Blogue AWS : Comment Eagleview utilise l’apprentissage profond sur AWS dans le cadre de l’intervention en cas de catastrophe

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 machine chez Eagleview, a discuté avec Amazon Web Services de la manière dont Eagleview utilise des modèles d'apprentissage profond sur le cloud AWS.

Les catastrophes naturelles, comme les incendies de Santa Rosa en 2017 et l'ouragan Harvey, causent chaque année des centaines de milliards de dollars de dommages matériels, plongeant les propriétaires dans une situation économique catastrophique. Les compagnies d'assurance font de leur mieux pour évaluer les habitations sinistrées, mais il faut parfois des semaines avant que les évaluations soient disponibles et que les travaux de réparation et de protection 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 envoient des experts sur place pour évaluer les dégâts, mais cela peut prendre plusieurs semaines parce que la zone est inondée ou inaccessible », explique Shay Strong, directrice de la science des données et de l'apprentissage automatique chez Eagleview. « À partir d'images satellites, aériennes et de drones, Eagleview exécute des modèles d'apprentissage profond sur le nuage AWS pour réaliser des évaluations précises des dommages en 24 heures. Nous fournissons ces données aux grandes compagnies d'assurance nationales comme aux petites compagnies régionales, afin d'informer les propriétaires et d'accélérer la préparation des prochaines étapes. »

Lisez-en plus sur le blogue AWS.