga.

“Misi kami untuk menemukan dan menghadirkan berita-berita berkualitas ke seluruh dunia didukung oleh AWS, dan terutama oleh Amazon SageMaker AI, yang telah membantu kami mempercepat siklus pengembangan untuk melayani pelanggan. Penggunaan Amazon SageMaker AI sangat membantu kami dalam metode kurasi berita, termasuk klasifikasi artikel menggunakan deep learning, memprediksi Life Time Value, serta pemodelan komposit untuk teks dan gambar. Kami menjajaki pencapaian target yang lebih tinggi dengan Amazon SageMaker AI dan solusi AI lainnya dari AWS.”

Kaisei Hamamoto, Co-Founder and Co-CEO - SmartNews, Inc.

Pioneer adalah perusahaan multinasional yang mengkhususkan diri dalam hiburan digital, termasuk elektronik mobil dan layanan mobilitas. Pioneer didorong oleh filosofi perusahaan "Gerakkan Hati dan Sentuh Jiwa" serta menyediakan produk dan layanan kepada pelanggannya yang dapat membantu mereka dalam kehidupan sehari-hari.

“Dengan memanfaatkan Amazon SageMaker AI dan fitur pelatihan model seperti Automatic Model Tuning, kami mampu mengembangkan model machine learning yang sangat akurat, dan terus memastikan privasi pelanggan kami. Kami juga menjajaki pemanfaatan AWS Marketplace untuk machine learning baik untuk algoritma maupun model yang sudah dilatih sebelumnya guna membangun platform monetisasi.”

Kazuhiro Miyamoto, Manajer Umum Departemen Teknik Layanan Informasi - Pioneer

Dely menjalankan layanan video memasak terbaik di Jepang, Kurashiru. Setiap harinya, Kurashiru berupaya menyajikan layanan kuliner yang berdampak pada dunia. Kurashiru membantu banyak orang per hari dengan memperkenalkan berbagai resep makanan lezat yang mewarnai meja makan dengan video memasak. Puluhan juta orang menonton dan mendengarkan layanan resep bulanan ini di Jepang.

“Kami melampaui 15 juta unduhan aplikasi seluler dalam waktu 2,5 tahun sejak meluncurkan layanan Kurashiru yang populer. Kami yakin bahwa konten yang tepat harus dihadirkan kepada pengguna di saat yang tepat menggunakan teknologi tingkat lanjut seperti machine learning. Untuk mencapainya, kami menggunakan Amazon SageMaker AI, yang membantu kami membangun dan men- deploy model machine learning dalam produksi selama 90 hari. Kami juga meningkatkan rasio klik-tayang sebesar 15% dengan personalisasi konten.

Masato Otake, CTO - Dely, Inc.

Ayla Networks adalah perusahaan perangkat lunak platform sebagai layanan IoT yang berbasis di San Francisco yang mengembangkan solusi untuk pasar konsumen dan komersial.

“Di Ayla Networks, kami menemukan bahwa pelanggan kami umumnya menggunakan infrastruktur AWS karena skalabilitas dan keandalannya yang telah terbukti. Secara khusus, kami melihat bahwa produsen komersial menggunakan Amazon SageMaker AI untuk memanfaatkan data performa peralatan dari Ayla Cloud. Dengan Amazon SageMaker AI dan produk Ayla IQ kami, bisnis dapat mengungkap wawasan dan anomali yang berujung pada peningkatan kualitas produk dan layanan, bahkan sampai memprediksi kegagalan mesin dan mengatasinya sebelum terjadi. Solusi ini menjaga agar pelanggan kami berjalan lancar sehingga bisnis mereka dapat terus tumbuh, berproduksi, dan menskalakan tanpa rasa khawatir.”

Prashanth Shetty, VP Global Marketing - Ayla Networks

FreakOut adalah perusahaan teknologi terkemuka yang berfokus pada periklanan digital. Perusahaan ini menawarkan berbagai produk untuk transaksi inventaris real-time dalam periklanan internet serta analisis data untuk penjelajahan web. FreakOut memanfaatkan machine learning untuk prediksi rasio klik-tayang (CTR) dan rasio konversi (CVR).

“Kami sedang dalam proses memigrasikan lingkungan pelatihan machine learning dari on premise ke Amazon SageMaker AI. Amazon SageMaker AI menawarkan solusi yang lebih mudah diskalakan bagi bisnis kami. Dengan fitur Penyesuaian Model Otomatis dari Amazon SageMaker AI, kami dapat mengoptimalkan dan memperkirakan model yang sangat akurat sesuai dengan kebutuhan kami.”

Jiro Nishiguchi, CTO - FreakOut

"Di Wag!, kami harus memenuhi kebutuhan penawaran dan permintaan di marketplace dua sisi. Kami melihat peluang untuk menggunakan machine learning — yang didukung oleh AWS — untuk memprediksi permintaan membawa anjing berjalan-jalan dari pelanggan kami. Dengan menstandardisasi aplikasi machine learning kami di AWS, kami dapat memenuhi pertumbuhan kebutuhan bisnis yang berkelanjutan dengan iterasi pada kecepatan dan skala yang jauh lebih baik meskipun dengan sumber daya rekayasa yang terbatas. Dengan menggunakan Amazon SageMaker AI, kami dapat mempercepat eksperimen machine learning, mengurangi waktu komputasi setara 45 hari untuk melatih model menjadi hanya 3 hari.”

Dave Bullock, VP of Technology of Engineering and Operations - Wag Labs Inc.

Infoblox adalah pemimpin dalam layanan jaringan cloud tekelola yang aman, yang didesain untuk mengelola dan mengamankan inti jaringan, yaitu DNS, DHCP, dan manajemen alamat IP (secara kolektif dikenal sebagai DDI).

“Di Infoblox, kami membangun layanan analitik keamanan DNS dengan Amazon SageMaker AI yang mendeteksi pelaku jahat yang membuat homograf untuk menyamar sebagai target nama domain bernilai tinggi dan menggunakannya untuk menyebarkan malware, memancing informasi pengguna, dan menyerang reputasi sebuah merek. AWS adalah standar korporasi untuk cloud, dan kami dapat memanfaatkan berbagai fitur yang ditawarkan oleh SageMaker AI untuk mempercepat pengembangan model ML. Dengan menggunakan kemampuan Penyesuaian Model Otomatis SageMaker, kami berhasil meningkatkan skala eksperimen dan meningkatkan akurasi hingga 96,9%. Berkat SageMaker AI, detektor homograf IDN, yang merupakan bagian dari layanan analitik keamanan kami, berhasil mengidentifikasi lebih dari 60 juta resolusi domain homograf, dan terus menemukan jutaan lagi setiap bulannya, sehingga membantu pelanggan kami mendeteksi penyalahgunaan merek dengan lebih cepat.”

Femi Olumofin, Analytics Architect - Infoblox

NerdWallet, perusahaan keuangan pribadi yang berbasis di San Francisco, menyediakan ulasan dan perbandingan produk keuangan, yang meliputi kartu kredit, perbankan, investasi, pinjaman, dan asuransi.

"NerdWallet mengandalkan ilmu data dan ML untuk menghubungkan pelanggan dengan produk keuangan yang dipersonalisasi. Kami memilih untuk menstandardisasi beban kerja ML di AWS karena hal ini memungkinkan kami dengan cepat memodernisasi praktik rekayasa ilmu data, menghilangkan hambatan, dan mempercepat waktu pengiriman. Dengan Amazon SageMaker AI, ilmuwan data kami dapat menggunakan lebih banyak waktu untuk kegiatan strategis dan memusatkan lebih banyak energi pada keunggulan kompetitif kami—wawasan kami tentang masalah yang kami selesaikan untuk pengguna.”

Ryan Kirkman, Senior Engineering Manager - NerdWallet

Splice adalah platform kreatif untuk musisi, dibangun oleh musisi, untuk memberdayakan seniman dalam membebaskan potensi kreatif mereka yang sesungguhnya. Perusahaan startup pembuatan musik berbasis langganan ini didirikan pada 2013 dan kita melayani lebih dari 3 juta musisi yang menjelajahi katalog dalam pencarian suara yang sempurna.

Seiring pertumbuhan katalog suara dan prasetel kami, tantangan menemukan suara yang tepat pun makin besar. Itulah mengapa Splice berinvestasi dalam membangun kemampuan pencarian dan penemuan terbaik di kelasnya. Dengan menstandarkan beban kerja ML kami di AWS, kami membuat penawaran yang lebih baru dan beriorientasi pada pengguna, dengan tujuan untuk makin memudahkan musisi terhubung dengan suara yang mereka cari. Sejak peluncuran Similar Sounds, kami melihat peningkatan hampir 10 persen dalam konversi pencarian. Dengan memanfaatkan Amazon SageMaker AI, kami berhasil menciptakan pelengkap sempurna untuk pencarian berbasis teks, sehingga memungkinkan pengguna menemukan dan menavigasi katalog kami dengan cara yang sebelumnya tidak mungkin dilakukan.”

Alejandro Koretzky, Head of Machine Learning & Principal Engineer - Splice

"Sebelum memulai perjalanan machine learning, kami hanya memiliki kemampuan untuk mencari teks daftar riwayat hidup (CV), tetapi kami memiliki kekurangan untuk mengenali karakter optik sehingga tidak semua CV dapat dicari. Dengan Amazon Textract, kami kini dapat mengekstraksi konten dalam semua jenis dokumen dan memiliki kompetensi untuk mengindeks semua file yang diunggah dalam klaster Elasticsearch. Setiap dokumen yang diunggah kini dapat dicari menggunakan Elasticsearch, yang memberikan kecepatan pencarian 10 kali lebih cepat daripada pencarian SQL asli. Selain itu, kami mengimplementasikan pembuatan vektor kata menggunakan Amazon SageMaker AI untuk menambahkan kata kunci terkait ke dalam kueri pencarian. Proses ini memungkinkan kami untuk mengklasifikasikan dan mengualifikasikan kandidat secara akurat serta membantu kami menghilangkan kesalahan yang disebabkan oleh sinonim atau penggunaan kata alternatif yang digunakan dalam CV. Dengan menggunakan Amazon SageMaker AI dan Amazon Textract, kami dapat menyediakan kandidat yang lebih cerdas dan berkualitas lebih baik untuk perekrut. Performa yang stabil, ketersediaan global, dan keandalan adalah faktor kunci keberhasilan bagi Audeosoft. Saat mengambil keputusan hampir 8 tahun lalu untuk bermitra dengan AWS, kami tahu mereka akan jadi mitra yang sangat hebat untuk masa depan. Dengan memilih AWS sebagai penyedia cloud pilihan, kami memiliki partner yang memiliki motivasi dan keinginan yang sama untuk menciptakan inovasi seperti yang kami lakukan dalam bertahun-tahun ke depan.”

Marcel Schmidt, CTO - Audeosoft

Freshworks adalah katering unicorn B2B SaaS yang berbasis di AS/India dan melayani bisnis ukuran kecil dan menengah (UKM) serta bisnis pasar menengah di seluruh dunia. Freshworks menawarkan portofolio aplikasi yang mudah digunakan tetapi sangat andal untuk alur kerja keterlibatan pelanggan dan keterlibatan karyawan.

"Di Freshworks, kami membangun penawaran AI/ML andalan kami, Keterampilan AI Freddy, dengan model hiperpersonal yang membantu agen menangani kueri pengguna dan menyelesaikan tiket dukungan dengan sukses, tim penjualan dan pemasaran memprioritaskan peluang dan menyelesaikan kesepakatan dengan cepat, dan manajer kesuksesan pelanggan mengurangi risiko gejolak dan mengembangkan bisnis. Kami memilih untuk menstandardisasi beban kerja ML di AWS karena kami dapat dengan mudah membangun, melatih, dan men- deploy model machine learning yang dioptimalkan untuk kasus penggunaan pelanggan. Berkat Amazon SageMaker AI, kami berhasil membangun lebih dari 30.000 model untuk 11.000 pelanggan sekaligus mengurangi waktu pelatihan untuk model ini dari 24 jam menjadi kurang dari 33 menit. Dengan SageMaker Model Monitor, kami dapat melacak penyimpangan data dan melatih ulang model untuk memastikan akurasi. Didukung oleh Amazon SageMaker AI, Freddy AI Skills terus berkembang dengan tindakan cerdas, wawasan data mendalam, dan percakapan yang digerakkan oleh maksud.”

Tejas Bhandarkar, Senior Director of Product - Freshworks Platform

Veolia Water Technologies adalah perusahaan desain berpengalaman dan penyedia solusi dan layanan teknologi khusus dalam penanganan air dan limbah air.

“Dalam delapan minggu yang singkat, kami bekerja sama dengan AWS untuk mengembangkan prototipe yang dapat mengantisipasi kapan harus membersihkan atau mengganti membran penyaring air di pabrik desalinasi kami. Dengan menggunakan Amazon SageMaker AI, kami membangun model ML yang belajar dari pola sebelumnya dan memprediksi evolusi indikator yang merusak di masa mendatang. Dengan menstandardisasi beban kerja ML di AWS, kami dapat mengurangi biaya dan mencegah waktu henti sekaligus meningkatkan kualitas air yang dihasilkan. Hasil ini tidak dapat diwujudkan tanpa pengalaman teknis, kepercayaan, dan dedikasi kedua tim dalam mencapai satu sasaran: pasokan air yang bersih, aman, dan tanpa gangguan."

Aude GIARD, Chief Digital Officer - Veolia Water Technologies

Sportradar, sebuah penyedia data olah raga terkemuka, menghadirkan data olah raga waktu nyata ke lebih dari 65 liga di seluruh dunia. Dalam upaya untuk menghasilkan wawasan yang mutakhir, perusahaan ini bekerja sama dengan Amazon ML Solutions Lab untuk mengembangkan pembuat prediksi gol sepak bola.

“Kami dengan sengaja menghadapkan tim Amazon ML Solutions Lab pada salah satu masalah penglihatan komputer yang paling sulit untuk menguji kemampuan machine learning AWS, dan saya sangat terkesan dengan hasilnya. Tim ini membangun model ML untuk memprediksi gol dalam sepak bola 2 detik sebelum pertandingan berlangsung menggunakan Amazon SageMaker AI. Model ini sendiri telah membuka pintu bagi banyak peluang bisnis baru bagi kami. Kami menantikan menstandarkan beban kerja ML kami di AWS karena kami dapat membangun, melatih, dan menerapkan model yang mendorong inovasi dalam bisnis kami dan memenuhi persyaratan biaya dan latensi.”  

Ben Burdsall, CTO - Sportradar

F. Hoffmann-La Roche AG (Roche) adalah perusahaan multinasional asal Swiss yang bergerak di bidang ilmu hayati, khususnya di bidang farmasi dan diagnostik.

“Saya ingin mendorong tim saya untuk menyistematisasi alur kerja ML di cloud, jadi kami bekerja sama dengan Machine Learning Solutions Lab untuk menyelenggarakan lokakarya Amazon SageMaker AI, yang menunjukkan cara SageMaker AI menyederhanakan proses produksi ML untuk ilmuwan data. Sejak lokakarya tersebut, 80% dari beban kerja ML kami berjalan di AWS, yang membantu tim kami membawa model ML ke produksi tiga kali lebih cepat. SageMaker AI dan tumpukan AWS memungkinkan kami untuk menggunakan sumber daya komputasi guna pelatihan sesuai permintaan tanpa dibatasi oleh ketersediaan on-premise.”  

Gloria Macia, Data Scientist - Roche

“Di Guru, kami percaya bahwa pengetahuan yang Anda butuhkan untuk melakukan tugas seharusnya menemukan Anda. Kami adalah solusi manajemen pengetahuan yang menangkap informasi paling berharga tim Anda dan mengaturnya ke dalam satu sumber fakta. Kami memanfaatkan AI untuk merekomendasikan pengetahuan kepada Anda secara waktu nyata di tempat Anda bekerja, memastikan pengetahuan tersebut tetap terverifikasi, dan membantu Anda mengelola basis pengetahuan secara keseluruhan dengan lebih baik. Tim ilmu data produk kami yang berkembang menghadapi semua tantangan yang dihadapi tim ML modern saat ini, yaitu membangun, melatih, dan men- deploy sistem ML dalam skala besar, dan kami mengandalkan Amazon SageMaker AI sebagai cara untuk mengatasi beberapa tantangan ini. Saat ini, kami memanfaatkan SageMaker Inference untuk lebih cepat men- deploy model ML kami ke produksi, tempat model-model tersebut membantu kami mencapai tujuan utama kami, yaitu memberikan nilai bagi pelanggan.”  

Nabin Mulepati, Staf Teknisi ML - Guru

Sebagai bagian dari komitmen Amazon terhadap keselamatan karyawan mereka selama pandemi COVID-19, tim Operasi Amazon men-deploy solusi ML untuk membantu menjaga protokol pembatasan sosial di lebih dari 1.000 gedung operasi di seluruh dunia. Operasi Amazon bekerja sama dengan Amazon Machine Learning Solutions Lab untuk membuat model penglihatan komputer mutakhir untuk estimasi jarak menggunakan Amazon SageMaker AI.

“Dengan menstandardisasi beban kerja ML di AWS dan bekerja sama dengan para ahli di ML Solutions Lab, kami menciptakan set model inovatif yang kami perkirakan dapat menghemat hingga 30% dari upaya peninjauan manual kami. Penggunaan Amazon SageMaker AI memberdayakan kami agar dapat menggunakan lebih banyak waktu untuk berfokus pada keselamatan dan meningkatkan akurasi dengan mengurangi kebutuhan akan ratusan jam peninjauan manual per hari.”

Russell Williams, Director, Software Development - Amazon OpsTech IT

Freddy’s Frozen Custard & Steakburgers adalah restoran cepat saji yang menawarkan kombinasi unik steakburger yang dimasak setelah dipesan, hot dog Vienna Beef, kentang goreng shoestring, dan menu gurih lainnya, serta hidangan kustar beku yang baru dikocok. Didirikan pada tahun 2002 dan berkembang menjadi waralaba pada tahun 2004, Freddy’s kini memiliki hampir 400 restoran di 32 negara bagian.

“Sebelumnya, kami hanya memilih dua restoran yang tampak serupa, tetapi kini kami benar-benar memahami hubungan antara item menu, pelanggan, dan lokasi kami. Amazon SageMaker Autopilot, yang mendukung kemampuan ML baru Domo, telah menjadi faktor pendorong luar biasa bagi tim pemasaran dan pembelian kami untuk mencoba banyak ide baru dan meningkatkan pengalaman pelanggan kami.”

Sean Thompson, Direktur IT (IT Director) – Freddy’s

“Kami senang bahwa ilmuwan data dan teknisi data Vanguard sekarang bisa berkolaborasi dalam satu notebook untuk analitik dan machine learning. Kini Amazon SageMaker Studio memiliki integrasi bawaan dengan Spark, Hive, dan Presto yang semuanya berjalan di Amazon EMR sehingga tim pengembangan kami bisa menjadi lebih produktif. Lingkungan pengembangan tunggal ini akan memungkinkan tim kami untuk fokus membangun, melatih, dan melakukan deployment model machine learning.”

Doug Stewart, Senior Director of Data dan Analytics – Vanguard

“Kami sudah menunggu fitur untuk membuat dan mengelola klaster Amazon EMR langsung dari Amazon SageMaker Studio sehingga pelanggan kami dapat menjalankan alur kerja Spark, Hive, dan Presto langsung dari Notebook Amazon SageMaker Studio. Kami sangat senang bahwa Amazon SageMaker AI kini berhasil membangun kemampuan ini secara native untuk menyederhanakan manajemen pekerjaan Spark dan machine learning. Hal ini akan membantu rekayasawan data dan ilmuwan data pelanggan kami untuk berkolaborasi lebih efektif guna melakukan analisis data interaktif dan mengembangkan pipeline machine learning dengan transformasi data berbasis EMR.”

Stepan Pushkarev, CEO – Provectus

“Di Climate, kami yakin dapat memberikan informasi yang akurat kepada para petani di dunia untuk membuat keputusan berdasarkan data dan memaksimalkan keuntungan dari setiap hektar. Untuk mencapai hal ini, kami telah berinvestasi dalam teknologi, misalnya alat machine learning untuk membangun model menggunakan entitas terukur yang dikenal sebagai fitur, seperti hasil untuk ladang petani. Dengan Amazon SageMaker Feature Store, kami dapat mempercepat pengembangan model ML dengan tempat penyimpanan fitur pusat untuk mengakses dan menggunakan kembali fitur di beberapa tim dengan mudah. SageMaker Feature Store memudahkan untuk mengakses fitur secara waktu nyata menggunakan toko online atau menjalankan fitur sesuai jadwal menggunakan toko offline untuk kasus penggunaan yang berbeda. Dengan SageMaker Feature Store, kami dapat mengembangkan model ML dengan lebih cepat.”

Atul Kamboj, Senior Data Scientist - iCare, NSW Government Insurance and Care agency, AustraliaDaniel McCaffrey, Vice President, Data and Analytics, Climate

“Di Experian, kami percaya tanggung jawab kami adalah memberdayakan konsumen agar memahami dan menggunakan kredit dalam kehidupan finansial mereka, dan membantu pemberi pinjaman dalam mengelola risiko kredit. Saat kami terus menerapkan praktik terbaik untuk membangun model keuangan kami, kami mencari solusi yang mempercepat produksi produk yang memanfaatkan machine learning. Amazon SageMaker Feature Store memberi kami cara aman untuk menyimpan dan menggunakan kembali fitur untuk aplikasi ML kami. Kemampuan untuk menjaga konsistensi dalam aplikasi waktu nyata dan batch di beberapa akun adalah persyaratan utama untuk bisnis kami. Menggunakan kemampuan baru Amazon SageMaker Feature Store memungkinkan kami memberdayakan pelanggan kami untuk mengendalikan kredit mereka dan mengurangi biaya dalam ekonomi baru.”

Geoff Dzhafarov, Chief Enterprise Architect, Experian Consumer Services

“Di DeNA, misi kami adalah memberikan pengaruh dan kesenangan dalam menggunakan internet dan AI/ML. Tujuan utama kami adalah memberikan layanan berbasis nilai dan kami ingin memastikan bahwa bisnis sudah siap untuk mencapai tujuan tersebut. Kami ingin menemukan dan menggunakan kembali fitur di seluruh organisasi dan Amazon SageMaker Feature Store dapat membantu kami dengan cara yang mudah dan efisien untuk menggunakan kembali fitur-fitur untuk aplikasi yang berbeda. Amazon SageMaker Feature Store juga membantu kami dalam menjaga definisi fitur standar dan membantu kami dengan metodologi yang konsisten saat kami melatih model dan men- deploy ke produksi. Dengan kemampuan baru Amazon SageMaker AI ini, kami dapat melatih dan men- deploy model ML lebih cepat, sehingga menjaga kami tetap berada pada jalur untuk memuaskan pelanggan dengan layanan terbaik.”

Kenshin Yamada, General Manager/AI System Dept System Unit, DeNA

“Di United Airlines, kami menggunakan machine learning (ML) untuk meningkatkan pengalaman pelanggan dengan menyediakan penawaran khusus sehingga memungkinkan pelanggan siap menggunakan Travel Readiness Center. Penggunaan ML kami juga meluas ke operasi bandara, perencanaan jaringan, dan penjadwalan penerbangan. Pasca-pandemi, Amazon SageMaker AI memainkan peran penting dalam Travel Readiness Center, yang memungkinkan kami menangani kartu vaksin sertifikat tes COVID bervolume besar menggunakan otomatisasi model berbasis dokumen. Dengan kemampuan tata kelola baru Amazon SageMaker AI, kami memiliki kendali dan visibilitas yang lebih besar terhadap model machine learning. SageMaker Role Manager menyederhanakan proses pengaturan pengguna secara drastis dengan menyediakan izin acuan dasar dan aktivitas ML untuk setiap persona yang terkait dengan peran IAM. Dengan SageMaker Model Cards, tim kami dapat secara proaktif menangkap dan berbagi informasi model untuk peninjauan. Dengan SageMaker Model Dashboard, kami mampu mencari dan melihat model yang telah dilakukan deployment di MARS, platform ML internal kami. Dengan semua kemampuan tata kelola baru ini, kami menghemat banyak waktu dan mampu menaikkan skala.”

Ashok Srinivas, Director of ML Engineering and Ops, United Airlines

“Di Capitec, kami memiliki berbagai macam ilmuwan data di seluruh lini produk kami, yang membangun berbagai solusi ML. Rekayasawan ML kami mengelola platform pemodelan terpusat yang dibangun di atas Amazon SageMaker AI untuk memberdayakan pengembangan dan deployment semua solusi ML ini. Tanpa alat bawaan, pelacakan upaya pemodelan cenderung menghasilkan dokumentasi yang terpisah-pisah dan kurangnya visibilitas model. Dengan menggunakan SageMaker Model Cards, kami dapat melacak beberapa metadata model dalam lingkungan terpadu, dan SageMaker Model Dashboard memberi kami visibilitas terhadap performa tiap-tiap model. Selain itu, SageMaker Role Manager menyederhanakan proses pengelolaan akses bagi ilmuwan data di berbagai lini produk kami. Masing-masing berkontribusi atas terciptanya tata kelola model yang memadai guna menjamin bahwa para klien akan menjadikan kami sebagai penyedia jasa keuangan.”

Dean Matter, ML Engineer, Capitec Bank

Lenovo™, produsen PC nomor 1 di dunia, baru-baru ini memasukkan Amazon SageMaker AI ke dalam penawaran pemeliharaan prediktif terbarunya.  Ashok Srinivas, Director of ML Engineering and Ops, United Airlines.

“SageMaker Edge Manager baru akan membantu menghilangkan upaya manual yang diperlukan untuk mengoptimalkan, memantau, dan terus meningkatkan model setelah deployment. Dengan cara tersebut, kami berharap model kami akan berjalan lebih cepat dan menggunakan lebih sedikit memori dibandingkan dengan platform machine learning lainnya yang sebanding. SageMaker Edge Manager memungkinkan kami untuk secara otomatis mengambil sampel data di edge, mengirimkannya dengan aman ke cloud, dan memantau kualitas setiap model pada setiap perangkat secara berkelanjutan setelah deployment. Hal ini memungkinkan kami untuk memantau, meningkatkan, dan memperbarui model dari jarak jauh pada perangkat edge kami di seluruh dunia dan pada saat yang bersamaan menghemat waktu dan biaya kami serta waktu dan biaya pelanggan."

Igor Bergman, Lenovo Vice President, Cloud & Software of PCs and Smart Devices.

Basler AG adalah produsen terkemuka kamera digital dan aksesori berkualitas tinggi untuk industri, kedokteran, transportasi dan berbagai pasar lainnya.

“Basler AG memberikan solusi penglihatan komputer cerdas di berbagai industri, termasuk aplikasi manufaktur, medis, dan retail. Kami sangat antusias untuk memperluas penawaran perangkat lunak kami dengan fitur-fitur baru yang dimungkinkan oleh Amazon SageMaker Edge Manager. Untuk memastikan solusi machine learning kami memiliki performa tinggi dan dapat diandalkan, kami memerlukan alat MLOps edge ke cloud yang dapat diskalakan yang memungkinkan kami untuk terus memantau, memelihara, dan meningkatkan model machine learning pada perangkat edge. SageMaker Edge Manager memungkinkan kami untuk secara otomatis mengambil sampel data di edge, mengirimkannya dengan aman ke cloud, dan memantau kualitas setiap model pada setiap perangkat secara berkelanjutan setelah deployment. Hal ini memungkinkan kami untuk memantau, meningkatkan, dan memperbarui model dari jarak jauh pada perangkat edge kami di seluruh dunia dan pada saat yang bersamaan menghemat waktu dan biaya kami serta waktu dan biaya pelanggan."

Mark Hebbel, Head of Software Solutions di Basler.

NatWest Group, sebuah lembaga jasa keuangan besar, menstandarkan pengembangan model ML dan proses deployment mereka di seluruh organisasi sehingga mengurangi siklus penyelesaian dalam pembuatan lingkungan ML yang baru dari 40 hari menjadi 2 hari, serta mempercepat waktu untuk menilai kasus penggunaan ML dari 40 minggu menjadi 16 minggu.

“Daripada harus membuat banyak proses manual, kami dapat mengotomatiskan sebagian besar proses pengembangan machine learning hanya dengan Amazon SageMaker Studio." 

Cherry Cabading, Global Senior Enterprise Architect – AstraZeneca

Dengan menggunakan layanan AWS, termasuk Amazon SageMaker AI, Janssen mengimplementasikan proses MLOps otomatis yang meningkatkan akurasi prediksi model sebesar 21 persen dan meningkatkan kecepatan rekayasa fitur sekitar 700 persen, sehingga membantu Janssen mengurangi biaya sekaligus meningkatkan efisiensi.

“Amazon SageMaker AI meningkatkan efisiensi tim MLOps kami dengan alat yang diperlukan untuk menguji dan men- deploy model machine learning dalam skala besar.”

Samir Joshi, ML Engineer – Qualtrics

“Amazon SageMaker Data Wrangler membuat kami dapat memulai dengan cepat dalam memenuhi kebutuhan penyiapan data dengan beraneka ragam koleksi alat transformasi yang mempercepat proses penyiapan data ML yang diperlukan untuk menghadirkan produk baru ke pasar. Selanjutnya, klien kami mendapatkan manfaat dari tingkat penskalaan model yang dilakukan deployment sehingga kami dapat memberikan hasil yang terukur dan berkelanjutan yang akan memenuhi kebutuhan klien kami dalam hitungan hari, bukan bulan.”

Frank Farrall, Principal, AI Ecosystems and Platforms Leader, Deloitte

“Sebagai Partner Konsultasi Premier AWS, tim rekayasa kami bekerja sama dengan AWS untuk membangun solusi inovatif guna membantu pelanggan kami agar dapat terus meningkatkan efisiensi operasi mereka. ML adalah inti dari solusi inovatif kami, tetapi alur kerja penyiapan data kami memerlukan teknik penyiapan data canggih yang, oleh karenanya, memerlukan banyak waktu agar dapat dioperasionalkan dalam lingkungan produksi. Dengan Amazon SageMaker Data Wrangler, ilmuwan data kami dapat menyelesaikan setiap langkah alur kerja penyiapan data, termasuk pemilihan, pembersihan, eksplorasi, dan visualisasi data, yang membantu kami mempercepat proses penyiapan data serta menyiapkan data dengan mudah untuk ML. Dengan Amazon SageMaker Data Wrangler, kami dapat menyiapkan data untuk ML secara lebih cepat.”

Shigekazu Ohmoto, Senior Corporate Managing Director, NRI Japan

“Karena jejak kami di pasar manajemen kesehatan populasi terus meluas ke lebih banyak pembayar layanan kesehatan, penyedia, pengelola manfaat farmasi, dan organisasi kesehatan lainnya, kami membutuhkan sebuah solusi untuk mengotomatiskan proses secara menyeluruh untuk sumber data yang digunakan oleh model ML kami, termasuk data klaim, data pendaftaran, dan data farmasi. Dengan Amazon SageMaker Data Wrangler, kami sekarang dapat mempercepat waktu yang diperlukan untuk mengagregasikan serta menyiapkan data untuk ML menggunakan set alur kerja yang lebih mudah untuk divalidasi dan digunakan kembali. Hal ini secara signifikan mempercepat waktu pengiriman dan kualitas model sehingga meningkatkan efektivitas ilmuwan data kami, dan mengurangi waktu penyiapan data hingga hampir 50%. Selain itu, SageMaker Data Wrangler telah membantu kami menghemat banyak iterasi ML dan waktu GPU secara signifikan sehingga dapat mempercepat seluruh proses ujung ke ujung untuk klien karena kami sekarang dapat membangun data mart dengan ribuan fitur termasuk farmasi, kode diagnosis, kunjungan UGD, rawat inap, serta determinan demografis dan determinan sosial lainnya. Dengan SageMaker Data Wrangler, kami dapat mentransformasikan data dengan efisiensi tinggi untuk membangun set data pelatihan, menghasilkan wawasan data pada set data sebelum menjalankan model ML, dan menyiapkan data dunia nyata untuk inferensi/prediksi dalam skala besar.”

Lucas Merrow, CEO, Equilibrium Point IoT

iCare adalah lembaga Pemerintah NSW yang menyediakan asuransi kompensasi pekerja kepada lebih dari 329.000 pemberi kerja sektor publik dan privat di NSW, Australia, dan 3,2 juta karyawan mereka. Selain itu, iCare mengasuransikan pembangun dan pemilik rumah, memberikan pengobatan dan perawatan kepada orang-orang yang terluka parah di jalanan NSW; dan melindungi lebih dari 266,6 miliar USD aset Pemerintah NSW, termasuk Sydney Opera House, Sydney Harbour Bridge, sekolah, dan rumah sakit.

“Di Insurance and care (iCare) NSW, visi kami adalah mengubah pola pikir orang-orang tentang asuransi dan perawatan. Amazon SageMaker AI memungkinkan iCare membangun dan melatih model deep learning untuk identifikasi dini pasien penyakit debu jangka panjang. Identifikasi dini ini dapat mencegah kondisi yang mengancam nyawa. Berdasarkan penelitian sebelumnya, tanda-tanda silikosis terlewatkan atau tidak dapat dideteksi pada 39% pasien. Diagnosis yang dibantu AI ini memungkinkan dokter untuk mengidentifikasi 80% kasus dengan benar dibandingkan dengan 71% diagnosis tanpa bantuan. Setelah mengimplementasikan proyek ini, kami menyediakan sumber daya Amazon SageMaker AI untuk mengembangkan solusi dan proses dalam proyek lain karena terbukti lebih cepat serta lebih mudah daripada sebelumnya dan kami dapat dengan mudah menskalakan upaya kami untuk memberikan perawatan kepada masyarakat NSW.”

Atul Kamboj, Senior Data Scientist - iCare, NSW Government Insurance and Care agency, Australia