Blue Bottle Coffee 的基础设施不安全且分布式，没有 DevOps，导致总拥有成本 (TCO) 增加，上市时间缓慢。

Blue Bottle 咖啡馆的糕点订单不准确，导致售空和浪费。他们需要一个预测性订购解决方案来减少食物浪费。

澳鹏需要自动化其手动欺诈检测机制，以更有效地检测和防止其平台上的恶意活动。他们希望扩大每天可以监控的分布式工作人员的数量，并减少分布式工作人员完成的体力工作量。

客户希望在四个月内将其计算机视觉云平台迁移到亚马逊云。需要进行迁移，以便该平台能够执行高度可扩展的实时武器检测，以识别高安全环境中的枪支和嫌疑人。他们还希望开发一种武器检测解决方案，可以与 AWS 云中的应用程序集成，以便能够快速有效地阻止、检测和防御射手。

Forge 希望更快速、更高效、更大规模地处理公司文档。他们计划使用人工智能自动提取数据并生成公司报告。

Audiobooks.com 希望通过利用 AI 预测客户流失情况来提高其数字平台上数字内容和有声读物的每次发行成本 (CPC)。

Dynamo 希望通过人工智能和自动化增强其文档分类平台。他们希望提高文档分类的准确性并获得根据文档内容进行预测的能力。他们还希望减少重复性的手工工作，降低运营成本，提高绩效，并最大限度地减少客户投资组合决策所需的时间。

Marmon Holdings 希望集成计算机视觉解决方案来分析和优化麦肯齐阀门工厂的制造设备、消除生产瓶颈并提高投资回报率。

TripActions 需要其基础设施流程实现自动化并符合 PCI-DSS 标准，以便在无需第三方服务的情况下实现安全的银行交易。

Earth.com 希望加速其人工智能驱动的图像识别应用程序 EarthSnap 的开发和交付。他们希望实现应用程序的机器学习基础设施的现代化和自动化，以便更轻松地部署新模型并降低管理成本。

卡森集团控股有限责任公司希望加大营销力度，帮助其投资顾问客户更有效地获取新客户。他们决定采用 AI/ML 并实施机器学习模型来对从 Salesforce 收到的销售线索进行评分。

FireworkTV 的 ML 团队认识到其现有 ML 基础设施的局限性（生产力落后、管理成本不断增加、缺乏自动化），并寻求在 AWS 上构建新的、更高效的基础设施，以推动推荐模型性能、质量和可靠性的改进。

澳鹏需要实现其票务系统的自动化，以提高支持效率、缩短票务处理时间并减少贡献者的流失。手动票务会导致分类错误、增加票证处理时间和贡献者流失。

Lane Health 希望通过将其 HSA Advance 应用程序迁移到 AWS 上符合 HIPAA 的高级基础设施来更快、更高效地进行创新。他们寻求简化运营并降低总体拥有成本，同时确保迁移期间的业务连续性。

GoCheck Kids 需要通过机器学习增强其儿科照片筛查应用程序的图像分类部分。他们需要强大且有弹性的机器学习基础设施，以便更快、更经济高效地在超过一百万张图像的数据集上运行实验。

IMVU 希望增强和重新架构其老化的本地数据平台，以支持高级分析和机器学习用例。随着数据量呈指数增长和整体 Hadoop 架构，IMVU 团队面临着创新和更有效地利用用户生成数据的挑战。 IMVU 希望通过高级分析和数据流来增强和重新构建其平台。该公司是 Apache Hadoop 的先驱和早期采用者之一，在大数据技术成为主流之前就充分利用了它们。尽管 IMVU 拥有深厚的内部专业知识，但支持和升级其 90 节点 Hadoop 集群和内部构建的工具对他们来说仍然具有挑战性。

InMarket 的旧数据平台效率低下，作业成功率为 40%，并且存在数据部署和开发延迟的问题。该平台无法处理从多个来源收集的不断增长的实时位置数据，从而导致延迟、瓶颈和效率低下。在生产中部署数据管道需要长达 12 个月的时间，这对于 InMarket 的业务模式来说是不可接受的。开发延迟和实施错误减缓了收入增长。该平台性能落后，作业成功率为40%，且Spark作业随机中止。

LeadGenius 需要增强和自动化其数据处理流程，以实现更高的可扩展性并提高销售和营销绩效。由于大量的手动流程，数据处理流程效率低下，无法确保数据质量和数据一致性。

我们的客户是一家全球医疗保健领导者，希望在其组织内加速和扩大 AI/ML 的采用。他们需要一个现代化的 MLOps 平台来简化 AI/ML 应用程序的开发和部署。

PSC Biotech 希望通过人工智能实现现有流程自动化，从而增强其文档处理操作。他们需要更快、更准确、更大规模地处理 FDA 483 表格观察结果。手动文档处理既耗时、成本高，又容易出错，给合规性和公司的利润带来风险。

Pr3vent 致力于通过计算机辅助诊断来提高患者诊断和眼部筛查的可用性。通过人工智能扩展医生的专业知识，它试图降低每次筛查的成本，以便更好地为美国 400 万婴儿提供服务，同时提高诊断准确性。

Nitrio 的 NLP 平台依赖于手动规则和启发式模型，导致瓶颈和可扩展性问题

Swiftmile 希望改进和扩展其微移动平台的基础设施，并添加先进的数据流功能，以支持其全球扩张。

InMarket 的旧数据平台效率低下，作业成功率为 40%，并且存在数据部署和开发延迟的问题。该平台无法处理从多个来源收集的不断增长的实时位置数据，从而导致延迟、瓶颈和效率低下。将数据管道从数据科学家移交给数据工程师和运营人员需要长达十二个月的时间，从而减缓了收入增长。由于作业中止，数据科学家不得不重新运行多个 Spark 作业，效率低下。

Nugs.net 希望增强其现场音乐平台，为喜欢现场表演并希望随时随地体验的音乐迷提供一流的体验。他们希望改善用户体验个性化，以提高用户保留率、转化率和盈利能力。

Second Genome 希望通过改进数据摄取和分期以及完善其数据平台的代码库来加速和扩大微生物组药物的发现和开发。该公司需要提高数据安全合规性标准，为其客户和合作伙伴创建一个安全的药物研发环境。

作为多年转型工作的一部分，Nexant 寻求改造其 IT 基础设施并将其运营从本地迁移到云端。 Nexant 希望加快开发和发布周期，消除不必要的繁重工作，并扩展整个系统以实现更快的增长。

VTS 希望更高效地生产机器学习 (ML) 模型，同时获得使用 AWS 服务迭代构建新模型的能力。他们希望加快 ML 应用程序的上市时间、减少人为错误以及 DS 团队的努力。 VTS 在将预测模型集成到核心用户体验中时遇到了障碍。数据科学家能够在临时环境（例如 Jupyter 笔记本）中交付模型，但发现使用 VTS 平台的现有基础设施在生产中部署模型具有挑战性。 VTS 拥有出色的数据科学家，但缺乏完成这项工作所需的 AWS 和 MLOps 专业知识。

TripActions 的基础设施和数据存储解决方案无法满足分析数据容量和可扩展性需求，导致数据孤岛并增加总体拥有成本。历史数据从未被清理过，而分析数据以不同格式存储在各种数据库中，从而创建了多个数据孤岛，并使数据无法用于分析和机器学习。现有的数据解决方案在分析能力和可扩展性方面失败，增加了运营成本并抑制了业务增长。

Lumin Digital 希望构建一个现代化的多租户数据平台，用于高级分析、报告和 AI/ML 用例的支持。他们希望提高监控和检测涉及用户会话和 ACH 交易的风险的能力。