Avec l’analyse de données qui devient de plus en plus sophistiquée chaque jour, le besoin d’un traitement rapide devient de plus en plus urgent.
Shay Strong, directeur de la science des données et de l’apprentissage automatique chez EagleView, a discuté avec Amazon Web Services de la façon dont EagleView utilise des modèles d’apprentissage profond sur le nuage AWS.
Des catastrophes naturelles comme les incendies de Santa Rosa en 2017 et l’ouragan Harvey coûtent des centaines de milliards de dollars en dommages matériels chaque année, causant des ravages économiques dans la vie des propriétaires. Les compagnies d’assurance font de leur mieux pour évaluer les maisons touchées, mais il pourrait falloir des semaines avant que des évaluations soient disponibles et que la récupération et la protection des maisons puissent commencer. EagleView, une entreprise d’analyse de données immobilières, relève ce défi grâce à l’apprentissage profond sur AWS.
« Traditionnellement, les compagnies d’assurance envoyaient des experts en sinistres pour évaluer les dommages matériels, mais cela pouvait prendre plusieurs semaines parce que la zone est inondée ou autrement inaccessible », explique Shay Strong, directrice de la science des données et de l’apprentissage automatique chez EagleView. « En utilisant des images satellites, aériennes et de drones, EagleView exécute des modèles d’apprentissage profond sur le nuage AWS pour effectuer des évaluations précises des dommages matériels dans les 24 heures. Nous fournissons ces données tant aux grands assureurs nationaux qu’aux petits assureurs régionaux, afin d’informer les propriétaires et de préparer les prochaines étapes beaucoup plus rapidement. »
Lisez-en plus sur le blogue AWS.