Khách hàng của Amazon SageMaker đối với công nghệ máy học không gian địa lý
Arup
Tận tụy vì sự phát triển bền vững, Arup là một tập thể gồm 16.000 nhà thiết kế, cố vấn và chuyên gia làm việc trên 140 quốc gia. Được thành lập để phấn đấu vì con người và xuất sắc trong mọi việc, Arub cộng tác với khách hàng và đối tác, sử dụng trí tưởng tượng, công nghệ và sự nghiêm ngặt để định hình một thế giới tốt đẹp hơn.
“Chúng tôi sử dụng các công nghệ kỹ thuật số như máy học để khám phá tác động của nhiệt đối với các khu vực đô thị và các yếu tố ảnh hưởng đến nhiệt độ địa phương nhằm mang lại thiết kế tốt hơn và hỗ trợ các kết quả bền vững. Đảo nhiệt đô thị và những rủi ro cũng như những khó chịu liên quan là một trong những thách thức lớn nhất mà các thành phố hiện đang phải đối mặt. Việc sử dụng các chức năng máy học không gian địa lý của Amazon SageMaker đã giúp chúng tôi xác định và đo lường các yếu tố nhiệt đô thị bằng dữ liệu quan sát trái đất, giúp tăng tốc đáng kể khả năng tư vấn cho khách hàng của chúng tôi. Công cụ này cho phép các nhóm kỹ thuật của chúng tôi thực hiện các phân tích mà trước đây không thể thực hiện được bằng cách cung cấp quyền truy cập vào các khối lượng, loại và phân tích ngày càng tăng của các tập dữ liệu lớn hơn.”
Damien McCloud, Giám đốc và lãnh đạo - Quan sát trái đất và không gian địa lý, Arup
xarvio
Giải pháp Digital Farming của xarvio cung cấp các sản phẩm nông nghiệp kỹ thuật số chính xác để giúp nông dân tối ưu hóa việc sản xuất cây trồng. Các sản phẩm của xarvio có mặt trên toàn cầu, sử dụng máy học, công nghệ nhận dạng hình ảnh và các mô hình cây trồng và bệnh tật tiên tiến, kết hợp với dữ liệu từ vệ tinh và thiết bị của trạm thời tiết, để đưa ra các khuyến nghị nông học chính xác và kịp thời nhằm quản lý nhu cầu của từng cánh đồng. Các sản phẩm của xarvio được điều chỉnh phù hợp với điều kiện nông học địa phương, có thể theo dõi các giai đoạn sinh trưởng và nhận biết bệnh tật cũng như sâu bệnh. Các sản phẩm này sẽ nâng cao hiệu quả, tiết kiệm thời gian, giảm rủi ro và mang lại độ tin cậy cao hơn cho việc lập kế hoạch và ra quyết định – đồng thời góp phần vào nền nông nghiệp bền vững.
“Việc phát triển nguyên mẫu nhanh chóng và bảo trì liên tục các tài sản máy học là một trong những ưu tiên quan trọng nhất của chúng tôi. Các chức năng máy học không gian địa lý của Amazon SageMaker cung cấp cho chúng tôi giải pháp mạnh mẽ để phát triển các nguyên mẫu và quản lý các mô hình khác nhau trong suốt vòng đời của các nguyên mẫu. Sử dụng Amazon SageMaker, chúng tôi có thể cải thiện hiệu suất lên gần 50%. Đội ngũ của chúng tôi đã có thể thiết lập các quy trình mô hình cần thiết và chạy thử nghiệm chỉ trong 1–2 tuần, tức là gần một nửa thời gian so với trước đây."
Mojtaba Karami, Trưởng nhóm cảm biến từ xa, xarvio
DataFarming
DataFarming là công ty hàng đầu trong lĩnh vực nông nghiệp chính xác.
“Khi phỏng vấn các công ty nông nghiệp (ví dụ: hạt giống, phân bón và hóa chất), chúng tôi rất ngạc nhiên khi thấy rằng hầu hết họ đều đưa ra các quyết định trị giá hàng triệu đô la dựa trên dữ liệu hạn chế, chủ yếu là dữ liệu chủ quan. Các công ty này thường không có câu trả lời cho những câu hỏi quan trọng nhất, chẳng hạn như ‘Có bao nhiêu đất để gieo hạt?’ hoặc ‘Khi nào cây trồng sẽ sẵn sàng để thu hoạch?’ Là người đam mê sử dụng nhiều loại hình ảnh vệ tinh trong gần 20 năm, rõ ràng chúng tôi muốn tận dụng sức mạnh của dữ liệu không gian địa lý để giúp các công ty nông nghiệp tìm ra câu trả lời cho những câu hỏi này và giúp họ đưa ra quyết định sáng suốt hơn trong lĩnh vực này. Tuy nhiên, việc chạy các thuật toán máy học phức tạp trên hơn 100 triệu mẫu đất trồng trọt của Úc ở độ phân giải 10 triệu pixel (và trong thời gian thực) là vô cùng khó khăn. Với chức năng máy học không gian địa lý của Amazon SageMaker, chúng tôi có thể chuyển từ ý tưởng sang mô hình hoạt động trong vòng vài giờ."
Tim Neale, Đồng sáng lập, DataFarming
SatSure
SatSure, công ty hàng đầu về các giải pháp quyết định thông minh có trụ sở tại Ấn Độ, đang sử dụng dữ liệu quan sát Trái đất và các mô hình học sâu để tạo ra thông tin chi tiết cho nhiều trường hợp sử dụng khác nhau – từ giám sát cây trồng trong mọi điều kiện thời tiết và chấm điểm rủi ro trang trại đến phát hiện thay đổi lớp phủ đất và nhận dạng đặc điểm đất đai.
“Việc xây dựng các mô hình học sâu tiên tiến, có thể mở rộng, tiết kiệm chi phí là vô cùng khó khăn khi xử lý các tập dữ liệu lớn từ hình ảnh vệ tinh. Kho công cụ của Amazon SageMaker đã giúp đơn giản hóa quá trình phát triển quy trình từ đầu đến cuối của chúng tôi đối với các mô hình học sâu phức tạp. Mô hình này đã giúp chúng tôi tiết kiệm 25% chi phí trong suốt vòng đời phát triển mô hình, đồng thời cho phép chúng tôi tập trung vào phát triển giải pháp đổi mới. Chúng tôi muốn sử dụng các chức năng của Amazon SageMaker để phát triển ứng dụng kỹ thuật số sử dụng hình ảnh vệ tinh có độ phân giải thấp để xem ranh giới trang trại nông nghiệp dựa trên học sâu. Với các thuật toán không gian địa lý tích hợp sẵn của Amazon SageMaker, Kho tính năng và điều chỉnh tham số tự động, chúng tôi có thể phát triển ứng dụng này một cách nhanh chóng, đảm bảo chúng tôi có thể đạt được tất cả các chỉ số thành công.”
Rashmit Singh Sukhmani, Đồng sáng lập và Giám đốc dữ liệu, SatSure
EarthOptics
EarthOptics là công ty đo lường và lập bản đồ dữ liệu đất tận dụng công nghệ cảm biến độc quyền và phân tích dữ liệu để đo lường chính xác tình trạng và cấu trúc của đất.
“Chúng tôi muốn sử dụng máy học để giúp khách hàng tăng năng suất nông nghiệp bằng bản đồ đất hiệu quả về chi phí. Chức năng máy học không gian địa lý của Amazon SageMaker cho phép chúng tôi nhanh chóng tạo nguyên mẫu thuật toán với nhiều nguồn dữ liệu và giảm lượng thời gian giữa nghiên cứu và triển khai API sản xuất xuống chỉ còn một tháng. Nhờ có Amazon SageMaker, chúng tôi hiện có các giải pháp không gian địa lý để hấp thụ carbon trong đất được triển khai cho các trang trại và trại chăn nuôi trên khắp Hoa Kỳ.”
Lars Dyrud, CEO, EarthOptics