O Formula One Group está migrando a maior parte de sua infraestrutura de datacenters locais para a AWS, além de definir os serviços de machine learning da AWS (inclusive o Amazon SageMaker) como padrão.
Os cientistas de dados da Fórmula 1 usam dados históricos de corridas, coletados de carros nos últimos 65 anos, para treinar modelos de aprendizado profundo que fazem previsões de corridas e ajudam as equipes a otimizar as decisões durante as corridas. Os modelos podem prever quando as equipes devem chamar seus carros para o pit stop, determinar o melhor momento para a troca de pneus e avaliar a performance dos pilotos.
Em seguida, a Fórmula 1 usa streaming de dados, análises e serviços de mídia da AWS para fornecer insights sobre decisões dos pilotos e performance de carros para mais de 500 milhões de fãs.
Como a Fórmula 1 executa cargas de trabalho de computação de alta performance em um ambiente escalável na AWS, a organização pode inovar a experiência de corrida, o projeto de carros e outras áreas da Fórmula 1 sem se preocupar com capacidade.
A Intuit adotou completamente a AWS e usa uma ampla gama de serviços da AWS para gerar a elasticidade necessária para absorver padrões de tráfego altamente sazonais. Desde 2013, a Intuit transferiu infraestrutura, os aplicativos, os dados e os recursos de machine learning para a AWS.
A Intuit explora o machine learning para tornar tarefas árduas, como a declaração de impostos, fáceis e até mesmo agradáveis para seus clientes.
Usando o Amazon SageMaker, a Intuit reduziu o custo e o tempo necessários para implantar modelos de machine learning. Agora, os cientistas de dados podem criar um modelo e dimensioná-lo para muitos servidores. Tarefas que levavam seis meses são concluídas em uma semana.
A Intuit capacita seus cientistas de dados para continuar a desenvolver e aprimorar produtos e cumprir sua missão: ajudar clientes em todo o mundo a alcançarem a prosperidade.
A MLB coleta dados estatísticos sobre jogadores e clubes há décadas. Em 2015, a empresa começou a usar a AWS para coletar e distribuir estatísticas do dia dos jogos para aprimorar a experiência dos fãs.
O uso do Amazon SageMaker permite que a MLB capacite desenvolvedores e cientistas de dados para criar, treinar e implantar modelos de machine learning em grande escala com rapidez e facilidade.
Esses modelos ajudam a MLB a eliminar os processos manuais e demorados associados a registros e estatísticas, como anotação de placares, captura de comentários sobre os jogos e classificação de arremessos.
A MLB planeja trabalhar com o laboratório de soluções do Amazon ML para continuar a aprimorar o Statcast, sua tecnologia de análise de performance de jogadores, incluindo testes da precisão das previsões de arremesso e a criação de experiências personalizadas para os visualizadores.
A MLB continuará a inovar usando inteligência artificial. A organização pretende usar o Amazon Comprehend para criar um modelo de linguagem que consiga criar scripts para jogos ao vivo simulando locutores famosos.
A Matson criou um aplicativo avançado para dispositivos móveis que rastreia contêineres em todo o mundo e permite que os clientes rastreiem seus transportes de carga em tempo real. Outros recursos valiosos do aplicativo incluem a busca interativa na programação das embarcações, pesquisas de mapa portuário por localização e imagens ao vivo de câmeras de segurança.
Todos os dispositivos móveis acessam a AWS por meio do Amazon API Gateway. Dessa forma, disponibilizamos endpoints altamente disponíveis na borda para acesso aos recursos das virtual private clouds da Matson.
Os recursos do AWS Lambda são projetados de acordo com o padrão de microsserviços e são modelados segundo contextos empresariais específicos baseados no oceano, como rastreamento de remessas e programações de embarcações.
O Amazon DynamoDB gerencia a configuração, além das notificações e da configuração de comentários de usuários enviados de dispositivos móveis. Os Streams do DynamoDB enviam notificações em tempo real para a equipe de atendimento ao cliente da Matson.
Os clientes da Matson dependem de informações precisas e atualizadas sobre o rastreamento de contêineres e o status de embarcações. O monitoramento e os alertas dos eventos do sistema são realizados usando os serviços Amazon CloudWatch, Amazon SNS, Amazon SES, AWS Lambda e CloudWatch Logs.
Agora, a Matson pode oferecer aos clientes um aplicativo sem servidor completo para ajudar a rastrear as remessas, sem necessidade de manter infraestrutura.
A série Roomba 900 conclui a missão de limpeza da casa e volta à base para recarregar.
O iRobot processa o mapa da casa, calcula a área total de chão limpo e o código do status para a missão de limpeza, e publica os metadados no AWS IoT.
O iRobot usa uma regra do AWS IoT para colocar a mensagem em um stream do Amazon Kinesis. Do Kinesis, o iRobot pode processar os dados da missão de limpeza. O Kinesis permite que várias equipes recebam o stream de dados.
O AWS Lambda recebe os metadados da missão de limpeza e analisa o formato para o Amazon DynamoDB. O Amazon Kinesis reúne os dados da missão em lotes e os armazena no Amazon S3. O Amazon S3 é usado como o data lake do iRobot para análises, onde todos os dados de mensagens são comprimidos e armazenados. Uma vez que os dados estão no Amazon S3, o iRobot usa o conjunto de ferramentas do AWS Analytics. O Amazon Athena permite que o iRobot investigue e descubra padrões nos dados sem ter que executar recursos computacionais em todos os momentos.
A missão de limpeza é armazenada no Amazon DynamoDB e é vinculada a um robô e a um cliente específicos.
O cliente recebe um alerta comunicando a conclusão da missão de limpeza bem-sucedida do Roomba 900.
A organização de TI da BP gerencia aplicativos SAP usados por milhares de funcionários em todo o mundo para atividades de cadeia de suprimentos, provisionamento e finanças, entre outras.
Para melhorar a velocidade e ganhar agilidade de custos, a BP usou o Amazon EC2 para migrar esses aplicativos empresariais essenciais para a nuvem. Além disso, a equipe criou instâncias X1 do EC2 para aumentar a escala e apoiar análises em tempo real.
Agora, a equipe pode montar sistemas sob demanda em algumas horas, em vez de semanas ou meses. A BP observa aumentos de performance de forma generalizada, incluindo 40% de aumento de velocidade do sistema ERP para lubrificantes.
Como parte da migração de dados, a BP redefiniu seus padrões de segurança usando os serviços AWS Config, AWS Identity and Access Management (IAM), Amazon CloudWatch e AWS Trusted Advisor. Esses novos padrões ajudaram a BP a desenvolver uma estrutura segura para a operação da organização de TI.
Leste dos EUA
Norte da Virgínia (6), Ohio (3)
Oeste dos EUA
Norte da Califórnia (3), Oregon (3)
Ásia-Pacífico
Mumbai (2), Seul (2), Cingapura (3), Sydney (3), Tóquio (4), Osaka-Local (1)
Canadá
Central (2)
China
Beijing (2), Ningxia (3)
Europa
Frankfurt (3), Irlanda (3), Londres (3), Paris (3)
América do Sul
São Paulo (3)
GovCloud (EUA)
Leste dos EUA (3), Oeste dos EUA (3)
Bahrein
Cidade do Cabo
Hong Kong (RAE)
Milão
Estocolmo