Sempre Health 如何利用專家加速計劃加速其機器學習路線圖
👋 大家好！我們最近與 Sempre Health 的 Swaraj Banerjee 和 Larry Zhang 進行了座談，Sempre Health 是一家將基於行為的動態定價引入醫療保健領域的初創公司。他們正在進行一些令人興奮的機器學習工作，並正在利用我們的專家加速計劃來加速他們的機器學習路線圖。
我們合作的一個例子是他們新的 NLP 管道，用於自動分類和回覆入站訊息。自從將其部署到生產環境以來，他們發現超過 20% 的傳入訊息由這個新系統自動處理 🤯，這對他們的業務可擴充套件性和團隊工作流程產生了巨大影響。
在這段短影片中，Swaraj 和 Larry 將向我們介紹他們的一些機器學習工作，並分享他們透過專家加速計劃與我們團隊合作的經驗。快來看看吧！
如果您想在我們的專家幫助下加速您的機器學習路線圖，就像 Swaraj 和 Larry 那樣，請訪問 hf.co/support 瞭解更多關於我們的專家加速計劃並請求報價。
轉錄：
介紹
我叫 Swaraj，是 Sempre Health 的 CTO 兼聯合創始人。我是 Larry，我是 Sempre Health 的機器學習工程師。我們致力於透過結合簡訊互動和處方折扣來提高患者用藥依從性和可負擔性。
Sempre Health 如何應用機器學習？
在 Sempre Health，我們每天都會收到平臺上數千條患者的簡訊。這些訊息中很大一部分是我們實際上可以自動回覆的。例如，如果患者給我們發了一條簡單的“謝謝”，我們可以自動回覆“不客氣”。或者如果患者說“你能給我開藥嗎？”，我們有系統可以自動打電話給他們的藥房並代表他們提交續藥請求。
我們正在使用機器學習，特別是自然語言處理 (NLP)，來幫助識別每天收到的數千條簡訊中哪些是可以自動處理的。
在專家加速計劃之前，你們面臨著哪些挑戰？
我們的基於規則的系統捕獲了大約 80% 的入站簡訊，但我們希望做得更好。我們知道只有統計機器學習方法才能改進我們的解析。當我們尋找可以利用的工具時，我們發現 Hugging Face 上的語言模型將是一個很好的起點。儘管 Larry 和我都有機器學習和 NLP 背景，但我們擔心我們沒有完美地制定問題，沒有為我們的特定用例和訓練資料使用最佳模型或神經網路架構。
你們是如何利用專家加速計劃的？
Hugging Face 團隊在解決這個特定問題的 NLP 解決方案的各個方面都給了我們很大的幫助。他們就如何獲取具有代表性和準確的文字訊息標籤向我們提供了非常好的建議。他們還立即為我們指明瞭正確的模型和方法，為我們節省了無數小時的研究時間。我可以非常自信地說，如果沒有專家加速計劃，我們可能需要更長時間才能看到今天所取得的成果。
專家加速計劃有哪些讓你們感到驚喜的地方？
我們知道我們希望從專案中得到什麼；我們有一個非常具體的問題，我們知道如果正確使用 Hugging Face 庫，我們將對我們的產品產生巨大影響。令我們驚喜的是，我們得到了我們想要的幫助。與我們合作的人非常敏銳，他們適應了我們的需求，沒有要求我們做額外的很多工作，所以能夠從專案中得到我們想要的東西，這真是令人驚喜。
與 Hugging Face 團隊合作帶來了哪些影響？
這次合作最重要的一點是對我們業務的可擴充套件性和運營團隊的工作流程產生了巨大影響。我們於幾周前啟動了生產 NLP 管道。從那時起，我們一直看到近 20% 的傳入訊息由我們的新系統自動處理。這些訊息以前會為我們的患者運營團隊建立一個工單。因此，我們為團隊減少了大量低價值的工作。
對於哪種型別的人工智慧問題，機器學習團隊應該考慮專家加速計劃？
在 Sempre Health，我們是一個非常小的團隊，我們剛剛開始探索如何利用機器學習來改善我們的整體患者體驗。Hugging Face 團隊的專業知識無疑加快了我們這個專案的開發過程。因此，我們向任何真正希望快速向其產品新增 AI 管道，而無需承擔機器學習開發通常帶來的麻煩和開發時間的團隊推薦這個計劃。
透過專家加速計劃，我們組建了一支世界級的團隊，幫助客戶更快地構建更好的機器學習解決方案。我們的專家在您的機器學習之旅中（從研究到生產）根據需要回答問題並尋找解決方案。訪問 hf.co/support 瞭解更多資訊並請求報價。
