“Climate에서는 전 세계 농부들에게 정확한 정보를 제공하여 데이터에 기반한 결정을 내리게 하고 면적당 수익을 최대화하는 것이 옳다고 생각합니다. 이를 위해 우리는 기계 학습 도구 등의 기술에 투자하여 피처라고 하는 측정 가능한 객체를 사용하여 모델을 구축했습니다(예: 재배자 농장의 수확량). Amazon SageMaker Feature Store를 사용하면 중앙 피처 저장소를 통해 ML 모델 개발을 가속화하여 여러 팀이 피처에 쉽게 액세스하고 재사용할 수 있습니다. SageMaker Feature Store는 온라인 스토어를 사용하여 실시간으로 피처에 쉽게 액세스할 수 있게 해주거나 다양한 사용 사례에 대해 오프라인 스토어를 사용하여 일정에 따라 피처를 실행할 수 있게 해줍니다. SageMaker Feature Store를 사용하면 ML 모델을 더 빠르게 개발할 수 있습니다.”

Daniel McCaffrey, Climate의 데이터 및 분석 담당 부사장

“우리는 2017년에 AWS에 Intuit의 새로운 기계 학습 플랫폼을 구축하기로 했습니다. Amazon SageMaker의 강력한 모델 개발, 훈련 및 호스팅 기능과 Intuit의 오케스트레이션 및 피처 엔지니어링 기능을 결합하는 것이었습니다. 그 결과, 모델 개발 수명 주기가 획기적으로 단축되었습니다. 6개월이 걸리던 작업이 이제 일주일도 되지 않아, TurboTax, QuickBooks, Mint 제품에 AI 기능을 훨씬 더 빠른 속도로 적용할 수 있게 되었습니다. 우리는 Amazon SageMaker Feature Store 출시를 앞두고 AWS와 긴밀히 협력했으며, 더 이상 조직 전반에서 여러 피처 리포지토리를 유지관리할 필요가 없도록 완전 관리형 피처 저장소를 기대하며 기뻐하고 있습니다. 우리 데이터 사이언티스트는 중앙 저장소의 기존 피처를 사용하고 팀과 모델 전반에서 피처의 표준화와 재사용을 모두 진행할 수 있을 것입니다.”

Mammad Zadeh, Intuit의 엔지니어링, 데이터 플랫폼 담당 부사장

“Experian에서는 소비자가 금융 생활에서 신용을 이해하고 사용할 수 있도록 역량을 강화하고 대출 기관이 신용 위험을 관리하도록 지원하는 것이 우리 책무라고 생각합니다. 우리는 재무 모델을 구축하기 위한 모범 사례를 계속 구현해 가면서, 기계 학습을 활용하는 제품 프로덕션을 가속화할 솔루션을 찾고 있습니다. Amazon SageMaker Feature Store는 ML 애플리케이션을 위한 피처를 안전하게 저장하고 재사용할 수 있는 방법을 제공합니다. 여러 계정에 걸쳐 실시간 및 일괄 애플리케이션에 대해 일관성을 유지하는 능력은 우리 비즈니스의 핵심 요구 사항입니다. Amazon SageMaker Feature Store의 새로운 기능을 사용하면 고객이 자신의 신용을 관리하고 신경제에서 비용을 절감하도록 역량을 강화해 줄 수 있습니다.”

Geoff Dzhafarov, Experian Consumer Services 수석 엔터프라이즈 아키텍트

“DeNA의 사명은 인터넷과 AI/ML을 사용하여 영향력을 발휘하고 즐거움을 제공하는 것입니다. 우리 회사의 기본적인 목표는 가치 기반 서비스를 제공하는 것이며 이 목표를 달성할 수 있도록 회사의 비즈니스와 서비스를 준비하고 싶습니다. 조직 전체에서 특성을 검색하고 재사용할 의향이 있는데, Amazon SageMaker 특성 저장소는 여러 애플리케이션에서 쉽고 효율적으로 특성을 재사용하는 데 도움이 됩니다. 또한 Amazon SageMaker 특성 저장소는 표준 특성 정의를 유지하도록 도와주고 모델을 훈련하여 프로덕션에 배포할 때 일관된 방법론을 제공합니다. 우리는 Amazon SageMaker의 이러한 새로운 기능을 사용하여 ML 모델을 더 빠르게 훈련하고 배포할 수 있어, 최상의 서비스로 계속 고객을 만족시킬 수 있습니다.”

Kenshin Yamada, DeNA의 AI 시스템 부서 시스템 유닛 총책임자

“공급이 수요와 일치하는 탄탄한 의료 산업은 개인의 가정에서 국가 GDP까지의 경제 성장에서 꼭 필요합니다. 우리는 Amazon SageMaker Feature Store에 흥분을 감추지 못하고 있습니다. 큐레이팅된 일관된 데이터 세트를 사용하여 우리 데이터 사이언스 팀과 개발 팀 전체에서 확장성을 높여줄 것으로 생각하기 때문입니다. 우리는 새로 발표된 Amazon SageMaker 기능을 사용하여 다양한 애플리케이션에 대한 ML 모델의 개발 및 배포를 가속화할 수 있어, 고객이 더 빠른 실시간 권장 사항을 통해 더 현명한 결정을 내리도록 도울 수 있습니다.”

Clemens Tummeltshammer, Care.com 데이터 사이언스 관리자

“ML을 사용하면서, 3M은 사포와 같이 검증된 제품을 개발하고자 노력하고 있으며, 의료 분야를 포함해 기타 여러 분야에서 혁신을 주도하고 있습니다. 기계 학습을 3M의 더 많은 영역으로 확장하려는 계획을 세우면서 데이터와 모델의 양이 매년 2배씩 매우 빠르게 증가한다는 사실을 확인했습니다. 새로운 SageMaker 피처는 확장을 지원해줄 수 있다는 점에서 매우 반가울 소식이 아닐 수 없습니다. Amazon SageMaker Data Wrangler를 사용하면 모델 훈련을 위해 더욱 간편하게 데이터를 준비할 수 있고, Amazon SageMaker Feature Store를 통해 동일한 모델 피처를 반복해서 만들지 않아도 됩니다. 마지막으로, Amazon SageMaker Pipeline은 포괄적인 워크플로 단계로 데이터 준비, 모델 구축 및 모델 배포를 자동화해주므로, 모델의 시장 출시 기간을 단축할 수 있습니다. 저희 3M에서는 이러한 보다 빠른 속도의 과학을 활용할 수 있기를 더욱 기대하고 있습니다."

David Frazee, 3M 기업 시스템 연구소 기술 책임자