„Bei INVISTA sind wir von Transformation getrieben und wollen Produkte und Technologien entwickeln, von denen Kunden auf der ganzen Welt profitieren. Wir sehen ML als eine Möglichkeit, das Kundenerlebnis zu verbessern. Angesichts der Datensätze, die sich über Hunderte von Millionen Zeilen erstrecken, brauchten wir jedoch eine Lösung, die uns hilft, Daten vorzubereiten und ML-Modelle in großem Maßstab zu entwickeln, bereitzustellen und zu verwalten. Mit Amazon SageMaker Data Wrangler können wir unsere Daten jetzt interaktiv auswählen, bereinigen, untersuchen und verstehen, sodass unser Data-Science-Team Feature-Engineering-Pipelines erstellen kann, die mühelos auf Datensätze skaliert werden können, die Hunderte von Millionen von Zeilen umfassen. Mit Amazon SageMaker Data Wrangler können wir unsere ML-Workflows schneller operationalisieren.“

Caleb Wilkinson, ehemaliger Lead Data Scientist – INVISTA

„Mit ML verbessert 3M bewährte Produkte wie Sandpapier und treibt Innovationen in mehreren anderen Bereichen voran, darunter im Gesundheitswesen. Da wir planen, ML auf weitere Bereiche von 3M zu skalieren, sehen wir, dass die Menge an Daten und Modellen schnell wächst und sich jedes Jahr verdoppelt. Wir sind von den neuen SageMaker-Funktionen begeistert, weil sie uns bei der Skalierung helfen. Amazon SageMaker Data Wrangler macht es viel einfacher, Daten für das Modelltraining vorzubereiten, und der Amazon SageMaker Feature Store macht es überflüssig, immer wieder dieselben Modellfunktionen zu erstellen. Schließlich wird uns Amazon SageMaker Pipelines dabei helfen, die Datenvorbereitung, Modellerstellung und Modellbereitstellung in einen End-to-End-Workflow zu automatisieren, damit wir die Markteinführungszeit für unsere Modelle verkürzen können. Unsere Forscher freuen sich darauf, die neue Geschwindigkeit der Wissenschaft bei 3M zu nutzen.“

David Frazee, ehemaliger Technical Director, 3M Corporate Research Systems Lab

„Amazon SageMaker Data Wrangler ermöglicht es uns, mit einer umfangreichen Sammlung von Transformationstools, die den Prozess der ML-Datenvorbereitung, der für die Markteinführung neuer Produkte erforderlich ist, zu beschleunigen, um unsere Anforderungen an Datenvorbereitung zu erfüllen. Unsere Kunden wiederum profitieren von der Geschwindigkeit, mit der wir eingesetzte Modelle skalieren, die es uns ermöglicht, innerhalb von Tagen statt Monaten messbare, nachhaltige Ergebnisse zu liefern, die die Bedürfnisse unserer Kunden erfüllen.“

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

„Als AWS Premier Consulting Partner arbeiten unsere Engineering-Teams sehr eng mit AWS zusammen, um innovative Lösungen zu entwickeln, die unseren Kunden dabei helfen, die Effizienz ihres Betriebs kontinuierlich zu verbessern. ML ist der Kern unserer innovativen Lösungen, aber unser Datenvorbereitungs-Workflow umfasst ausgefeilte Datenvorbereitungstechniken, deren Operationalisierung in einer Produktionsumgebung daher viel Zeit in Anspruch nimmt. Mit Amazon SageMaker Data Wrangler können unsere Datenwissenschaftler jeden Schritt des Datenvorbereitungs-Workflows abschließen, einschließlich Datenauswahl, Bereinigung, Exploration und Visualisierung, was uns hilft, den Datenvorbereitungsprozess zu beschleunigen und unsere Daten einfach für ML vorzubereiten. Mit Amazon SageMaker Data Wrangler können wir Daten schneller für ML vorbereiten.“

Shigekazu Ohmoto, Senior Corporate Managing Director, NRI Japan

„Da sich unsere Präsenz auf dem Markt für bevölkerungsbezogenes Gesundheitsmanagement weiter auf immer mehr Gesundheitszahler, Leistungserbringer, Apothekenleistungsverwalter und andere Gesundheitswesenorganisationen ausdehnt, benötigten wir eine Lösung zur Automatisierung von End-to-End-Prozessen für Datenquellen, die unsere Modelle für ML füttern, einschließlich Anspruchsdaten, Registrierungsdaten und Apothekendaten. Mit Amazon SageMaker Data Wrangler können wir jetzt die Zeit zum Aggregieren und Vorbereiten von Daten für ML beschleunigen, indem wir eine Reihe von Workflows verwenden, die einfacher zu validieren und wiederzuverwenden sind. Dies hat die Lieferzeit und Qualität unserer Modelle dramatisch verbessert, die Effektivität unserer Datenwissenschaftler erhöht und die Datenvorbereitungszeit um fast 50 % reduziert. Darüber hinaus hat uns SageMaker Data Wrangler geholfen, mehrere Iterationen von ML und erhebliche GPU-Zeit zu sparen und den gesamten End-to-End-Prozess für unsere Kunden zu beschleunigen, da wir jetzt Data Marts mit Tausenden von Funktionen erstellen können, darunter Apotheken, Diagnosecodes, Notaufnahmebesuche, stationäre Patientenaufenthalte sowie demografische und andere soziale Determinanten. Mit SageMaker Data Wrangler können wir unsere Daten mit überlegener Effizienz zum Erstellen von Trainingsdatensätzen transformieren, Datenerkenntnisse in Datensätze generieren, bevor Modelle für ML ausgeführt werden und reale Daten für maßstabsgetreue Inferenz/Vorhersagen vorbereiten.“

Lucas Merrow, CEO, Equilibrium Point IoT