Blog AWS: Jak firma Eagleview wykorzystuje uczenie głębokie w środowisku AWS do reagowania na katastrofy

W miarę jak analityka danych staje się z dnia na dzień coraz bardziej zaawansowana, potrzeba szybkiego przetwarzania danych staje się coraz pilniejsza. Shay Strong, dyrektor ds. analizy danych i uczenia maszynowego w firmie Eagleview, opowiedział przedstawicielom Amazon Web Services o tym, jak firma Eagleview wykorzystuje modele głębokiego uczenia się w chmurze AWS.

Klęski żywiołowe, takie jak pożary w Santa Rosa w 2017 roku i huragan Harvey, powodują co roku straty materialne sięgające setek miliardów dolarów, siejąc spustoszenie gospodarcze w życiu właścicieli domów. Firmy ubezpieczeniowe dokładają wszelkich starań, by oszacować szkody w dotkniętych katastrofą domach, jednak minąć mogą tygodnie, zanim wyniki wyceny będą dostępne i będzie można przystąpić do ratowania oraz zabezpieczania domów.Eagleview, firma zajmująca się analizą danych dotyczących nieruchomości, podejmuje to wyzwanie, wykorzystując głębokiego uczenia się w środowisku AWS. „Tradycyjnie firmy ubezpieczeniowe wysyłały rzeczoznawców w celu oszacowania szkód majątkowych, ale mogło to trwać kilka tygodni, ponieważ obszar był zalany lub z innych powodów niedostępny” – wyjaśnia Shay Strong, dyrektor ds. nauki o danych i uczenia maszynowego w Eagleview. „Wykorzystując zdjęcia satelitarne, lotnicze i z dronów, Eagleview uruchamia modele głębokiego uczenia się w chmurze AWS, aby w ciągu 24 godzin dokonać dokładnej oceny szkód majątkowych. Dane te udostępniamy zarówno dużym krajowym ubezpieczycielom, jak i małym ubezpieczycielom regionalnym, aby mogli znacznie szybciej poinformować właścicieli domów i przygotować kolejne kroki”.

Więcej informacji znajdziesz na blogu AWS.