地理空間機器學習 (ML) 的 Amazon SageMaker 客戶
Arup
Arup 致力於永續發展，擁有 16,000 名設計師、顧問和專家，分佈在 140 個國家工作。該公司的成立宗旨是在所做的每一件事中追求人性和卓越，他們與客戶和合作夥伴合作，利用想像力、技術和嚴謹來塑造一個更美好的世界。
「我們使用機器學習等數位技術來探索熱度對城市地區的影響以及影響當地氣溫的因素，以提供更好的設計並支持永續成果。熱島效應以及相關風險和不適是如今城市面臨的最大挑戰之一。使用 Amazon SageMaker 地理空間機器學習 (ML) 功能，能幫助我們使用地球觀測資料辨識與測量城市熱度因素，這大幅提升了我們為客戶提供諮詢的速度。其使我們的工程團隊能透過提供對更大資料集的更多數量、類型和分析的存取，來執行以前不可能進行的分析。」
Arup 地理空間與地球觀測總監暨主管 Damien McCloud
xarvio
xarvio 數位農業解決方案提供精準的數位農業產品，幫助農民最佳化作物生產。xarvio 的產品在全球銷售，使用機器學習、影像辨識技術以及先進的作物和疾病模型，結合來自衛星和氣象站設備的資料，提供既準確又及時的農學建議，以管理各片田地的需求。xarvio 產品根據當地農學條件量身打造，可以監測生長階段並辨識病蟲害。其可以提升效率、節省時間、降低風險並為規劃和決策提供更高的可靠性，同時為永續農業做出貢獻。
「快速的原型開發和持續維護我們的機器學習資產是我們最重要的優先事項之一。Amazon SageMaker 地理空間機器學習 (ML) 功能提供強大的解決方案，以開發原型並在其生命週期內控管各種模型。透過 Amazon SageMaker，我們得以提升近 50% 的效率。我們的團隊能在短短 1-2 週內設定所需的模型管道並執行測試，這幾乎是我們之前所需時間的一半。」
xarvio 遠端感應團隊主管 Mojtaba Karami
DataFarming
DataFarming 是精準農業的佼佼者。
「採訪農業公司（例如種子、肥料和化學產品）時，我們驚訝地發現這些公司幾乎都根據有限的、主要是主觀的資料做出數百萬美元的決策。這些公司經常無法回答最關鍵的問題，比如說「有多少土地可拿來播種？」或「何時能收割作物？」 做為近 20 年來各種類型衛星影像的熱衷用戶，很明顯的，我們希望利用地理空間資料的力量來幫助農業公司找到這些問題的答案，並幫助他們在該領域做出更明智的決策。然而，以 1000 萬像素解析度（而且是及時）在超過 1 億英畝的澳洲農田上執行複雜的機器學習算法極具挑戰性。透過 Amazon SageMaker 地理空間機器學習 (ML) 功能，我們可以在幾小時內將概念轉換為工作模型。」
DataFarming 共同創辦人 Tim Neale
SatSure
SatSure 是一家總部位於印度的決策智慧解決方案領頭羊公司，該公司正在使用地球觀測資料和深度學習模型為各種使用案例產生洞見，從全天候作物監測和農場風險評分到土地覆蓋變化偵測和土地特徵辨識。
「在處理來自衛星影像的大型資料集時，建置經濟實惠的可擴展、最先進的深度學習模型極具挑戰性。Amazon SageMaker 的工具庫協助簡化了複雜的深度學習模型的端到端管道開發。其於模型開發的生命週期內為我們節省了 25% 的成本，同時還讓我們能專心開發創新解決方案。我們想使用 Amazon SageMaker 功能開發一個數位應用程式，該應用程式將低解析度衛星影像用於學習型農業農場邊界。Amazon SageMaker 內建的地理空間演算法、Feature Store 以及自動參數調校，我們得以用敏捷的方式開發該應用程式，確保我們達成所有成功指標。」
SatSure 共同創辦人暨首席資料長 Rashmit Singh Sukhmani
EarthOptics
EarthOptics 是一家土壤資料測量和繪圖公司，利用專門感應器技術和資料分析來精確測量土壤的健康狀況和結構。
「我們想用機器學習 (ML) 幫助客戶透過經濟實惠的土壤地圖來提生農業產量。Amazon SageMaker 地理空間機器學習 (ML) 功能使我們能夠使用多個資料來源快速構建算法原型，並將研究和生產 API 部署之間的時間縮短到僅僅一個月。多虧了 Amazon SageMaker，我們現在為美國各地的農場和牧場部署了用於土壤碳固存的地理空間解決方案。」
EarthOptics 執行長 Lars Dyrud