其他行业 · AI应用
使用Amazon SageMaker进行英语口语测试
RareJob Technologies面临通过其系统PROGOS高效测量英语口语能力的挑战。为此，他们采用Amazon SageMaker，简化了机器学习模型开发流程。该方法带来了显著改进：模型开发效率提升超过10倍，训练时间减少25%。结果，该组织每月节省约100小时的工作时间，使团队能够专注于提升评估质量和扩展服务。集成先进的AWS工具不仅优化了运营，还显著提高了整体生产力。
ML训练时间减少
25%
来源披露
ML模型开发效率提升
10倍以上
来源披露
每月节省工时
100
来源披露
01
业务背景
RareJob Technologies面临通过其系统PROGOS高效测量英语口语能力的挑战。为此，他们采用Amazon SageMaker，简化了机器学习模型开发流程。该方法带来了显著改进：模型开发效率提升超过10倍，训练时间减少25%。结果，该组织每月节省约100小时的工作时间，使团队能够专注于提升评估质量和扩展服务。集成先进的AWS工具不仅优化了运营，还显著提高了整体生产力。
02
遇到的问题
本地PC开发ML模型时每次只能启动一个模型，形成开发瓶颈；同时人工英语口语评分因评估者经验和认知差异导致评分模糊，需要高效客观的自动化评分系统。
03
AI 解决方案
采用Amazon SageMaker进行ML模型训练，通过选择更多GPU和更大内存的实例以及使用托管竞价训练降低成本，实现并行训练并提升效率。同时基于AWS构建可扩展架构，使用Amazon ECS、AWS Fargate、Amazon DynamoDB、AWS Lambda和Amazon SQS等无服务器及容器服务处理口语测试流程，实现AI自动评分。
04
实施结果
ML训练时间减少：25%（减少25%）
ML模型开发效率提升：10倍以上（提升超过10倍）
每月节省工时：100（节省约100小时）
05
风险与边界
未披露
“We were able to reduce learning time by up to a quarter compared to model development using a local PC.”
Takuya Yamashiro · ML Engineer at RareJob Technologies
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。