Yazan: Amazon Machine Learning Başkan Yardımcısı Swami Sivasubramanian
Çeviren: Remzi KÜÇÜKOĞLU
Makine öğrenmesi (ML), bu nesilde karşılaşacağımız en dönüştürücü teknolojilerinden biridir. ML, müşteri deneyimini iyileştirme, çalışan üretkenliğini artırma, maliyetleri düşürme ve dolandırıcılığı azaltma gibi özelliklerle organizasyonlara karşılaştıkları büyük zorlukların üstesinden gelmeleri ve fırsatları yakalamaları için yardımcı olmaktadır.
ML, artık sadece büyük organizasyonların faydalandığı bir niş yatırımı değildir. Amazon Web Services’in (AWS), pizza siparişlerini öngörmekten tutun tıpta prognoza kadar ML’yi işlerinin merkezine koyan 100.000’den fazla müşterisi vardır.
Ben, AWS’de ML başkan yardımcısı olarak, ML’in sağlayabileceği yardımlar konusunda iş liderleriyle bir çok görüşme yaparım. Genellikle bu iş liderleri, ML’in faydalarından yararlanmak istediklerini ancak verileri içgörülere (insight) dönüştürme konusunda gerekli ML uzmanlığına sahip olmadıklarını söylerler.
Biz de bu sebepten dolayı, son bir kaç yılda, önceden eğitilmiş ML modellerine yani zekaya (intelligence) sahip hizmetler geliştirdik. Bu hizmetlerin bir çoğu, Amazon.com’da da kullanılan teknolojiyle aynı alt yapıyı paylaşır. Üstelik bu hizmetler, hiçbir ML deneyimi gerekmeksizin uygulamalarda ve süreçlerde kullanılabilir.
Bu çözümler, medya ve eğlence sektöründe içerik kürasyonu, üretimde gözle kontrol, sağlık hizmetleri ve mali hizmetler sunan organizasyonlarda evraklardan metin ve içgörü (insight) çıkarma gibi belirli endüstri sektörlerini zorlayan manuel işleri otomatikleştirmeye yardım ederler.
Medya ve Eğlence sektöründe içeriğin kişiselleştirilmesi
Medya ve eğlence kuruluşları, ML’yi içerik önerilerini kişiselleştirmek, kullanıcı bağlılığını artırmak, müşteri kaybını azaltmak, uyumluluk ve marka güvenliğine yönelik olarak içerikleri incelemek ve daha da fazlasını yapabilmek için kullanırlar. Hazır zeka çözümleriyle birlikte, daha fazlası, ML uzmanlığı edinmek zorunda kalmadan bu faydaları erkenden fark edip pazar avantajı elde ediyor.
Örneğin discovery+’ın, geniş bir müşteri kitlesine hitap eden, 55.000’den fazla bölüm içeren bir kütüphanesi vardır. Discovery+, müşterilerine özel ilgi alanlarıyla eşleşen kürasyonu yapılmış içeriği bulmalarında yardım etmek istedikleri için Amazon Personalize’ı kullanmaya başladılar.
Amazon Personalize, geliştiricilere Amazon.com’daki ML teknolojisini kullanıp gerçek zamanlı kişiselleştirilmiş öneriler sunabilen uygulamalar geliştirmelerini sağlar. Artık Discovery, izleyici deneyimini daha uygun hale getirip genel müşteri etkileşimini artırabilir.
Amazon Personalize, medya şirketlerinin sektöre özgü AWS kabiliyetlerini kolayca tespit etmelerine ve önemli sektörel iş alanlarında dönüşümü hızlandırmalarına yardım eden yeni bir girişim olan AWS for M&E’nin sunduğu bir çok çözümden sadece biridir.
Üretimin daha kolay, daha güvenli ve daha hızlı hale getirilmesi
Kestirimci bakım icra etmek, maliyetleri düşürmek ve operasyonel verimliliği artırmak isteyen organizasyonlar, üretim tesisleri, dağıtım merkezleri ve gıda işleme tesisleri gibi endüstriyel çevrelerde ML kabiliyetlerini kullanmanın yollarını aramaya başladılar.
Dafgårds, çeşitli gıda ürünleri üreten ve İsveç halkının çok iyi tanıdığı bir markadır. En popüler markalarından biri, fırınlanmış ve paketlenmiş halde saniyede iki adet üretilen, mikrodalgada pişirilebilir Billy’s Pan Pizza’sıdır. Dafgårds’ın kalite kontrolünde kullandığı makine görüş sistemi, birden fazla üst malzemeli yeni ürünlerdeki kusurları tespit edemiyordu.
Bu sebeple, kusur ve anormallikleri bilgisayarlı görü (computer vision) kullanarak tespit eden bir ML hizmetini yani Amazon Lookout for Vision’ı kullanarak, kalite kontrolünü otomatikleştirmek ve ölçümlemek amacıyla bir PoC (proof of concept) yaptılar. Amazon Lookout for Vision ile, işleyişi en az etkileyecek şekilde kalite kontrollerini yeni ürün tipleri üzerinde gerçekleştirebildiler.
Bu, operasyonel verimlilikte, kalitede ve çeviklikte büyük değişimler elde etmek isteyen endüstriyel şirketlerin yenilikçi bulut çözümlerini geliştirmelerine veya bunları uygulamaya koymalarına yardım eden AWS for Industrial girişiminin sunduğu çözümlerden sadece biridir.
Sağlık hizmetlerinin geliştirilmesi
Ayrıca sağlık hizmeti veren organizasyonlar, hasta bakımını kişiselleştirme ve önceliklendirme, tanıların doğruluğunu artırma ve hastaların sağlık hizmetini daha hızlı almaları amacıyla işlemleri hızlandırma gibi hususlarda ilerleme katetmek için, ML’yi kullanıyorlar. Örneğin sağlık çözümleri sunan Cambia Health Solutions (Cambia) şirketi, üyelerin sağlıklarıyla ilgili verdikleri kararların bilgiye dayalı olmasını istediği için kritik sağlık verilerine erişimi kolaylaştırmak ve kişiselleştirilmiş içgörüler (insight) sağlamak amacıyla gelişmiş teknolojiden yararlanmak konusunda kararlıdır.
Cambia, yapılandırılmamış metinlerden gerekli tıbbi bilgileri ML ile çıkartan bir doğal dil işleme hizmeti olan Amazon Comprehend Medical gibi AWS hizmetlerini kullanarak, veri güdümlü zekayla ve insan uzmanlığıyla yönlendirilen dijital bir sağlık çözümü olan Journi’yi geliştirdi. Journi, sağlık hizmetlerindeki güçlüklerle mücadele etme ve daha iyi bir deneyim sunma amacıyla sağlık planı faydalarını, dijital sağlık bakım araçlarını, sağlık ve klinik uzmanlığını ve insan desteğini bir araya getirmektedir.
Cambia, ML kullanarak veri bilimi kaynaklarının %30-40’ını operasyonları desteklemekten tüketici sonuçlarını doğrudan etkileyen çözümler geliştirmeye kaydırdı.
Mali hizmetler için zeka içgörülerinin (intelligent insights) kolaylıkla ortaya çıkarılması
Yığınla mali evrakın arasından önemli veri ve içgörüleri (insights) tespit etmek için manuel tasnifleme yapmak gibi en zorlayıcı işlerden bazılarını hızlıca halletmek isteyen mali hizmet organizasyonları, hazır zekayı (intelligence) kullanıyorlar.
Örneğin dünyanın lider denetim (audit), vergi ve danışmanlık kuruluşlarından biri olan BDO Australia, yapılandırılmamış veriler içeren yığın halindeki çeşitli mali tabloları incelemek için belgelerden otomatik metin çıkaran bir ML hizmeti olan Amazon Textract’ı kullanıyor. Bu sayede vergi ve denetim (audit) analizleri için mali tabloları daha doğru ve verimli bir şekilde inceleyebildiklerinden zamandan ve paradan tasarruf ediyorlar.
ML ile daha fazlasını yapabilmek
ML, geçtiğimiz bir kaç yıl içinde büyük bir mesafe katetti. Girişe yönelik engeller önemli ölçüde azaltıldığından daha fazla sektör, en baskılayıcı zorluklarla baş etmek ve en büyük fırsatları yakalamak için hızlıca ML kullanmaya başladılar. Ancak bu sadece bir başlangıç. Tüm organizasyonların ML’nin gücünden faydalanmaları için çözümler üretmeye devam edeceğiz.
Link: https://partners.wsj.com/aws/reinventing-with-the-cloud/solving-industry-challenges-with-machine-learning/
Çeviren: Remzi KÜÇÜKOĞLU
Makine öğrenmesi (ML), bu nesilde karşılaşacağımız en dönüştürücü teknolojilerinden biridir. ML, müşteri deneyimini iyileştirme, çalışan üretkenliğini artırma, maliyetleri düşürme ve dolandırıcılığı azaltma gibi özelliklerle organizasyonlara karşılaştıkları büyük zorlukların üstesinden gelmeleri ve fırsatları yakalamaları için yardımcı olmaktadır.
ML, artık sadece büyük organizasyonların faydalandığı bir niş yatırımı değildir. Amazon Web Services’in (AWS), pizza siparişlerini öngörmekten tutun tıpta prognoza kadar ML’yi işlerinin merkezine koyan 100.000’den fazla müşterisi vardır.
Ben, AWS’de ML başkan yardımcısı olarak, ML’in sağlayabileceği yardımlar konusunda iş liderleriyle bir çok görüşme yaparım. Genellikle bu iş liderleri, ML’in faydalarından yararlanmak istediklerini ancak verileri içgörülere (insight) dönüştürme konusunda gerekli ML uzmanlığına sahip olmadıklarını söylerler.
Biz de bu sebepten dolayı, son bir kaç yılda, önceden eğitilmiş ML modellerine yani zekaya (intelligence) sahip hizmetler geliştirdik. Bu hizmetlerin bir çoğu, Amazon.com’da da kullanılan teknolojiyle aynı alt yapıyı paylaşır. Üstelik bu hizmetler, hiçbir ML deneyimi gerekmeksizin uygulamalarda ve süreçlerde kullanılabilir.
Bu çözümler, medya ve eğlence sektöründe içerik kürasyonu, üretimde gözle kontrol, sağlık hizmetleri ve mali hizmetler sunan organizasyonlarda evraklardan metin ve içgörü (insight) çıkarma gibi belirli endüstri sektörlerini zorlayan manuel işleri otomatikleştirmeye yardım ederler.
Medya ve Eğlence sektöründe içeriğin kişiselleştirilmesi
Medya ve eğlence kuruluşları, ML’yi içerik önerilerini kişiselleştirmek, kullanıcı bağlılığını artırmak, müşteri kaybını azaltmak, uyumluluk ve marka güvenliğine yönelik olarak içerikleri incelemek ve daha da fazlasını yapabilmek için kullanırlar. Hazır zeka çözümleriyle birlikte, daha fazlası, ML uzmanlığı edinmek zorunda kalmadan bu faydaları erkenden fark edip pazar avantajı elde ediyor.
Örneğin discovery+’ın, geniş bir müşteri kitlesine hitap eden, 55.000’den fazla bölüm içeren bir kütüphanesi vardır. Discovery+, müşterilerine özel ilgi alanlarıyla eşleşen kürasyonu yapılmış içeriği bulmalarında yardım etmek istedikleri için Amazon Personalize’ı kullanmaya başladılar.
Amazon Personalize, geliştiricilere Amazon.com’daki ML teknolojisini kullanıp gerçek zamanlı kişiselleştirilmiş öneriler sunabilen uygulamalar geliştirmelerini sağlar. Artık Discovery, izleyici deneyimini daha uygun hale getirip genel müşteri etkileşimini artırabilir.
Amazon Personalize, medya şirketlerinin sektöre özgü AWS kabiliyetlerini kolayca tespit etmelerine ve önemli sektörel iş alanlarında dönüşümü hızlandırmalarına yardım eden yeni bir girişim olan AWS for M&E’nin sunduğu bir çok çözümden sadece biridir.
Üretimin daha kolay, daha güvenli ve daha hızlı hale getirilmesi
Kestirimci bakım icra etmek, maliyetleri düşürmek ve operasyonel verimliliği artırmak isteyen organizasyonlar, üretim tesisleri, dağıtım merkezleri ve gıda işleme tesisleri gibi endüstriyel çevrelerde ML kabiliyetlerini kullanmanın yollarını aramaya başladılar.
Dafgårds, çeşitli gıda ürünleri üreten ve İsveç halkının çok iyi tanıdığı bir markadır. En popüler markalarından biri, fırınlanmış ve paketlenmiş halde saniyede iki adet üretilen, mikrodalgada pişirilebilir Billy’s Pan Pizza’sıdır. Dafgårds’ın kalite kontrolünde kullandığı makine görüş sistemi, birden fazla üst malzemeli yeni ürünlerdeki kusurları tespit edemiyordu.
Bu sebeple, kusur ve anormallikleri bilgisayarlı görü (computer vision) kullanarak tespit eden bir ML hizmetini yani Amazon Lookout for Vision’ı kullanarak, kalite kontrolünü otomatikleştirmek ve ölçümlemek amacıyla bir PoC (proof of concept) yaptılar. Amazon Lookout for Vision ile, işleyişi en az etkileyecek şekilde kalite kontrollerini yeni ürün tipleri üzerinde gerçekleştirebildiler.
Bu, operasyonel verimlilikte, kalitede ve çeviklikte büyük değişimler elde etmek isteyen endüstriyel şirketlerin yenilikçi bulut çözümlerini geliştirmelerine veya bunları uygulamaya koymalarına yardım eden AWS for Industrial girişiminin sunduğu çözümlerden sadece biridir.
Sağlık hizmetlerinin geliştirilmesi
Ayrıca sağlık hizmeti veren organizasyonlar, hasta bakımını kişiselleştirme ve önceliklendirme, tanıların doğruluğunu artırma ve hastaların sağlık hizmetini daha hızlı almaları amacıyla işlemleri hızlandırma gibi hususlarda ilerleme katetmek için, ML’yi kullanıyorlar. Örneğin sağlık çözümleri sunan Cambia Health Solutions (Cambia) şirketi, üyelerin sağlıklarıyla ilgili verdikleri kararların bilgiye dayalı olmasını istediği için kritik sağlık verilerine erişimi kolaylaştırmak ve kişiselleştirilmiş içgörüler (insight) sağlamak amacıyla gelişmiş teknolojiden yararlanmak konusunda kararlıdır.
Cambia, yapılandırılmamış metinlerden gerekli tıbbi bilgileri ML ile çıkartan bir doğal dil işleme hizmeti olan Amazon Comprehend Medical gibi AWS hizmetlerini kullanarak, veri güdümlü zekayla ve insan uzmanlığıyla yönlendirilen dijital bir sağlık çözümü olan Journi’yi geliştirdi. Journi, sağlık hizmetlerindeki güçlüklerle mücadele etme ve daha iyi bir deneyim sunma amacıyla sağlık planı faydalarını, dijital sağlık bakım araçlarını, sağlık ve klinik uzmanlığını ve insan desteğini bir araya getirmektedir.
Cambia, ML kullanarak veri bilimi kaynaklarının %30-40’ını operasyonları desteklemekten tüketici sonuçlarını doğrudan etkileyen çözümler geliştirmeye kaydırdı.
Mali hizmetler için zeka içgörülerinin (intelligent insights) kolaylıkla ortaya çıkarılması
Yığınla mali evrakın arasından önemli veri ve içgörüleri (insights) tespit etmek için manuel tasnifleme yapmak gibi en zorlayıcı işlerden bazılarını hızlıca halletmek isteyen mali hizmet organizasyonları, hazır zekayı (intelligence) kullanıyorlar.
Örneğin dünyanın lider denetim (audit), vergi ve danışmanlık kuruluşlarından biri olan BDO Australia, yapılandırılmamış veriler içeren yığın halindeki çeşitli mali tabloları incelemek için belgelerden otomatik metin çıkaran bir ML hizmeti olan Amazon Textract’ı kullanıyor. Bu sayede vergi ve denetim (audit) analizleri için mali tabloları daha doğru ve verimli bir şekilde inceleyebildiklerinden zamandan ve paradan tasarruf ediyorlar.
ML ile daha fazlasını yapabilmek
ML, geçtiğimiz bir kaç yıl içinde büyük bir mesafe katetti. Girişe yönelik engeller önemli ölçüde azaltıldığından daha fazla sektör, en baskılayıcı zorluklarla baş etmek ve en büyük fırsatları yakalamak için hızlıca ML kullanmaya başladılar. Ancak bu sadece bir başlangıç. Tüm organizasyonların ML’nin gücünden faydalanmaları için çözümler üretmeye devam edeceğiz.
Link: https://partners.wsj.com/aws/reinventing-with-the-cloud/solving-industry-challenges-with-machine-learning/