Amazon SageMaker のお客様

「Amazon SageMaker HyperPod は、ダウンタイムを最小限に抑えながら、計算リソースをより効率的に管理および運用するのに大いに役立っています。当社は Slurm ベースの HyperPod サービスのアーリーアダプターであり、その使いやすさと回復力の恩恵を享受した結果、生産性が最大 35% 向上し、生成 AI の運用を急速にスケールアップできました。Kubernetes を利用する企業として、SageMaker HyperPod の Amazon EKS サポートの開始を心より歓迎します。これは当社にとって画期的な出来事です。なぜなら、同サービスは当社の既存のトレーニングパイプラインとシームレスに統合し、大規模な Kubernetes クラスターの管理と運用をさらに容易にしてくれるからです。さらに、この機能を当社の生成 AI プラットフォームにパッケージ化および製品化できるようになったため、エンドカスタマーも恩恵を享受できます。これにより、お客様は、より合理化された態様で独自のトレーニングとファインチューニングのワークロードを実行できます」

Articul8 AI、創業者兼 CEO、Arun Subramaniyan 氏

「急速に変化し続けているスタートアップであり、AI 研究企業でもある当社にとって、SageMaker HyperPod における Amazon EKS サポートは、市場投入までの時間を短縮するのに役立っています。SageMaker Hyperpod により、安定した安全なプラットフォームをリリースし、トップクラスの大学の AI 研究プログラム、AI スタートアップ、従来の企業を含むエンドカスタマー向けに、コンテナ化されたハイパフォーマンスコンピューティング (HPC) Applications as a Service を提供できるようになりました。当社が SageMaker HyperPod を利用することで、お客様や社内チームは Kubernetes コントロールプレーンの運用と設定について心配する必要がなくなりました。また、SageMaker HyperPod は複雑な HPC ワークロードをサポートするためのネットワークパフォーマンスと最適化された設定を提供してくれます。SageMaker HyperPod での EKS サポートにより、インフラストラクチャ管理における差別化につながらない手間のかかる作業に費やしていた時間を削減し、運用コストを 30% 超削減できます」

Observea、創業者、Vamsi Pandari 氏

「プロセス全体が合理化されました。SageMaker HyperPod を利用すると、ハードウェア障害が発生した場合に、最後に保存されたチェックポイントからトレーニングジョブを特定して自動的に回復する、クラスターの回復力機能を活用できます。当社は Kubernetes を共通のスレッドとして使用して、アプリケーション、推論、トレーニングなど、非常に多様なワークロードを実行しています。当社にとって、SageMaker HyperPod での Amazon EKS はよく機能しています。そのプロセスは、ノードがクラスターに追加されるというシンプルなものです」

Recursal、Infrastructure/Data Lead、Nathan Wilce 氏

「Rocket Mortgage は、AWS を主要パートナーとして、住宅所有に至るまでの過程に AI とデータサイエンスを統合する最前線に立っていることを誇りに思っています。Amazon SageMaker を利用して、機械学習の運用を変革し、効率と精度を高めています。SageMaker Pipelines ビジュアルエディタを使用すると、自動化された検証パイプラインを通じて新しいオープンソース LLM を実行することで、それらの LLM のパフォーマンスを迅速に評価できます。これにより、新しいリリースを評価するために必要な時間を最小限に抑えることができます。これは、急速に変化する環境では非常に重要です。使いやすいため、データサイエンスチームはコードの書き換えではなく、イノベーションに注力できます」

Rocket Companies、Chief Technology Officer、Shawn Malhotra 氏

地理空間に関する意思決定インテリジェンスソリューションのグローバルリーダーである SatSure は、地球観測データと深層学習モデルを利用して、全天候型作物モニタリングや農場リスクスコアリングから、土地被覆変化の検出、植生管理、火災リスク、土地特徴の識別まで、さまざまなユースケースのためにインサイトを生成しています。
 

「当社は Amazon SageMaker Pipelines を活用して、低解像度の衛星画像で農場の境界を識別するアプリケーション用のモデルを作成しています。大規模な衛星画像データセットから最先端の深層学習モデルを開発することは、非常に困難です。Pipelines によって頻繁なデータ前処理、モデルトレーニング、モデルデプロイを自動化できるため、AI イノベーションにさらに注力でき、手動プロセスに費やす時間を短縮できます。ドラッグアンドドロップ UI により、チームの新しいデータサイエンティストは、特定のワークフローオーケストレーションフレームワークの専門知識がなくても、すぐに慣れて ML ワークフローを構築できます」

SatSure Ltd.、創業者兼 CEO、Prateep Basu 氏

「質の高いデータインサイトに対するお客様からの需要に応えるため、当社は常に、ML を利用した新しい機能を研究および提供しています。新しい Amazon SageMaker Pipelines のドラッグアンドドロップ UI により、当社のデータサイエンティストは MLOps について心配することなく、より困難なコンピュータビジョン (CV) の問題に注力できるようになります。現在、データサイエンティストが ML エンジニアと調整してモデル提供環境を最適化することなく、SageMaker にモデルを登録するだけで済む Pipelines を作成しています。マルチステップ Pipeline は、登録されたモデルを QA 環境の Amazon SageMaker 推論エンドポイントに自動的にデプロイして負荷テストを行い、ML エンジニアの承認があれば本番環境にデプロイします。Amazon SageMaker Pipelines を利用すると、他の AWS サービス (CI/CD、メッセージングサービス) と簡単に統合して、高度にカスタマイズされた ML ワークフローを構築できるため、エンドツーエンドの ML 開発の全体的な速度が大幅に向上しました」

EagleView、Head of AI/ML、Garrett Hemann 氏

GoDaddy では、ビジネスを確立するためのツールを提供することで、日常の起業家の成功を支援することを目指しています。「私たちは多様なニーズを持つお客様にサービスを提供しています。多くの場合、サポートしている企業と 24 時間体制で、メール、チャット、ソーシャルメディアなどの複数のチャネルでコミュニケーションを取っています」と、GoDaddy の Applied ML および AI 担当副社長である Jing Xi 氏は述べています。「今日、生成系 AI は、通常は大企業だけで使われている、信じられないほどのパワーと知識をすぐに利用できるようにすることで、中小企業の競争の場を広げています。しかし、生成系 AI 開発チームが直面する最大の課題の 1 つは、どの FM がビジネスアプリケーションに適しているかを判断することです。お客様にとって最も重要な特定の基準に基づいてモデルを簡単に比較し、モデルのコスト、レイテンシ、モデルの精度とパフォーマンスの適切なバランスを実現できることが重要です。Amazon SageMaker の新しいモデル評価機能により、モデル選択プロセスに伴う複雑さが解消され、これらのモデルの新しいバージョンの実験、開発、デプロイ、管理を簡単に実行できるため、アイデアから実装までの時間を短縮できます。デベロッパーが生産性を高め、お客様がビジネスを成長させるために生成 AI の力をさらに活用できるように、この新機能へのアクセスをより多くのチームに拡大できることをうれしく思います」。

「GoDaddy は、お客様重視の機能を提供するとともに、社内業務のコスト効率を高めるために機械学習を活用する最前線に立ってきました。当社の ML サイエンティストは、これらの目標を達成するために数多くのプロジェクトに取り組んでいます。データキュレーション、実験ログ、モデルレジストリを使用したモデルアーティファクト管理、およびデプロイの ML ワークフローを迅速にイテレーションすることは、価値を提供する上で不可欠です。当社の ML サイエンティストは、MLflow のようなオーダーメイドのツールを、強く、明確に求めていました。Amazon SageMaker は、エンドツーエンドの ML ワークフローのための ML サイエンティスト向けの管理および統制されたプラットフォームを提供してくれます。また、SageMaker 内で MLflow のような業界標準ツールの使用を可能にすることで、当社のモデル開発ライフサイクルを大幅に強化してくれます。Amazon SageMaker Model Registry などの製品のエンタープライズグレードのセキュリティと成熟度を享受しながら、MLflow を介して業界標準の ML 実験追跡も利用できます。チーム内で SageMaker の MLflow を採用したことで、配信速度を維持しながら独自の MLflow ホストインスタンスを維持する運用上の負担が軽減され、コラボレーションが強化されました。初期段階から SageMaker チームと連携してこの製品オファリングを強化し、同時に ML サイエンティストのために価値を提供できたことはすばらしいことでした」

Engineering Machine Learning、Director、Karthik Iyer 氏

「KBC Bank では、データサイエンティストに適切なツールを提供することが、イノベーションの推進に不可欠であると考えています。イノベーションを起こすための効果的な方法の 1 つは、継続的な実験です。これにより、新しいアイデアを探求し、モデルを改善できます。MLflow は、実験を管理および文書化するための堅牢なプラットフォームを提供してくれます。これをマネージドサービスとして利用することで、データサイエンティストのユーザーエクスペリエンスが改善されると同時に、当社の機械学習プラットフォームの設定とメンテナンスが簡素化されます」

MLOps Engineer、Thiago Alves 氏

「増え続ける ML 実験を効果的に管理し、モデルのデプロイを確実に成功させるには、実験を追跡してモデルを登録するための堅牢なシステムが必要です。MLflow は、すべての ML 実験を詳細かつシームレスに追跡し、コードベースへの変更を最小限に抑えることを可能にしてくれるため、この目的のための効率的なソリューションとなります。これにより、Wallapop に最適なモデルの選択が容易になり、合理化された効率的な ML 開発プロセスを実現できます。そのため、このプラットフォームを AWS 内で直接統合および管理することで、チームは、このようなサービスで必要となるすべての手間のかかる作業を実行するのではなく、当社の ML ソリューションの実際の価値を生み出すことに注力できます」

Machine Learning Engineer、Martí Jordà Roca 氏

「Amazon SageMaker を使用することで、大規模な分散機械学習モデルを簡単に作成できます。手動プロセスに依拠するのではなく、Amazon SageMaker 内で開発の大部分をシームレスに自動化できます。ジョブを比較し、最適なモデルを見つけて、本番環境にデプロイできるよう、当社は自動化されたトレーニングジョブのパフォーマンスを追跡する信頼性の高い方法を必要としています。MLflow との統合により、MLflow を自分で設定して管理する手間なく、これを実行できます。これにより、ワークフローのさらなる強化につながり、モデルの比較とモデル登録のための堅牢な機能が提供され、開発とデプロイの効率が大幅に改善されます」

Data Architect、Eyal Trabelsi 氏

「Amazon SageMaker での MLflow の使用は、実験とモデルの品質の追跡と管理の目的において、SageMaker とのシンプルでありながら非常に効果的な統合として大きな価値をもたらしてくれました。MLflow と Amazon SageMaker のネイティブ統合により、モデルの追跡とプロモーションのタスクが容易になりました。マネージドサービスであるため、基盤となるインフラストラクチャについて心配する必要がなく、モデルの改善と開発サイクルの加速に注力できます」

Managing Data Scientist、Sumeet Kishnani 氏

「Thomson Reuters は 30 年以上にわたり AI 開発の最前線に立ってきました。私たちは、お客様が信頼できる情報にアクセスしやすく、より迅速に結果を出せるように、有意義なソリューションを提供することに全力を注いでいます。生成系 AI のイノベーションを加速させるために、LLM プロバイダーとの提携に加えて、独自のコンテンツと人間の専門知識を活用して、カスタムモデルのトレーニングをより効率的に行うことも検討しています。SageMaker HyperPod の分散型トレーニングライブラリは、大規模モデルトレーニングのパフォーマンスを向上させるのに役立ちます。また、その耐障害性機能により、インフラストラクチャの監視と管理にかかる時間を節約できます。基盤モデルを SageMaker HyperPod でトレーニングすることで、市場投入までの時間が短縮され、顧客に質の高いソリューションを迅速に提供できるようになります。」

Thomson Reuters、Head of AI and Labs、Joel Hron 氏

「当社は Amazon SageMaker HyperPod を利用して、大規模言語モデルのトレーニング要件を満たすことができました。SageMaker HyperPod で Amazon EKS を利用することで、キャパシティをスケールアップしてトレーニングジョブを簡単に実行でき、法的な要約や分類などの領域で LLM の利点を活用できるようになりました」

Thomson Reuters Labs、Distinguished Engineer、John Duprey 氏

「Aura にとって最大の課題の 1 つは、膨大な非構造化プロフェッショナルデータプールから有意義な洞察を引き出すことです。Amazon SageMaker Canvas を介して大規模な言語モデルを採用することで、データ抽出プロセスを自動化し、企業が労働力の能力や組織構造を評価する方法を変革しました。このアプローチは、データ分析の規模を拡大するのに役立っただけでなく、キーワードマッチングなどの従来のデータ分析方法の制限を回避するのにも役立ちました。SageMaker Canvas の新しいデータ準備機能と LLM 機能を使用して、Aura は、組織構造の有効性、従業員のスキル、および財務結果における業績について、企業を定量的にスコアリングし、ベンチマークを行うことができます。」

ファウンダーズ・スタジオの最高技術責任者、ベイン・アンド・カンパニーのパートナー、プルナ・ドッダパネニ

「オープンソースの生成系 AI の大手企業として、私たちの目標は最新の AI のアクセシビリティを最大化することです。私たちは数百億のパラメータを持つ基礎モデルを構築しており、そのためには最適なトレーニングパフォーマンスをスケーリングできるインフラストラクチャが必要です。SageMaker HyperPod のマネージドインフラストラクチャと最適化ライブラリにより、トレーニング時間とコストを 50% 以上削減できます。これにより、モデルトレーニングの回復力とパフォーマンスが向上し、最先端のモデルをより迅速に構築できるようになります。」

エマド・モスターク氏、創立者兼 CEO- スタビリティ AI

“Amazon SageMaker JumpStart を利用することで、いくつかの基盤モデルを実験して、ヘルスケアのニーズに最適なものを選択し、SageMaker の HIPAA 準拠モデルのデプロイを使用して ML アプリケーションを迅速に起動することができました。これにより、処方箋のデータ入力プロセスとお客様のケアのスピードと規模を改善できました”

Alexandre AlvesAmazon Pharmacy、Sr. Principal Engineer

“Amazon SageMaker JumpStart を利用することで、いくつかの基盤モデルを実験して、ヘルスケアのニーズに最適なものを選択し、SageMaker の HIPAA 準拠モデルのデプロイを使用して ML アプリケーションを迅速に起動することができました。これにより、処方箋のデータ入力プロセスとお客様のケアのスピードと規模を改善できました”

Alexandre AlvesAmazon Pharmacy、Sr. Principal Engineer

「Amazon SageMaker を使用すると、プラットフォームでアルゴリズムを構築してデプロイできるため、人工知能の大規模な取り組みを加速できます。これまでにないほど大規模な機械学習アルゴリズムと AI アルゴリズムを作成し、このプラットフォームにデプロイすることで、複雑な問題を解決し、お客様の成功に貢献できます。」

Ashok Srivastava 氏、Intuit 最高データ責任者

GE Healthcare は、ハードウェア、ソフトウェア、バイオテクノロジーでデータや分析を活用し、医療提供者や患者にとってより良い成果を達成することで、ヘルスケアを変革しています。 

Amazon SageMaker を使用すると、GE Healthcare は強力な人工知能ツールやサービスにアクセスして、患者のケアを向上させることができます。Amazon SageMaker のスケーラビリティとネイティブの AWS のサービスとの統合能力は、私たちに大きな価値をもたらします。GE Health Cloud と Amazon SageMaker を組み合わせることで、医療提供者のパートナーのために優れた成果を達成し、患者治療を向上させていきたいと考えています。」

Sharath Pasupunuti 氏、GE Healthcare の AI エンジニアリングリーダー

ADP は、人的資本管理 (HCM) ソリューションを提供する世界的なテクノロジー企業のリーダーです。ADP DataCloud は、3000 万人を超える従業員から収集された ADP の比類のないワークフォースデータを活用して、経営陣がビジネスをより適切に管理するためのリアルタイムの意思決定を支援する実用的なインサイトを提供します。

「人材の確保と勧誘は難しいため、雇用主が強力なチームを維持できるように、人工知能機能を備えた ADP DataCloud の強化を続けています。Amazon SageMaker を含む AWS Machine Learning を使用して、素早くワークフォースのパターンを特定し、結果を発生前に予測します。たとえば、従業員の離職や報酬増加の影響などです。人工知能と機械学習の主要なプラットフォームとして AWS を活用することで、機械学習モデルをデプロイする時間を 2 週間から 1 日に短縮しました。」

Jack Berkowitz、製品開発担当 SVP – ADP, Inc.

BASF Digital Farming は、農家がよりスマートな意思決定を行えるようにし、増加する世界人口への食糧供給という課題の解決に貢献するとともに、環境フットプリントを削減することをミッションとしています。

「Amazon SageMaker と関連する AWS テクノロジーは、迅速な実験をサポートし、使いやすい機能と API を提供することで、機械学習導入のための参入障壁を低くします。こうすることで、機械学習ユースケースの潜在的な価値を素早く最大限に引き出すことができるのです」。

Dr.Christian Kerkhoff 氏、BASF Digital Farming GmbH、データオートメーションマネージャー

Cerner Corporation は、さまざまな医療情報技術 (HIT) ソリューション、サービス、デバイス、およびハードウェアを提供するグローバルな医療およびテクノロジー企業です。

「Cerner は、臨床、財務、運用の幅広い経験を通じて人工知能と機械学習のイノベーションを推進していることを誇りに思っています。Cerner の Machine Learning Ecosystem と Cerner Natural Language Processing の両方により作成され、AWS とのコラボレーションにより実現した新しい機能を通じて、当社はすべてのお客様に対してスケーラブルなイノベーションを推進します。Amazon SageMaker は、Cerner が AI / ML を通じてクライアントに価値を提供するという私たちの意図を実現するための重要なコンポーネントです。さらに、Amazon SageMaker は、Cerner に TensorFlow や PyTorch などのさまざまなフレームワークを活用する機能とさまざまな AWS のサービスと統合する機能を提供します。」

Sasanka Are 博士、Cerner バイスプレジデント

Dow Jones & Co. はニュースおよびビジネス情報を世界中に配信しています。コンテンツは新聞、ウェブサイト、モバイルアプリケーション、動画、ニュースレター、雑誌、専用データベース、カンファレンス、ラジオなどの媒体で顧客に配信されます。

「Dow Jones では、当社の製品やサービスに機械学習を統合することに継続的に重点を置いているため、AWS はすばらしいパートナーです。先日の Machine Learning Hackathon の準備期間中に、AWS チームは参加者に対して Amazon SageMaker と Amazon Rekognition のトレーニングを行い、すべてのチームに丸 1 日のサポートを提供してくれました。結果的に、当社のチームでは機械学習の活用方法について優れたアイデアがいくつも出ました。その多くは AWS で引き続き開発していくことになります。イベントは大成功で、優れたパートナーシップの見本となりました」。

Ramin Beheshti 氏、Dow Jones の製品および技術グループ最高責任者

Advanced Microgrid Solutions (AMS) は、エネルギー関連のプラットフォームおよびサービスを提供する会社です。クリーンなエネルギー資産の配備と最適化を促進して、世界規模でのクリーンエネルギーへの転換を加速することを目的としています。NEM では、すべての参加者が 5 分ごとにエネルギーの消費と供給に入札するスポット市場を使用しています。このためには、大量の市場データを処理しながら、需要予測を行って、数分で動的に入札する必要があります。AMS では、この課題を解決するために、Amazon SageMaker で TensorFlow を使用して、ディープラーニングモデルを構築しました。このソリューションでは、Amazon SageMaker の自動モデルチューニングを利用して、最適なモデルパラメータを見つけ、わずか数週間でモデルを構築します。このモデルにより、ネットメータリングを使用したすべてのエネルギー製品の市場予測精度が向上しており、大幅な効率改善が期待されます。

ProQuest は、ジャーナル、電子ブック、重要な資料、論文、ニュース、およびビデオの世界最大規模のコレクションを整理し、図書館がそのコレクションを獲得し、成長させるのを手助けする、強力なワークフローソリューションを構築します。ProQuest の製品とサービスは、150 カ国の学術図書館、幼稚園から高校までの図書館、公立図書館、企業および政府機関の図書館で使用されています。

「私たちは AWS と協力して、図書館の利用者向けてより魅力的なビデオのユーザーエクスペリエンスを構築し、もっと関連性の高い検索結果を返すようにしています。AWS ML Solutions Lab と連携して、Amazon SageMaker を使ってさまざまなアルゴリズムをテストし、ハイパーパラメータ最適化を使用してモデルを調整し、機械学習 (ML) モデルのデプロイメントを自動化しました。私たちはこれまでの結果に満足しています。現在は、他の製品に対しても ML テクノロジーを用いることを検討しています」

ProQuest、リサーチツール、サービスおよびプラットフォーム担当部長、Allan Lu 氏

Celgene は、世界各地の患者の生活の改善に注力する、世界的なバイオ医薬品企業です。がん、免疫炎症、その他の未対応の医療ニーズを抱える患者向けの革新的な治療法の発見、開発、商品化を専門としています。

「Celgene では、真に革新的な、人生を変える治療方法を提供し、世界中で患者の生活を改善することをビジョンとしています。Amazon SageMaker と Apache MXNet を使用することで、ソリューションやプロセスを構築するための深層学習モデルが以前よりも素早く簡単に開発、トレーニングできるようになるため、治療方法の発見や薬物製造への取り組みを容易に拡張することができます。SageMaker や Amazon EC2 P3 インスタンスを使用すると、モデルのトレーニング時間と生産性が加速し、チームは画期的な研究と発見に集中することができます。」

Lance Smith 氏、ディレクター、Celgene

Atlas Van Lines は、北米で 2 番目に大きな長距離引越運送業者です。引越業界と貯蔵業界の起業家グループが 1948 年に創業しました。この会社は、ビジネスの黄金律に則って大陸の端から端まで移動することを目標にして発展しました。Atlas は、業界標準よりも厳格なエージェント品質要件を特徴としており、堅調なシェアを誇っています。

繁忙期には、Atlas のエージェントネットワークが複数の市場にわたって連携し、顧客の需要に応えます。以前は、キャパシティーの予測を人の手で行っていたため手間がかかっていました。長年の経験による知恵と直感に頼ってきたのです。しかし、2011 年以降の履歴データがあったため、将来の市場の需要に基づいてキャパシティーと価格を動的に調整したいと考えました。

Atlas は、長距離引越運送業界におけるキャパシティーと価格を先を見越して管理するため、プレミア APN コンサルティングパートナーである Pariveda Solutions と提携しました。Pariveda はデータを準備し、機械学習モデルを開発および評価し、パフォーマンスをチューニングしました。また、Amazon SageMaker を使用してモデルのトレーニングと最適化を行ってから、Amazon SageMaker のモジュールの特性を使用してエクスポートし、Amazon EC2 を使用して実行しました。

Edmunds.com は、1 か月の閲覧者が 2,000 万人に上る自動車ショッピングウェブサイトで、自動車に関する最新で詳細な情報を掲載しています。

「当社には、エンジニア全員が機械学習を手掛けるという戦略的イニシアチブがあります。Amazon SageMaker は、この目標を達成するための鍵であり、エンジニアが機械学習のモデルとアルゴリズムを大規模に構築、トレーニング、デプロイするうえで役立ちます。今後も、積極的に SageMaker を使用し、顧客のために全社を挙げて新しいソリューションを開発していきます」

Stephen Felisan 氏、Edmunds.com の最高情報責任者

Hotels.com は、41 言語でローカライズされた 90 を数えるウェブサイトを運営する世界トップクラスの宿泊予約サービスのブランドです。

「Hotels.com では、スピードの向上、最新テクノロジーの活用、革新の維持に常に関心を持っています。Amazon SageMaker を使用すると、分散型のトレーニング、最適化されたアルゴリズム、組み込みのハイパーパラメータ機能によって、チームは、当社の大規模なデータセットでより正確なモデルをすばやく構築することができ、モデルを本番稼動させるまでの時間をかなり削減することもできます。これはシンプルな API コールです。Amazon SageMaker によって、機械学習の複雑さが大幅に緩和され、お客様にスピード感のあるサービスを提供できるようになります。」

Matt Frye 氏、Hotels.com および Expedia Affiliate Network、VP 兼データサイエンス最高責任者

台湾プラスチックグループは現在成長中のプラスチック樹脂および石油化学製品の垂直統合型サプライヤーです。台湾プラスチックグループは、ポリ塩化ビニル、ポリエチレンとポリプロピレン樹脂、苛性ソーダ、およびその他の石油化学製品を幅広く提供しており、一貫性、パフォーマンスそして品質において顧客を満足させています。

「台湾プラスチックグループは台湾の石油化学企業のトップ、さらには世界の大手プラスチックメーカーの 1 社 に数えられます。欠陥検出をより正確にし手作業による人件費を削減するため、当社は機械学習を検討しました。その結果、クラウドを優先しているプロバイダーとして AWS に目を向けたわけです。AWS ML Solutions Lab とはビジネスのユースケースを定義するためのディスカバリーワークショップから実際のデプロイの適切な ML モデルの構築および選択まで、プロセスのあらゆる段階において共に取り組みました。Amazon SageMaker を使用した結果、機械学習ソリューションは従業員の手作業による検査にかかる時間が半分に短縮しました。Solutions Lab のおかげで今では条件が変わったときでも、SageMaker モデルを自分たちで最適化することができます。」

台湾プラスチックグループ、アシスタントバイスプレジデント、Bill Lee 氏

Voodoo は、20 億を超えるゲームのダウンロードと 4 億を超える月間アクティブユーザー (MAU) を持つ大手モバイルゲーム会社です。同社は独自の広告プラットフォームを実行し、機械学習を使用してユーザーに示される広告入札の精度と質を向上させています。

「Voodoo では、数百万人を超えるプレイヤーを積極的に関与させる必要があります。AWS での機械学習と人工知能のワークロードを標準化することにより、ビジネスを成長させ、ゲーマーを惹きつけるために必要なペースと規模で繰り返すことができます。Amazon SageMaker を使用することで、プレイヤーに表示する広告をリアルタイムに決定し、毎日、3000 万人を超えるユーザーによる、1 億回以上のエンドポイントの呼び出しが可能になります。AWS の機械学習により、小さなチームによるサポートで、1 週間未満で正確なモデルを本番稼働させることができ、チームとビジネスの成長に合わせてその上に継続的に構築することができました。」

Aymeric Roffé、最高技術責任者 – Voodoo

Regit (旧称 Motoring.co.uk) は自動車のテクノロジー企業で、イギリス大手のドライバー向けオンラインサービス企業でもあります。自動車のナンバープレートに基づく自動車のデジタル管理サービスを提供し、運輸省 (MOT) の税金、保険、リコールなどの情報をドライバーに通知します。

Regit はアドバンスト APN コンサルティングパートナーである Peak Business Insightと提携し、カテゴリと可変データを同時に処理する「カテゴリ機械学習モデル」を適用して、ユーザーの車乗り換えの傾向を予測することで、Regit の売上を伸ばすことができました。

Peak は、リアルタイム取り込み、モデリング、データ出力に、Amazon SageMaker などの AWS のサービスを使用しました。Regit は、Amazon SageMaker を使用し、1 日に 5,000 件の API リクエストを処理して、関連するデータ要件に合わせたスケーリングと調整をシームレスに行い、見込み客のスコアリング結果の提示を管理しています。また、Amazon Redshift と Amazon Elastic Compute Cloud (Amazon EC2) インスタンスを使用して、モデルのパフォーマンスと結果を効率的かつ継続的に最適化しています。Regit は、Peak と連携して、250 万人のユーザーのうち誰がいつ車を乗り換えるかを予測できるようになりました。これにより、よりカスタマイズされ、対象が絞られた方法でサービスを提供することができるようになり、コールセンターの収益が 25% 以上増加しました。

Move, Inc. ネットワーク (realtor.com®、Doorsteps®、Moving.com™ を含む) では、顧客や不動産専門家向けに、複数のウェブサイトやモバイルアプリケーションで不動産の情報、ツール、専門知識を提供しています。

「Amazon SageMaker は、当社が顧客のマイホーム所有をサポートするうえで、realtor.com® のツールセットをさらに変革するものだと考えています。これまで、機械学習のトレーニングやモデル最適化といったワークフローには、長い時間がかかっていました。しかし、AWS では、幅広いデベロッパーの知識を利用することができ、ワークフローを非常に効率良く実施することができます。これにより、データサイエンティストやアナリストは、ユーザーに優れたサービスを提供することに注力できるようになりました。」

Vineet Singh 氏、Move, Inc. の最高データ責任者兼副社長

Grammarly のアルゴリズムは、1 日に何百万人ものユーザーによって利用され、コミュニケーションの実用性向上に役立っています。このアルゴリズムでは、自然言語処理テクノロジーと高度な機械学習テクノロジーを組み合わせることで、異なるデバイスにわたって複数のプラットフォームでの入力サポートを実現しています。

「Amazon SageMaker により、分散トレーニング環境内で TensorFlow モデルを開発できるようになりました。当社のワークフローは前処理用に Amazon EMR とも統合されているため、EMR と Spark を使って Jupyter ノートブックからフィルタリングしたデータを Amazon S3 から取得し、同じノートブックを使って Amazon SageMaker でトレーニングを行うことができます。また、SageMaker は、当社のさまざまな本番稼働要件にも柔軟に対応しています。SageMaker 自体で推論を実行することもできますし、モデルのみが必要な場合は、そのモデルを S3 からダウンロードし、iOS および Android のユーザー向けに当社のモバイルデバイス実装の推論を実行することもできます。」

Stanislav Levental 氏、Grammarly の技術リーダー

Slice Labs は、ニューヨークに拠点を置き、世界中に展開する最初のオンデマンド式保険クラウド・プラットフォーム・プロバイダーです。Slice では、B2C 市場向けに、個人のオンデマンド型保険を提供し、また、B2B 市場向けに、企業が直感的なデジタル保険商品を構築できるようにするサービスを提供しています。

「Slice は、お客様の保険に対するニーズが絶えず変化していることをよく心得ています。私たちが AWS を頼りになるクラウド・プラットフォームとして選んだのは、その広範なサービス、フレキシビリティ、保険業者の間での確固たる名声があるからです。私たちは様々な AWS のサービスを使い、ビジネスをサポートしています。その中には AWS 機械学習もあります。これによりお客様のニーズに最適の保険のオプションとお客様を結びつけることができます。保険業者やテクノロジー企業との事業において、私たちはインテリジェントな保険商品を開発、販売しようとしています。AWS によるコスト削減と生産性向上は計り知れません。例えば、私たちの調達時間は47日から1日へと、98%減少しました。地理的にも、AWS でのクラウド使用の点からも私たちが展開を続けていけることをうれしく思っています。」

フィリップ・ラフレにエール、主任成長担当員-スライスラボ

DigitalGlobe は高解像度の地球映像、データ、分析を扱う世界トップクラスのプロバイダーとして、毎日、膨大な量のデータを処理しています。

「DigitalGlobe は高解像度の地球映像、データ、分析を扱う世界トップクラスのプロバイダーとして、毎日、膨大な量のデータを処理しています。DigitalGlobe では、AWS クラウドに保存されている 100 PB の画像ライブラリ全体に対する検索、アクセス、コンピューティング実行をより簡単に行えるようにサポートし、衛星画像に深層学習を活用できるようにしています。当社では、ホストされた Jupyter ノートブックでペタバイト規模の地球観測映像のデータセットを使ったモデルトレーニングを実行するために、Amazon SageMaker を使用する計画です。これによって、DigitalGlobe の Geospatial Big Data Platform (GBDX) ユーザーは、ボタンを押すだけでモデルを作成し、拡張性のある分散環境内にそのすべてのモデルを大規模にデプロイできるようになります。」

Dr.Walter Scott 氏、Maxar Technologies の最高技術責任者、DigitalGlobe 創業者

Intercom のメッセージング優先製品は、他社のウェブサイトやモバイルアプリとシームレスに統合され、顧客の獲得、参加、サポートを支援します。2011 年に設立された同社は、サンフランシスコ、ロンドン、シカゴ、ダブリンにオフィスを構えています。

「Intercom のデータサイエンティストとデータ指向エンジニアチームは成長を遂げています。これを活用して、すぐに繰り返し作業を進め、データ駆動型製品の新しいソリューションを模索したいと考えています。Amazon SageMaker に出会う以前は、これらの製品を構築するためにさまざまなオプションを試してきましが、それぞれの課題を抱えていました。コードの共有が難しい、大きなデータセットでのテストが遅い、ハードウェアをプロビジョニングおよび管理するのが困難である、などの問題がありました。しかし、SageMaker を使い始めてからは、すべて解決しました。特に検索プラットフォーム用アルゴリズムや機械学習の機能を開発するために使用しています。SageMaker がホストする Jupyter ノートブックを使用すると、構築と反復を迅速に行うことができます。決定的に、SageMaker がマネージドサービスであるおかげで、当社のチームは目の前のタスクに集中することができます。Amazon SageMaker は私たち Intercom にとって非常に貴重なサービスです。私たちは会社が成長するにつれて、SageMaker の使用が増えることを楽しみにしています。」

Kevin McNally 氏、Intercom の機械学習、シニアデータサイエンティスト

「当社は Amazon SageMaker の利用を開始してから、AWS ML ソリューションチームとソリューションアーキテクチャチームに大いに助けてもらっています。当社における SageMaker の影響は特に Amazon Innovation Day で弾みがついて以来 非常に大きいものとなっています。AWS のテクノロジーがもたらす新しい利点を最大限に活用するため、当社の AI チームを何度か拡張しました。未知である将来の気象に基づき価格を設定することで、当社は新しい方法で利益を得ています。SageMaker に加えて実行には Lambda とステップ機能を使用して S3 にデータを保存することを含め、AWS に「一括で」まかせることしました。さらには AWS ML Solutions Lab の献身的なパートナーシップのおかげで、今では自立し、当社が構築したモデルを繰り返し利用して事業の強化を継続できています。」

Andrew Stypa 氏、Kinect Energy Group、リードビジネスアナリスト

Frame.io is your hub for all things video (動画のすべてを Frame.io で)Frame.io は、世界中に 70 万人以上の顧客を持つ、動画のレビュー/コラボレーションツールの最大手です。フリーランスから大企業まで、ありとあらゆる映像のプロが Frame.io で動画をレビューし、承認し、配信しています。

「世界中のユーザーが利用できる、クラウドネイティブな動画のレビューおよびコラボレーションプラットフォームとして、最高クラスのセキュリティをお客様に提供することは不可欠です。クライアントのメディアを常時保護し、その安全性を維持するという目的に向け、弊社では Amazon SageMaker に組み込まれた異常検出モデルを利用しています。これにより、機械学習を活用した望ましくない IP リクエストの迅速な特定、検出、遮断が可能となりました。Amazon SageMaker を使い始めてからは、機械学習モデルの長期的なメンテナンスや弊社プラットフォームに合わせたスケール、特定のワークフローへの調整といった作業が、シンプルで明快なものとなっています。さらに、SageMaker の Jupyter ノートブックのおかげで、異なるモデルを使い、さまざまな方法で適合率と再現率を向上させる実験を行うことも可能になっており、Frame.io の安全性はさらに高いものとなっています。」

Abhinav Srivastava 氏、Frame.io、副社長兼情報セキュリティ責任者

Cookpad は、日本最大のレシピ共有サービスです。1 か月の利用者数は、日本で約 6,000 万人、世界で約 9,000 万人です。

「Cookpad のレシピサービスをもっと簡単に使いたいという要望が増えているため、当社のデータサイエンティストは、ユーザーエクスペリエンスを最適化するために、より多くの機械学習モデルを構築していく予定です。当社では、トレーニングジョブの繰り返し数を最小限にし、最適なパフォーマンスを達成しようとする中で ML 推論エンドポイントのデプロイが大きな課題となっており、開発プロセスが遅れていました。ML モデルのデプロイを自動化し、データサイエンティストが自分でモデルをデプロイできるようにするため、当社では Amazon SageMaker の推論 API を使用しました。これにより、Amazon SageMaker を使用することによって、アプリケーションエンジニアは ML モデルをデプロイする必要がなくなるということを証明しました。Amazon SageMaker を使うことにより、本番稼働でもこのプロセスを自動化できると期待しています」 

Yoichiro Someya 氏、Cookpad のリサーチエンジニア

Fabulyst はインドを拠点とするスタートアップで、ファッションコマースに焦点を当てています。AI を介して買い物客にとってよりポジティブでパーソナライズされたエクスペリエンスを実現し、小売業者にとってより良いコンバージョンを可能にします。

「Fabulyst は、在庫アイテムをユーザー固有のパーソナライズされたクエリ (たとえば、体型や肌のトーンに合わせて) に一致させることで、買い物客が完璧な購入品を簡単に見つけられるようにします。同時に、コンピュータビジョンを使用してソーシャルメディア、検索、ブログなどのデータに基づいて毎月の傾向を予測し、小売客のカタログでそれらの傾向に自動タグ付けすることにより、小売業者がより効果的なコンバージョンを達成できるよう支援します。Fabulyst は AWS を使用して、当社の製品をサポートする多くの予測を処理する Amazon SageMaker を含め、クラス最高のソリューションを提供します。SageMaker や他の AWS サービスを利用して、小売業者の収益を 10% 増やすなど、当社はユーザーに価値を保証し、毎回素晴らしい結果をお届けできると確信しています」

Fabulyst 創設者兼 CEO Komal Prajapati

データおよびマーケティングテクノロジービジネスを担う Terragon Group は、インサイトを使用してビジネス価値を解放し、アフリカのモバイルオーディエンスに広告でアプローチする支援をしています。Terragon Group は長年モバイル分野でトップに立ち、複数の地理的条件下で、ローカルか多国籍かに関係なくブランドにサービスを提供してきました。適切なタイミングで適切なユーザーに適切な広告メッセージを伝えるには、パーソナライゼーションが必要です。Terragon は、データ、インサイト、人工知能を使用して、企業がアフリカに住む適切なオーディエンスに広告を届けられるようにサポートします。

｢Amazon SageMaker は、エンドツーエンドフローの機械学習ワークフローを提供してくれます。その基盤となるインンフラストラクチャを設置する必要はありません。私たちのデータサイエンスと機械学習のチームは、データ探索からモデルトレーニング、そして本番稼動まで、わずか数時間で迅速に行うことができます。アフリカを拠点とし、エンジニアリングの人材が乏しい企業にとって、現実の問題を解決する機械学習モデルを 90 日以内に構築し、デプロイできる方法は他にありませんでした」。

Deji Balogun 氏、Terragon Group、CTO

SmartNews (スマートニュース) は日本最大のニュースアプリで、良質な情報を世界中の 1100 万人超のマンスリーアクティブユーザーに配信しています。SmartNews は機械学習テクノロジーを使用して、最も関連性が高く興味深いニュースをユーザーに届けます。SmartNews の機械学習アルゴリズムが数百万件規模の記事、ソーシャルシグナル、人的交流を評価して、全体のトップ 0.01% を占める今まさに取り上げるべきニュースを提供します。

｢良質なニュースを発掘し世界に届けるという私たちの使命の原動力は、AWS による、特に Amazon SageMaker によるものです。おかげで顧客にサービスを提供する開発サイクルを加速できました。Amazon SageMaker の使用は、ニュースキュレーションの手法、つまり深層学習を使用した記事の分類、ライフタイムバリューの予測、テキストおよびイメージの複合モデリングといった手法に大きく貢献しました。Amazon SageMaker やその他の AWS の AI ソリューションを使用して、さらなる高みに到達できるものと期待しています。｣

浜本階生氏、スマートニュース株式会社、共同創設者兼共同 CEO

Pioneer は、カーエレクトロニクスやモビリティサービスを含むデジタルエンターテインメントを専門とする多国籍企業です。Pioneer は、「心を動かし、感動を届ける」という企業理念によって運営されており、日常生活の中で顧客を支援する製品とサービスを提供しています。

「Amazon SageMaker と自動モデルチューニングなどのモデルトレーニング機能を活用して、非常に正確な機械学習モデルを開発したため、引き続きお客様のプライバシーを保護することができました。また、収益化プラットフォームを構築するために、アルゴリズムと事前にトレーニングされたモデルの両方に機械学習のための AWS Marketplace を活用することを期待しています」。

Kazuhiro Miyamoto 氏、Pioneer、情報サービスエンジニアリング部ゼネラルマネージャー

dely は、日本最大手のレシピ動画サービス、kurashiru (クラシル) の運営会社です。同社は、世界にインパクトを与えるレシピ動画サービスの構築に日々邁進しています。クラシルは、レシピ動画を使用して、ダイニングテーブルを彩るさまざまなおいしい料理のレシピを毎日紹介し、多くの人を助けています。日本では、数千万規模の人々が月額制のレシピサービスを視聴しています。

｢クラシルのサービスを開始して 2 年半がすぎ、ご好評をいただいておりますが、モバイル向けアプリは 1500 万ダウンロードを突破しました。機械学習などの先進テクノロジーを使用して、適切なタイミングに適切なコンテンツをユーザーに提供することは、大変重要だと考えています。それを実現できるのも、Amazon SageMaker を使用して、90 日で機械学習モデルを構築し、本番稼働にデプロイできたおかげです。また、コンテンツのパーソナライゼーションにより、クリックスルー率を 15% 向上させました。｣

大竹雅登氏、dely 株式会社、CTO

Ayla Networks はサンフランシスコを拠点とする IoT PaaS (Platform-as-a-Service) ソフトウェア企業で、消費者市場と商業市場の両者向けにソリューションを開発しています。

「Ayla Networks ではその信頼あるスケーラビリティと信頼性から、多くのお客様が AWS インフラストラクチャ環境を使用しているのを目にしています。特に、商業向けの製造業者は Ayla Cloud で装備のパフォーマンスデータを管理するために、Amazon SageMaker を活用しています。Amazon SageMaker と Ayla IQ 製品を使用することで、企業は製品やサービスの品質の向上につながり、さらには機械の故障を予測し、実際に故障が起こる前に、措置を講じる洞察と異常を明らかにすることができます。このソリューションでお客様が順調に事業を運営し、不安なく事業の成長、製造、拡大に専念できるようになります。

Prashanth Shetty 氏、Ayla Networks、グローバルマーケティング部問バイスプレジデント

FreakOut は、デジタル広告を中心とする、大手テクノロジー企業です。同社は、インターネット広告におけるリアルタイムの広告在庫トランザクション向けの製品と、ウェブを閲覧するためのデータ分析を提供しています。FreakOut は、機械学習を利用して、クリックスルー率 (CTR) とコンバージョン率 (CVR) を予測します。

「私たちは、機械学習トレーニング環境をオンプレミスから Amazon SageMaker に移行する途中です。Amazon SageMaker は、私たちのビジネスに向けてよりスケーラブルなソリューションを提供しています。Amazon SageMaker の自動モデルチューニング機能を使用すると、要件に合わせて非常に正確なモデルの最適化および見積りを行うことができます」

Jiro Nishiguchi 氏、FreakOut 社 CTO

「Wag! では、両面市場での需要と供給のニーズを満たす必要があります。AWS を使用した機械学習を使用して、お客様の犬の散歩の需要を予測することができました。AWS で機械学習アプリケーションを標準化することにより、エンジニアリングリソースが限られているにもかかわらず、大幅に改善されたペースとスケールで反復することにより、ビジネスニーズの継続的な成長に対応することができます。Amazon SageMaker を使用すると、機械学習の実験を高速化でき、45 日分に相当するモデルのトレーニングのためのコンピューティング時間を 3 日間に短縮できます。」

Dave Bullock 氏、エンジニアリングおよび運用技術担当バイスプレジデント、Wag Labs Inc.

Infoblox は、セキュアなクラウドマネージドネットワークサービスのリーダーであり、ネットワークコア、つまり DNS、DHCP、および IP アドレス管理 (総称して DDI と呼ばれます) を管理し、その安全性を維持することを企図しています。

「Infoblox では、Amazon SageMaker を使用して DNS セキュリティ分析サービスを構築しました。このサービスは、ホモグラフを作成して価値の高いドメイン名ターゲットになりすまし、それらを使ってマルウェアを落とし、ユーザー情報をフィッシングし、ブランドの評判を攻撃する悪意のあるアクターを検出します。AWS はクラウドのエンタープライズ標準であり、SageMaker が提供する複数の機能を活用して ML モデルの開発を加速できます。SageMaker の自動モデルチューニング機能を使用して、実験をスケーリングし、精度を 96.9 ％に向上させました。SageMaker のおかげで、セキュリティ分析サービスの一部である IDN ホモグラフ検出器は、ホモグラフドメインの 6,000 万を超える解決を特定し、毎月数百万以上の解決を見つけ続けているため、お客様はブランドの悪用を迅速に検出できます」

Femi Olumofin 氏、Infoblox の分析アーキテクト

サンフランシスコに拠点を置く個人向け金融会社である NerdWallet は、クレジットカード、銀行、投資、ローン、保険などの金融商品のレビューと比較に関する情報を提供しています。

「NerdWallet は、データサイエンスと ML を利用して、お客様をパーソナライズされた金融商品に結び付けています。当社が AWS で ML ワークロードを標準化することにしたのは、データサイエンスのエンジニアリングプラクティスを迅速に最新化して、障害を取り除き、サービス提供までの時間を短縮することができるからでした。Amazon SageMaker を使用することで、当社のデータサイエンティストは、戦略面での検討により多くの時間を費やすことできるとともに、競争上の優位性がある分野、すなわち、ユーザーの問題への洞察を得て、解決につなげることにより多くのエネルギーを集中させることができます」

Ryan Kirkman 氏、NerdWallet 社のシニアエンジニアリングマネージャー

Splice は、ミュージシャンによって構築された、ミュージシャンのためのクリエイティブプラットフォームであり、アーティストが秘めている真の創造性を引き出します。このサブスクリプションをベースとした作曲スタートアップ企業は、2013 年に設立され、現在、完璧なサウンドを求めてカタログを検索する 300 万人を超えるミュージシャンを顧客として抱えています。

「サウンドやプリセットのカタログが増えるにつれて、適切なサウンドを見つけるという課題も増加しています。これが、Splice が最高レベルの検索および発見機能の構築に投資した理由です。AWS で ML ワークロードを標準化することにより、ミュージシャンとミュージシャンが探しているサウンドをこれまで以上に簡単につなげることを目的とした、新しいユーザー向けサービスを作成しました。Similar Sounds のリリース以降、検索コンバージョンは 10% 近く増加しています。当社は、Amazon SageMaker を活用して、テキストベースの検索を完全に補完しました。これにより、ユーザーは、以前は不可能だった方法でカタログを見つけて操作できるようになりました」

Alejandro Koretzky 氏、Splice 社の Head of Machine Learning & Principal Engineer

「機械学習を導入する前に当社でできることは、履歴書 (CV) のテキストを検索することぐらいでした。しかし、光学式文字認識機能が不足していたため、すべての CV を検索することができませんでした。Amazon Textract を使用することで、今ではあらゆるドキュメントのコンテンツを抽出することや、Elasticsearch クラスターにアップロードされたすべてのファイルにインデックスを付けることができます。Elasticsearch の使用により、すべてのアップロードされたドキュメントを検索できるようになりました。それにより、検索速度は従来の SQL 検索よりも 10 倍速くなっています。さらに、Amazon SageMaker を使用して単語のベクトル化も実装し、検索クエリに関連語句を追加することもできるようにもなりました。この処理は、候補者を正確に分類して、選別することに役立っています。また、CV で使用されている同義語や代替表現によって引き起こされるエラーを排除することもできます。Amazon SageMaker や Amazon Textract を使用することで、よりスマートで、より質の高い候補者を採用担当者に紹介することができます。安定したパフォーマンス、ワールドワイドな可用性、信頼性こそが Audeosoft の成功の秘訣です。AWS との提携を決定したのは約 8 年前のことです。当社は、将来を見据えたとき、AWS が優れたパートナーになると考えていました。優先するクラウドプロバイダーとして AWS を選択することで、今後何年にもわたって、私たちと同じ意欲や、革新を生み出すという同じ目標を抱くパートナーを持つことができています」

Marcel Schmidt 氏、CTO - Audeosoft

Freshworks は米国やインドを拠点とする B2B SaaS ユニコーンであり、世界中の中小企業 (SMB) およびミッドマーケットビジネスに対応しています。同社は、顧客エンゲージメントと従業員エンゲージメントのワークフロー向けに、強力で使いやすいアプリケーションのポートフォリオを提供します。

「Freshworks では、フラッグシップ AI/ML サービスである Freddy AI スキルを構築しました。エージェントがユーザーのクエリに対処し、サポートチケットを適切に解決する際に役立つハイパーパーソナライズされたモデルを備えた Freddy AI スキル、セールスおよびマーケティングチームが付けた優先順位に沿って迅速に商談を成立させ、お客様導入マネージャーはチャーンリスクを削減し、ビジネスを成長させます。お客様のユースケースに最適化された機械学習モデルを簡単に構築、トレーニング、デプロイできるため、ML ワークロードを AWS で標準化することを決めました。Amazon SageMaker のおかげで、11,000 人の顧客に向けて 30,000 以上のモデルを構築し、これらのモデルのトレーニング時間を 24 時間から 33 分未満に短縮しました。SageMaker モデルモニターを使用すれば、データのドリフトを追跡し、モデルを再トレーニングして精度を確保できます。Amazon SageMaker を搭載した Freddy AI スキルは、スマートアクション、ディープデータインサイト、インテント主導の会話で常に進化しています」。

Tejas Bhandarkar 氏、Senior Director of Product – Freshworks Platform

Veolia Water Technologies は、経験豊富な設計会社であり、上水道および下水道の処理における技術的なソリューションとサービスを専門とするプロバイダーです。

「わずか 8 週間で、AWS と協力して淡水化プラントで浄水膜の洗浄および交換のタイミングを予測するプロトタイプを開発しました。Amazon SageMaker を使用して、過去のパターンから学習し、ファウリングインジケーターの将来の進化を予測する機械学習モデルを構築しました。機械学習のワークロードを AWS で標準化することにより、供給される水の品質を向上させつつコストを削減しダウンタイムを避ける事ができました。これらの結果は、技術的な経験、信頼、そして双方のチームの『きれいで安全な水の途切れることのない供給』という目標を達成するための献身なくして実現することはできなかったでしょう」

Aude GIARD 氏、Chief Digital Officer – Veolia Water Technologies

Sportradar は、スポーツデータの主要プロバイダーであり、リアルタイムのスポーツデータを世界中の 65 を超えるリーグに提供しています。同社は最先端のインサイトを発信するため、Amazon ML Solutions Lab と連携して、サッカーのゴール予測モデルを開発しました。

「当社は、AWS の機械学習の性能をテストするために、コンピュータビジョンに関する最も難しい問題の 1 つを意図的に Amazon ML Solutions Lab チームに提示しました。その結果は非常に満足のいくものでした。チームは、Amazon SageMaker を使用して、実際のサッカーの試合において 2 秒先のゴールを予測する機械学習モデルを構築しました。このモデルだけでも、新たなたくさんのビジネスチャンスが開かれました。当社は AWS での機械学習ワークロードを標準化しようとしています。AWS では、ビジネスにおけるイノベーションを促進して、コストとレイテンシーに関する要件を満たすことのできるモデルを構築、トレーニング、デプロイできるためです」  

Ben Burdsall 氏、CTO – Sportradar

F.エフ・ホフマン・ラ・ロシュ（ロシュ）は、医薬品と診断を専門とするスイスの多国籍ライフサイエンス企業です。

「クラウドで ML ワークフローを体系化できるようにチームを後押しする目的で、Amazon Machine Learning ソリューションラボと協力して、Amazon SageMaker ワークショップを提供し、SageMaker がデータサイエンティストの ML 構築プロセスを合理化する方法を示しました。ワークショップ以降、ML ワークロードの 80％ が AWS で実行されるため、チームは ML モデルを 3 倍速く本番環境に移行できます。SageMaker と AWS スタックのおかげで、オンプレミスの可用性に制約されることなく、コンピューティングリソースを使用してオンデマンドでトレーニングできるようになります」。  

Gloria Macia、データサイエンティスト - ロシュ

「Guru では、あなたの仕事に必要な知識があなた自身を発見するものだと信じています。私たちは、チームの最も価値のある情報を収集し、それを信頼できる唯一の情報源に整理するナレッジマネジメントソリューションです。AI を活用することで、あなたが作業しているところにリアルタイムに知識を推奨し、正確性を確保し、知識ベース全体をより適切に管理できるようにします。私たちの成長する製品データサイエンスチームは、近代の機械学習のチームが持つ課題のすべて (機械学習システムの大規模な構築、トレーニング、デプロイ)に直面しており、これらの課題のいくつかを克服する手段として Amazon SageMaker に依存しています。現在、SageMaker Inference を活用して、機械学習モデルをより迅速に本番環境にデプロイしています。SageMaker Inference は、お客様に価値を提供するという最大の目標を達成する助けになっています。」  

Nabin Mulepati 氏、Staff ML Engineer – Guru

COVID-19 パンデミックにおけるアソシエイトの安全に関し、Amazon Operations チームは、Amazon のコミットメントの一環として機械学習ソリューションをデプロイし、世界中にある 1,000 か所を超えるオペレーションの建物でソーシャルディスタンスの習慣を保てるようサポートしています。Amazon Operations は、Amazon Machine Learning Solutions Lab と協力し、Amazon SageMaker を使用して、距離を推定するための最先端のコンピュータビジョンモデルを作成しました。

「AWS での機械学習ワークロードを標準化し、ML Solutions Lab のエキスパートと連携することで、推定を行う革新的なモデルセットを作成できました。手作業で確認する労力を最大で 30% 節約できる可能性があります。Amazon SageMaker を使用すると、1 日に何百時間もかけて手作業で確認する必要がなくなり、安全および精度の向上により多くの時間を費やすことができるようになります」

Russell Williams、ディレクター、ソフトウェア開発 – Amazon OpsTech IT

Freddy's Frozen Custard & Steakburgers は、他にはない組み合わせを提供するクックツーオーダーのファストカジュアルレストランです。ステーキバーガー、Vienna Beef ホットドッグ、細長いフライドポテト、かくはんしたばかりのフローズンカスタードなど、さまざまなおいしい料理を取り扱っています。創業は 2002 年で、2004 年にフランチャイズ化されました。現在 Freddy's は、32 州にわたって約 400 店のレストランを展開しています。

「以前は、単に同じように見えるレストランを 2 店選んだものでした。しかし今では、メニュー、お客様、場所という要素の関係について正しく理解しています。Domo の新しい機械学習機能を強化する Amazon SageMaker Autopilot により、マーケティングや購入チームが増強され、新しいアイデアを試したり、カスタマーエクスペリエンスを向上させたりできています」

Freddy's – IT ディレクター、Sean Thompson 氏

「Vanguard のデータサイエンティストとデータエンジニアが、分析と機械学習のために単一のノートブックで共同作業できるようになりました。Amazon SageMaker Studio に Spark、Hive、Presto との統合機能が組み込まれ、すべて Amazon EMR で動作するようになったため、開発チームの生産性が向上しました。この単一の開発環境によって、私たちのチームは機械学習モデルの構築、トレーニング、デプロイに集中することができます。」

Doug Stewart 氏、データおよび分析担当シニアディレクター – Vanguard

「お客様が Amazon SageMaker Studio のノートブックから直接 Spark、Hive、Presto ワークフローを実行できるように、Amazon SageMaker Studio から直接 Amazon EMR クラスターを作成・管理する機能を待ち望んでいました。Amazon SageMaker が Spark や機械学習ジョブの管理を簡素化するこの機能をネイティブに構築したことを嬉しく思います。これにより、お客様のデータエンジニアとデータサイエンティストがより効果的に連携し、インタラクティブなデータ分析を行い、EMR ベースのデータ変換による機械学習パイプラインを開発することが可能になります。」

Stepan Pushkarev 氏、CEO – Provectus

「Climate では、世界中の農家に正確な情報を提供して、データ主導の意思決定を行えば、1 エーカーあたりの収益を最大化できると信じています。これを実現するために、機械学習ツールなどのテクノロジーに投資して、栽培者の収穫量など、特徴量と呼ばれる測定可能なエンティティを使用してモデルを構築しました。Amazon SageMaker Feature Store を使用すれば、複数のチームが特徴量に簡単にアクセスして、再利用できる一元的な特徴量ストアを備えた ML モデルの開発を加速できます。SageMaker Feature Store を使用すると、オンラインストアを使用してリアルタイムで特徴量にアクセスしたり、さまざまなユースケースでオフラインストアを使用してスケジュール通りに特徴量を実行したりできます。SageMaker Feature Store を使用すれば、ML モデルをより迅速に開発できます」

Atul Kamboj、シニアデータサイエンティスト-iCare、オーストラリアニューサウスウェールズ州政府保険・医療機関、データおよび分析担当副社長、Daniel McCaffrey、気候担当

「Experian は、消費者が金融生活において信用を理解して利用できるようにし、貸し手が信用リスクを管理できるよう支援することが私たちの責任であると信じています。財務モデルを構築するためのベストプラクティスを引き続き実装する際に、機械学習を活用する製品の生産を加速するソリューションを検討しています。Amazon SageMaker Feature Store は、ML アプリケーションの特徴量を保存して再利用するための安全な方法を提供します。複数のアカウントにわたってリアルタイムアプリケーションとバッチアプリケーションの両方の一貫性を保つ特徴量は、当社のビジネスにおける重要な要件です。Amazon SageMaker Feature Store の新機能を使用することで、お客様が信用を管理し、ニューエコノミーのコストを削減できるようになります」

Geoff Dzhafarov、チーフエンタープライズアーキテクト、Experian Consumer Services

「DeNA は、インターネットと AI/ML を使用してインパクトと喜びを提供することを使命としています。価値に基づくサービスを提供することが私たちの主な目標であり、その目標を達成するためのビジネスとサービスを確保したいと考えています。私たちは、組織全体で特微量を発見し、再利用したいと考えています。Amazon SageMaker Feature Store は、さまざまなアプリケーションで特微量を再利用するための簡単で効率的な方法で私たちを支援してくれます。Amazon SageMaker Feature Store は、特徴量の標準的な定義を保守する場合にも役に立ちますし、モデルをトレーニングして本番環境にデプロイする際の一貫した方法論を支援します。Amazon SageMaker のこれらの新機能により、ML モデルのトレーニングとデプロイをより迅速に行うことができるため、最高のサービスでお客様に喜んでいただけます」

山田憲晋氏、AI システム部部長、DeNA

「United Airlines では、機械学習 (ML) を使用して一人ひとりに合わせたオファーを提供することでカスタマーエクスペリエンスを向上させ、お客様が Travel Readiness Center を使用できるようにしています。機械学習は、空港運営、ネットワーク計画、フライトスケジューリングにも応用されています。パンデミックの終わりが見え始めたとき、Amazon SageMaker は Travel Readiness Center で重要な役割を果たし、ドキュメントベースのモデル自動化を使用して大量の COVID 検査証明書、ワクチンカードを処理できるようにしました。Amazon SageMaker の新しいガバナンス機能により、機械学習モデルの制御と可視性が向上しました。SageMaker Role Manager は、IAM ロールにリンクされた各ペルソナに基本的な権限と機械学習アクティビティを提供することで、ユーザー設定プロセスを大幅に簡素化します。SageMaker Model Cards を使用すると、チームはレビューのためにモデル情報をプロアクティブに取得して共有できます。また、SageMaker Model Dashboard を使用して、社内機械学習プラットフォームである MARS にデプロイされたモデルを検索および表示できます。このような新しいガバナンス機能により、時間を大幅に節約し、スケールアップすることができました」

United Airlines の機械学習エンジニアリングおよびオペレーション担当ディレクター、Ashok Srinivas 氏

「Capitec では、製品ライン全体にさまざまなデータサイエンティストがいて、さまざまな機械学習ソリューションを構築しています。当社の機械学習エンジニアは、Amazon SageMaker 上に構築された一元的なモデリングプラットフォームを管理して、これらすべての機械学習ソリューションの開発とデプロイを推進しています。組み込みツールがなしにモデリングの取り組みを追跡すると、ドキュメントがばらばらになり、モデルの可視性が失われる傾向があります。SageMaker Model Cards を使用すると、統合された環境で多数のモデルメタデータを追跡でき、SageMaker Model Dashboard により、各モデルのパフォーマンスを可視化できます。さらに、SageMaker Role Manager は、さまざまな製品ラインでデータサイエンティストのアクセスを管理するプロセスを簡素化します。これら一つ一つが、当社のモデルガバナンスが金融サービスプロバイダーとしてのクライアントの信頼を確実に得るのに十分なものとなることに寄与しています」

Capitec Bank の機械学習エンジニア、Dean Matter 氏

世界一の PC メーカーである Lenovo™ は、最近、Amazon SageMaker を最新の予知保全製品に組み込みました。 United Airlines の機械学習エンジニアリングおよびオペレーション担当ディレクター、Ashok Srinivas 氏

「新しい SageMaker Edge Manager は、デプロイ後にモデルを最適化、監視、継続的に改善するために必要な手作業を排除する場合に役に立ちます。これにより、他の同等の機械学習プラットフォームよりモデルの実行速度が速くなり、メモリの使用量が減少することが期待されます。SageMaker Edge Manager を使用すれば、エッジで自動的にデータをサンプリングしてクラウドへと安全に送信し、デプロイ後も継続的にデバイスごとに各モデルの品質を監視できます。これにより、世界中のエッジデバイスでモデルをリモートで監視、改善、更新できると同時に、私たちとお客様の時間とコストを節約できます」

Igor Bergman、Lenovo バイスプレジデント、PC およびスマートデバイスのクラウドおよびソフトウェア。

Basler AG は、産業、医療、輸送、その他のさまざまな市場に向けて高品質デジタルカメラとアクセサリーを提供する大手メーカーです。

「Basler AG は、製造、医療、小売業のアプリケーションなど、さまざまな業界でインテリジェントなコンピュータビジョンにおけるソリューションを提供しています。Amazon SageMaker Edge Manager によって実現された新機能でソフトウェアの提供を拡張できることを嬉しく思います。機械学習ソリューションのパフォーマンスと信頼性を確保するには、エッジデバイスの機械学習モデルを継続的に監視、維持、改善できる、スケーラブルなエッジツークラウド MLOps ツールが必要です。SageMaker Edge Manager を使用すれば、エッジで自動的にデータをサンプリングしてクラウドへと安全に送信し、デプロイ後も継続的にデバイスごとに各モデルの品質を監視できます。これにより、世界中のエッジデバイスでモデルをリモートで監視、改善、更新できると同時に、私たちとお客様の時間とコストを節約できます」

Basler、ソフトウェアソリューション責任者、Mark Hebbel 氏。

主要な金融サービス機関である NatWest Group は、組織全体で ML モデルの開発とデプロイのプロセスを標準化し、新しい ML 環境を作成するためのターンアラウンドサイクルを 40 日から 2 日に短縮し、ML ユースケースの価値実現までの時間を 40 週間から 16 週間に短縮しました。

「多くの手動プロセスを作成するのではなく、Amazon SageMaker Studio 内で簡単に機械学習開発プロセスのほとんどを自動化できます。」 

Cherry Cabading、グローバルシニアエンタープライズアーキテクト – AstraZeneca

Janssen は、Amazon SageMaker を含む AWS のサービスを採用して、自動化された MLOps プロセスを実装しました。これにより、モデル予測の精度が 21% 向上し、特徴量エンジニアリングの速度が約 700% 向上しました。これらにより、Janssen は効率性を高めながらコストを削減することができました。

「Amazon SageMaker は、機械学習モデルを大規模にテストおよびデプロイするために必要なツールを使用して、MLOps チームの効率を向上させます。」

Samir Joshi 氏、ML エンジニア – Qualtrics

「Amazon SageMaker Data Wrangler を使用すると、新製品を市場に投入するために必要な ML データ準備のプロセスを加速する変換ツールの豊富なコレクションを使用して、すぐに全力でデータ準備のニーズに対応することが可能となります。そして、当社のクライアントのニーズを満たす測定可能かつ持続可能な結果を数か月ではなく数日で提供することを可能にする、デプロイされたモデルをスケールする速度により、当社のお客様は恩恵を受けます」

Deloitte、プリンシパル、AI Ecosystems and Platforms Leader、Frank Farrall 氏

「当社のエンジニアリングチームは AWS プレミアコンサルティングパートナーとして AWS と緊密に連携して、お客様が運用効率を継続的に改善できるように革新的なソリューションを構築しています。ML は当社の革新的なソリューションの中核となりますが、データ準備ワークフローには高度なデータ準備技術が含まれているため、本稼働環境で運用できるようになるまでかなりの時間がかかります。データサイエンティストは、Amazon SageMaker Data Wrangler を使用して、データの選択、消去、探索、視覚化など、データ準備ワークフローの各ステップを完了することができます。これにより、データ準備プロセスを加速し、ML 用のデータを簡単に用意することができます。Amazon SageMaker Data Wrangler を使用すれば、ML 用のデータをより迅速に準備できます」

NRI 日本、常務執行役員、大元成和氏

「Population Health Management 市場における当社の活動の場は、より多くの医療費の支払者、医療提供者、薬剤給付管理者、およびその他の医療機関に拡大し続けているため、クレームデータ、登録データ、および薬局データなどのデータを ML モデルに供給するデータソースのエンドツーエンドプロセスを自動化するソリューションが必要でした。Amazon SageMaker Data Wrangler を使用することで、検証と再利用が容易な一連のワークフローを使用して、ML のためにデータを集約して準備するのにかかる時間を短縮できます。これにより、モデルの配信時間と質が劇的に向上し、データサイエンティストがより多くの成果を生み出し、データの準備にかかる時間が 50% 近く短縮されました。さらに、SageMaker Data Wrangler は、複数の ML のイテレーションと大幅な GPU 時間を節約し、薬局、診断コード、ER 訪問、および患者の入院だけでなく、人口統計学的およびその他の社会的決定要因など、何千もの特徴量を備えたデータマートを構築できるため、クライアントのためのエンドツーエンドプロセス全体を高速化するのに役立ちました。SageMaker Data Wrangler を使用すると、トレーニングデータセットを構築するために優れた効率でデータを変換し、ML モデルを実行する前にデータセットに関するデータインサイトを生成し、大規模な推論/予測のためにリアルワールドデータを準備できます」

Equilibrium Point IoT、CEO、Lucas Merrow 氏

iCare はニューサウスウェールズ州政府機関で、オーストラリアのニューサウスウェールズ州の 329,000 を超える公的および民間部門の雇用者とその 320 万人の従業員に労働者災害補償保険を提供しています。さらに、iCare は建設業者や住宅所有者に保険をかけ、ニューサウスウェールズ州の道路で重傷を負った人々に治療とケアを提供し、シドニーオペラハウス、シドニーハーバーブリッジ、学校、病院など、2,666 億 USD 以上の NSW 州政府資産を保護しています。

「Insurance and Care (iCare) NSW のビジョンは、保険と医療に対する人々の考え方を変えることです。Amazon SageMaker により、iCare は長期間患う粉塵病患者を早期に特定するための深層学習モデルの構築とトレーニングが可能になりました。この早期発見により、命を脅かす状態を防ぐことができます。以前の研究によると、患者の 39％ で珪肺症の徴候が見逃されたか、検出できませんでした。AI 支援診断により、医師は支援なしの診断が 71％ だったのに対し、80％ の症例を正確に特定できるようになりました。このプロジェクトを実施したあと、他のプロジェクトでソリューションやプロセスを開発するため Amazon SageMaker にリソースを提供しています。以前よりも迅速かつ簡単であることが証明され、ニューサウスウェールズ州の人々に医療ケアを提供するための取り組みを簡単に拡大できるようになりました。」

iCare、NSW 州政府 Insurance and Care エージェンシー、オーストラリア - シニア データ サイエンティスト、Atul Kamboj 氏