“Na INVISTA, somos movidos pela transformação e buscamos desenvolver produtos e tecnologias que beneficiem os clientes em todo o mundo. Na nossa visão, ML é uma forma de aprimorar a experiência do cliente. Entretanto, com conjuntos de dados que abrangem centenas de milhões de linhas, precisávamos de uma solução que nos ajudasse a preparar dados e a desenvolver, implantar e gerenciar modelos de ML em grande escala. Com o Amazon SageMaker Data Wrangler, podemos selecionar, limpar, explorar e compreender nossos dados de forma interativa, capacitando nossa equipe de ciência de dados para criar pipelines de engenharia de atributos que podem ser escalados com facilidade para conjuntos de dados que abrangem centenas de milhões de linhas. Com o Amazon SageMaker Data Wrangler, podemos operacionalizar nossos fluxos de trabalho de ML com mais rapidez.”

Caleb Wilkinson, antigo líder do setor de ciência de dados da INVISTA

“Ao usar ML, a 3M está aprimorando produtos testados e comprovados, como papéis abrasivos, e impulsionando a inovação em diversos outros espaços, incluindo o setor de saúde. À medida que planejamos escalar ML para mais áreas da 3M, percebemos a quantidade de dados e modelos em rápido crescimento, praticamente dobrando a cada ano. Estamos entusiasmados com os novos atributos do SageMaker porque eles nos ajudarão a realizar a escalabilidade. O Amazon SageMaker Data Wrangler facilita muito a preparação de dados para treinamento de modelos, e o Amazon SageMaker Feature Store eliminará a necessidade de criar os mesmos atributos de modelo repetidamente. Por fim, o Amazon SageMaker Pipelines nos ajudará a automatizar a preparação de dados, o desenvolvimento de modelos e a implantação de modelos em um fluxo de trabalho completo para que possamos acelerar o tempo de entrada no mercado para os nossos modelos. Nossos pesquisadores estão ansiosos para aproveitar a nova velocidade da ciência na 3M.”

David Frazee, antigo diretor técnico da 3M Corporate Systems Research Lab

“O Amazon SageMaker Data Wrangler nos possibilita começar a trabalhar para atender às nossas necessidades de preparação de dados com uma avançada coleção de ferramentas de transformação que aceleram o processo de preparação de dados de ML necessário para lançar novos produtos no mercado. Por sua vez, nossos clientes se beneficiam da taxa em que escalamos modelos implantados, permitindo-nos entregar resultados mensuráveis e sustentáveis ​​que atendem às necessidades de nossos clientes em questão de dias, em vez de meses.”

Frank Farrall, diretor e chefe de plataformas e ecossistemas de IA da Deloitte

“Como um parceiro de consultoria premier da AWS, nossas equipes de engenharia estão trabalhando em estreita colaboração com a AWS para desenvolver soluções inovadoras para ajudar nossos clientes a melhorar continuamente a eficiência de suas operações. O ML é o núcleo de nossas soluções inovadoras, mas nosso fluxo de trabalho de preparação de dados envolve técnicas sofisticadas de preparação de dados que, como resultado, demoram um tempo considerável para serem operacionalizadas em um ambiente de produção. Com o Amazon SageMaker Data Wrangler, nossos cientistas de dados podem concluir cada etapa do fluxo de trabalho de preparação de dados, incluindo seleção, limpeza, exploração e visualização de dados, o que nos ajuda a acelerar o processo de preparação de dados e prepará-los com facilidade para ML. Com o Amazon SageMaker Data Wrangler, podemos preparar dados para ML mais rapidamente.”

Shigekazu Ohmoto, diretor administrativo empresarial sênior da NRI Japan

“À medida que nossa presença no mercado de gerenciamento de saúde populacional continua a se expandir para mais pagadores da área de saúde, provedores, gerentes de benefícios farmacêuticos e outras organizações de saúde, precisávamos de uma solução para automatizar processos completos para fontes de dados que impulsionam nossos modelos de ML, incluindo dados de reclamações, de inscrições e de farmácia. Com o Amazon SageMaker Data Wrangler, podemos acelerar o tempo necessário para agregar e preparar dados para ML usando um conjunto de fluxos de trabalho mais fáceis de validar e reutilizar. Isso melhorou drasticamente o tempo de entrega e a qualidade de nossos modelos, aumentou a eficácia de nossos cientistas de dados e reduziu em quase 50% o tempo de preparação de dados. Além disso, o SageMaker Data Wrangler nos ajudou a economizar várias iterações de ML e níveis significativos de tempo de GPU, acelerando todo o processo de ponta a ponta para nossos clientes, pois podemos desenvolver data marts com milhares de atributos, incluindo farmácia, códigos de diagnóstico, consultas de emergência, internações, bem como dados demográficos e outros determinantes sociais. Com o SageMaker Data Wrangler, podemos transformar nossos dados com eficiência superior para criar conjuntos de dados de treinamento, gerar insights de dados em conjuntos de dados antes de executar modelos de ML e preparar dados reais para inferências e previsões em grande escala.”

Lucas Merrow, CEO da Equilibrium Point IoT