"Noi di INVISTA siamo guidati dalla trasformazione e cerchiamo di sviluppare prodotti e tecnologie a vantaggio dei clienti di tutto il mondo. Vediamo il machine learning come un modo per migliorare l'esperienza del cliente. Tuttavia, con set di dati che si estendono su centinaia di milioni di righe, avevamo bisogno di una soluzione che ci aiutasse a preparare i dati e sviluppare, implementare e gestire modelli di machine learning su larga scala. Con Amazon SageMaker Data Wrangler, ora possiamo selezionare, pulire, esplorare e comprendere i nostri dati in modo interattivo, consentendo al nostro team di data science di creare pipeline di progettazione delle funzionalità che possono essere scalate facilmente su set di dati che si estendono su centinaia di milioni di righe. Con Amazon SageMaker Data Wrangler, possiamo rendere operativi i nostri flussi di lavoro ML più velocemente".

Caleb Wilkinson, Former Lead Data Scientist, INVISTA

"Grazie al ML, 3M sta migliorando prodotti collaudati, come la carta vetrata, e sta promuovendo l'innovazione in molti altri settori, incluso quello sanitario. Mentre progettiamo di scalare il machine learning in più aree di 3M, vediamo la quantità di dati e modelli crescere rapidamente: raddoppiano ogni anno. Siamo entusiasti delle nuove caratteristiche di SageMaker perché ci aiutano a dimensionare le risorse. Amazon SageMaker Data Wrangler facilita notevolmente la preparazione dei dati per l'addestramento del modello e Amazon SageMaker Feature Store eliminerà la necessità di creare le stesse caratteristiche del modello più e più volte. Infine, Pipeline Amazon SageMaker ci aiuterà ad automatizzare la preparazione dei dati, la creazione del modello e l'implementazione del modello in un flusso di lavoro end-to-end in modo da poter accelerare il time-to-market dei nostri modelli. I nostri ricercatori non vedono l'ora di sfruttare la nuova velocità della scienza in 3M".

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

"Amazon SageMaker Data Wrangler ci permette di partire in quarta nell'affrontare le nostre esigenze di preparazione dei dati con una ricca collezione di strumenti di trasformazione che accelerano il processo di preparazione dei dati di machine learning necessari per portare nuovi prodotti sul mercato. A loro volta, i nostri clienti traggono vantaggio dalla velocità con cui dimensioniamo i modelli implementati che ci permettono di offrire risultati misurabili e sostenibili che soddisfano le esigenze dei nostri clienti in pochi giorni piuttosto che in mesi".

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

"In qualità di partner di consulenza Premier AWS, i nostri team tecnici stanno lavorando a stretto contatto con AWS per sviluppare soluzioni innovative per aiutare i nostri clienti a migliorare continuamente l'efficienza delle loro operazioni. Il machine learning è il cuore delle nostre soluzioni innovative, ma il nostro flusso di lavoro di preparazione dei dati comporta tecniche sofisticate che, di conseguenza, richiedono una quantità significativa di tempo per essere rese operative in un ambiente di produzione. Con Amazon SageMaker Data Wrangler, i nostri data scientist possono completare ogni fase del flusso di lavoro di preparazione dei dati, compresa la selezione, la pulizia, l'esplorazione e la visualizzazione, il che ci aiuta ad accelerare il processo di preparazione dei dati e a preparare facilmente i nostri dati per il machine learning. Con Amazon SageMaker Data Wrangler possiamo preparare più velocemente i dati per il machine learning".

Shigekazu Ohmoto, Senior Corporate Managing Director, NRI Japan

"Poiché la nostra impronta nel mercato della gestione della salute della popolazione continua ad espandersi in un maggior numero di pagatori sanitari, fornitori, gestori di prestazioni farmaceutiche e altre organizzazioni sanitarie, avevamo bisogno di una soluzione per automatizzare i processi end-to-end per le origini dei dati che alimentano i nostri modelli di machine learning, compresi i dati di richieste, registrazione e delle farmacie. Ora con Amazon SageMaker Data Wrangler possiamo ridurre il tempo necessario per l'aggregazione e la preparazione dei dati per il machine learning tramite una serie di flussi di lavoro che sono più facili da convalidare e riutilizzare. In questo modo abbiamo migliorato notevolmente il tempo di consegna e la qualità dei nostri modelli, aumentato l'efficacia dei nostri data scientist e ridotto il tempo di preparazione dei dati di quasi il 50%. Inoltre, SageMaker Data Wrangler ci ha aiutato a risparmiare più iterazioni di machine learning e un tempo significativo di GPU, accelerando l'intero processo end-to-end per i nostri clienti, dato che ora possiamo creare data mart con migliaia di caratteristiche tra cui farmacia, codici di diagnosi, visite di pronto soccorso, degenze ospedaliere, demografia e altri determinanti sociali. Con SageMaker Data Wrangler, possiamo trasformare i nostri dati con una maggiore efficienza per la creazione di set di dati di addestramento, generare informazioni dettagliate sui set di dati prima di eseguire modelli di machine learning e preparare i dati del mondo reale per inferenze/previsioni su larga scala".

Lucas Merrow, CEO, Equilibrium Point IoT