EyeGage
Atlanta, GA
Atención médica, seguridad industrial
AWS Lambda, AWS Sagemaker, AWS Lambda, AWS RDS, AWS ECR, AWS S3, AWS Cloudwatch, AWS SNS. AWS API Gateway
EyeGage, una empresa emergente con sede en Atlanta, planeaba salir al mercado con su aplicación móvil que utiliza modelos de aprendizaje automático para detectar el consumo reciente de drogas/alcohol a partir de un simple escaneo del ojo. Un requisito clave era lograr que la aplicación front-end y los modelos funcionaran con Amazon SageMaker, la plataforma en la nube back-end que permite a los desarrolladores de aplicaciones crear, entrenar e implementar modelos de aprendizaje automático.
“Nuestro prototipo funcionó bien en AWS y nuestros modelos ya estaban entrenados”, dice la Dra. LaVonda Brown, fundadora y directora ejecutiva. “Pero necesitábamos ayuda para exponer los modelos a SageMaker para garantizar que pudiéramos escalar nuestros servicios a medida que aumenta la actividad del usuario”.
EyeGage primero intentó exponer los modelos de aprendizaje automático utilizando recursos internos. Pero sin experiencia previa con SageMaker, trabajar con la documentación resultó difícil. Como participante en el Programa Acelerador de Impacto de AWS, que se centra en fundadores negros en el sector tecnológico, Brown pudo acceder a tutoría personalizada y financiación de capital.
EyeGage permite a los lugares de trabajo y a las personas anticiparse a los accidentes con confianza, realizando pruebas de detección de sustancias de forma rápida y precisa antes de operar equipos que ponen en peligro la vida, como coches, grúas y escalpelos. EyeGage se puede utilizar para detectar clases de sustancias como alcohol, anfetaminas, benzodiacepinas, opioides y marihuana porque los ojos se ven y se comportan de manera diferente bajo la influencia de estas sustancias.
AWS remitió a EyeGage a Avahi. “Avahi nos impresionó de inmediato con su conocimiento sobre los modelos de aprendizaje automático y su comprensión de nuestro negocio”, dice Brown. “Más importante aún, presentaron proyectos anteriores de SageMaker que habían realizado y que eran similares a lo que necesitábamos. Eso nos dio la confianza de que Avahi podría hacer el trabajo”.
Avahi colocó el código de los modelos de aprendizaje automático en SageMaker para exponerlos como una API perfecta para los usuarios finales de la aplicación móvil EyeGage. Esto incluyó la actualización del código de los modelos para que pueda exponerse como una inferencia de aprendizaje automático basada en eventos. Avahi también colocó los modelos con servicios adicionales como AWS Lambda para la computación sin servidor y Amazon API Gateway, un servicio administrado que facilita la creación y el mantenimiento de API.
Además de que SageMaker expone los modelos de aprendizaje automático para que la aplicación front-end de detección de drogas y alcohol pueda escalar a medida que envía imágenes de los ojos y recibe los resultados del escaneo, la programación aplicada por Avahi agiliza la comparación de los resultados de escaneo actuales y pasados. Esto permitirá a EyeGage proporcionar a los usuarios información valiosa adicional sobre su estado.
“Avahi también nos ayudó a comprender todos los recursos de AWS que estamos utilizando y codificaron el back-end de AWS para recibir tokens web JSON”, agrega Brown. “Esto nos brinda una forma más segura de enviar datos de un lado a otro, lo cual es fundamental dada la sensibilidad de la información que procesamos para nuestros clientes”.
El trabajo completado por Avahi ayudó a EyeGage a prepararse para las sesiones de demostración para inversores, que son fundamentales para ayudar a la empresa a lanzar sus operaciones. Brown dice que EyeGage planea poner a disposición de los consumidores una versión gratuita de la aplicación durante el cuarto trimestre de 2022. EyeGage también desarrollará una versión para que las empresas examinen a los empleados y clientes, que se espera que esté disponible a finales del primer trimestre de 2023.
“Al asociarnos con Avahi, pudimos acelerar el cronograma para preparar nuestra aplicación móvil para nuestras demostraciones para inversores, y ahora confiamos en que la aplicación escalará bien cuando salgamos al mercado. Sabemos que también podemos recurrir a Avahi nuevamente para que nos ayude a integrarnos con los servicios de AWS a medida que continuamos mejorando nuestra aplicación”. – Dra. LaVonda Brown, fundadora y directora ejecutiva
EyeGage
Atlanta, GA
Atención médica, seguridad industrial
AWS Lambda, AWS Sagemaker, AWS Lambda, AWS RDS, AWS ECR, AWS S3, AWS Cloudwatch, AWS SNS. AWS API Gateway
EyeGage, una empresa emergente con sede en Atlanta, planeaba salir al mercado con su aplicación móvil que utiliza modelos de aprendizaje automático para detectar el consumo reciente de drogas/alcohol a partir de un simple escaneo del ojo. Un requisito clave era lograr que la aplicación front-end y los modelos funcionaran con Amazon SageMaker, la plataforma en la nube back-end que permite a los desarrolladores de aplicaciones crear, entrenar e implementar modelos de aprendizaje automático.
“Nuestro prototipo funcionó bien en AWS y nuestros modelos ya estaban entrenados”, dice la Dra. LaVonda Brown, fundadora y directora ejecutiva. “Pero necesitábamos ayuda para exponer los modelos a SageMaker para garantizar que pudiéramos escalar nuestros servicios a medida que aumenta la actividad del usuario”.
EyeGage primero intentó exponer los modelos de aprendizaje automático utilizando recursos internos. Pero sin experiencia previa con SageMaker, trabajar con la documentación resultó difícil. Como participante en el Programa Acelerador de Impacto de AWS, que se centra en fundadores negros en el sector tecnológico, Brown pudo acceder a tutoría personalizada y financiación de capital.
EyeGage permite a los lugares de trabajo y a las personas anticiparse a los accidentes con confianza, realizando pruebas de detección de sustancias de forma rápida y precisa antes de operar equipos que ponen en peligro la vida, como coches, grúas y escalpelos. EyeGage se puede utilizar para detectar clases de sustancias como alcohol, anfetaminas, benzodiacepinas, opioides y marihuana porque los ojos se ven y se comportan de manera diferente bajo la influencia de estas sustancias.
AWS remitió a EyeGage a Avahi. “Avahi nos impresionó de inmediato con su conocimiento sobre los modelos de aprendizaje automático y su comprensión de nuestro negocio”, dice Brown. “Más importante aún, presentaron proyectos anteriores de SageMaker que habían realizado y que eran similares a lo que necesitábamos. Eso nos dio la confianza de que Avahi podría hacer el trabajo”.
Avahi colocó el código de los modelos de aprendizaje automático en SageMaker para exponerlos como una API perfecta para los usuarios finales de la aplicación móvil EyeGage. Esto incluyó la actualización del código de los modelos para que pueda exponerse como una inferencia de aprendizaje automático basada en eventos. Avahi también colocó los modelos con servicios adicionales como AWS Lambda para la computación sin servidor y Amazon API Gateway, un servicio administrado que facilita la creación y el mantenimiento de API.
Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita
