“En Climate, nos gusta proporcionar a los agricultores de todo el mundo información precisa para que tomen decisiones controladas por datos y puedan optimizar el rendimiento de cada hectárea. Para lograrlo, invertimos en tecnologías como las herramientas de machine learning que permiten crear modelos a partir de entidades medibles conocidas como características, por ejemplo, el rendimiento de un campo de cultivo. Gracias al almacén de características de Amazon SageMaker, podemos acelerar el desarrollo de modelos de ML mediante un almacén de características central al que se puede acceder y reutilizar en varios equipos con facilidad. Asimismo, facilita el acceso a las características en tiempo real con el almacén en línea o la ejecución de estas de forma programada mediante el almacén sin conexión para diferentes casos de uso. Gracias al almacén de características de SageMaker, podemos desarrollar modelos de ML mucho más rápido”.

Daniel McCaffrey, vicepresidente de datos y análisis de Climate

“En 2017, optamos por crear la nueva plataforma de machine learning de Intuit en AWS, con lo que combinamos las potentes capacidades de Amazon SageMaker en cuanto al desarrollo, el entrenamiento y el alojamiento de modelos con las capacidades propias de Intuit relativas a la orquestación y la ingeniería de características. Gracias a ello, redujimos el ciclo de vida del desarrollo de nuestros modelos de forma drástica. Lo que antes nos llevaba seis meses completos ahora nos lleva menos de una semana, lo que nos permite introducir las capacidades de IA en nuestros productos TurboTax, QuickBooks y Mint con gran rapidez. Trabajamos en estrecha colaboración con AWS para el lanzamiento del almacén de características de Amazon SageMaker y, por ello, estamos muy entusiasmados ante la posibilidad de contar con un almacén completamente administrado, que nos permita prescindir de mantener varios repositorios de características en toda nuestra organización. Nuestros científicos de datos podrán utilizar las características existentes desde un almacén central e impulsar tanto la estandarización como la reutilización de estas en todos los equipos y modelos”.

Mammad Zadeh, vicepresidente de ingeniería de la plataforma de datos de Intuit

“En Experian, creemos que es nuestra responsabilidad brindar a los consumidores los medios para comprender y utilizar los créditos en lo que respecta a su vida financiera, y ayudar a los acreedores a administrar el riesgo crediticio. A medida que sigamos aplicando prácticas recomendadas para crear nuestros modelos financieros, buscaremos soluciones que agilicen la elaboración de productos que utilicen la tecnología de machine learning. El almacén de características de Amazon SageMaker nos proporciona un modo seguro de almacenar y reutilizar características en nuestras aplicaciones de ML. La capacidad de mantener la consistencia de las aplicaciones en tiempo real y por lotes en varias cuentas supone un requisito clave para nuestra empresa. El uso de las nuevas capacidades del almacén de características de Amazon SageMaker nos permite capacitar a nuestros clientes para que asuman el control de su crédito y reduzcan los costos en la nueva economía”.

Geoff Dzhafarov, arquitecto comercial principal de Servicios al Consumidor de Experian

“En DeNA, nuestra misión es generar efectos positivos e interés mediante el uso de Internet y la IA o el ML. Nuestro objetivo principal es proporcionar servicios basados en el valor, por lo que queremos asegurarnos de que nuestros negocios y servicios están preparados para lograr dicho objetivo. Nos gustaría descubrir y reutilizar características en toda la organización y el almacén de características de Amazon SageMaker nos sirve ayuda, ya que supone una manera fácil y eficiente de reutilizar características para diferentes aplicaciones. El almacén de características de Amazon SageMaker también nos ayuda a mantener definiciones de características estándar y a contar con una metodología consistente a medida que entrenamos los modelos y los implementamos en la fase de producción. Con estas nuevas capacidades de Amazon SageMaker, podemos entrenar e implementar modelos de ML con mayor rapidez, lo que nos lleva a continuar con nuestro propósito de ofrecer a nuestros clientes los mejores servicios”.

Kenshin Yamada, gerente general de la unidad del Departamento de Sistemas de IA, de DeNA

“Una industria de atención donde los suministros satisfagan la demanda es esencial para el crecimiento económico tanto de una familia particular como del PBI de la nación. Estamos muy entusiasmados con el almacén de características de Amazon SageMaker, ya que creemos que nos ayudará a mejorar la escalabilidad de nuestros equipos de ciencia de datos y de desarrollo, mediante el uso de un conjunto consistente de datos seleccionados. Con las capacidades de Amazon SageMaker recientemente anunciadas, podemos acelerar el desarrollo y la implementación de nuestros modelos de ML para diferentes aplicaciones, a fin de ayudar a nuestros clientes a tomar mejores decisiones mediante recomendaciones más rápidas en tiempo real”.

Clemens Tummeltshammer, gerente de ciencia de Datos de Care.com

“Con el uso de ML, 3M está mejorando los productos de eficacia comprobada, como el papel de lija, e innovando en muchos otros ámbitos, incluido el de la sanidad. A medida que planeamos escalar el proceso de machine learning en más áreas de 3M, vemos cómo la cantidad de datos y modelos crecen rápidamente y se multiplican año tras año. Estamos entusiasmados con las nuevas características de SageMaker porque nos ayudarán a escalar. Amazon SageMaker Data Wrangler facilita la preparación de datos para el entrenamiento de modelos y el almacén de características de Amazon SageMaker elimina la necesidad de crear repetidamente las mismas características del modelo. Por último, Amazon SageMaker Pipelines nos ayudará a automatizar la preparación de datos y la creación e implementación de modelos en un flujo de trabajo integral, para así poder acelerar el tiempo de comercialización de nuestros modelos. Nuestros investigadores esperan aprovechar el nuevo ritmo de la ciencia en 3M”.

David Frazee, director técnico del Laboratorio de Sistemas de Investigación Corporativa de 3M