Sempre Health如何利用专家加速计划加速他们的机器学习路线图
Sempre Health如何加速机器学习路线图利用专家计划
👋 你好，朋友们！我们最近与Sempre Health的Swaraj Banerjee和Larry Zhang坐下来交流，Sempre Health是一个将基于行为的动态定价引入到医疗保健领域的初创公司。他们在机器学习领域做了一些令人兴奋的工作，并利用我们的专家加速计划加速了他们的机器学习路线图。
我们合作的一个例子是他们的新的NLP流水线，用于自动分类和响应入站信息。自从将其部署到生产环境以来，他们已经看到超过20%的入站信息被这个新系统自动处理🤯，对他们的业务可扩展性和团队工作流程产生了巨大影响。
在这段短视频中，Swaraj和Larry向我们介绍了他们的一些机器学习工作，并分享了他们通过专家加速计划与我们团队合作的经验。快来看看吧：
如果你想像Swaraj和Larry一样通过我们的专家加速计划加速你的机器学习路线图，请访问hf.co/support了解更多关于我们的专家加速计划并请求报价。
文字稿：
介绍
我叫Swaraj，是Sempre Health的首席技术官和联合创始人。我是Larry，是Sempre Health的机器学习工程师。我们致力于通过结合短信参与和处方填充折扣来解决药物依从性和可负担性的问题。
你如何在Sempre Health应用机器学习？
在Sempre Health，我们每天从平台上的患者那里收到数千条短信。其中很大一部分是我们可以自动回复的信息。例如，如果患者给我们发了一个简单的“谢谢”，我们可以自动回复“不客气”。或者如果患者说“你能为我重新开方吗？”我们有相应的系统可以自动给他们的药店打电话并代表他们提交补方请求。
我们使用机器学习，特别是自然语言处理（NLP），来帮助识别这些每天看到的数千条短信中哪些是可以自动处理的。
在专家加速计划之前，你们面临了哪些挑战？
我们的基于规则的系统可以捕捉到大约80%的入站短信，但我们想做得更好。我们知道，统计机器学习方法是改进我们解析的唯一途径。当我们寻找可以利用的工具时，我们发现Hugging Face上的语言模型是一个很好的起点。虽然Larry和我在机器学习和NLP方面有背景，但我们担心我们没有完美地表述我们的问题，没有为我们特定的用例和训练数据使用最佳模型或神经网络架构。
你们如何利用专家加速计划？
Hugging Face团队在我们实施这个特定问题的NLP解决方案的各个方面都给予了我们很好的帮助。他们就如何为我们的短信获取既有代表性又准确的标签给出了非常好的建议。他们还通过立即指导我们选择正确的模型和方法，节省了我们无数小时的研究时间。我可以非常有信心地说，如果没有专家加速计划，我们看到的结果可能需要更长时间。
专家加速计划有什么让你惊讶的地方？
我们知道我们想从这个计划中获得什么；我们有一个非常具体的问题，并且我们知道如果我们正确地使用Hugging Face库，我们可以对我们的产品产生巨大的影响。令我们惊喜的是，我们得到了我们想要的帮助。我们合作的人非常聪明，接受我们所处的位置，不需要我们做很多额外的工作，所以能够得到我们想要的结果令人愉快。
与Hugging Face团队合作的影响是什么？
这种合作最重要的是对我们业务的可扩展性和运营团队的工作流程产生了巨大影响。我们几周前推出了我们的生产NLP流水线。从那时起，我们一直看到近20%的入站信息被我们的新系统自动处理。这些是以前会为我们的患者运营团队创建工单的信息。因此，我们减少了团队的很多低价值工作。
ML团队应该考虑Expert Acceleration Program解决哪种类型的AI问题？
在Sempre Health，我们是一个相当小的团队，我们刚刚开始探索如何利用ML来改善我们整体的病人体验。Hugging Face团队的专业知识确实加快了我们在这个项目中的开发过程。所以我们推荐这个计划给那些真正希望在他们的产品中快速添加AI流水线，而不需要太多困扰和开发时间的团队。
通过Expert Acceleration Program，我们组建了一个世界一流的团队来帮助客户更快地构建更好的ML解决方案。我们的专家根据您在机器学习研究到生产过程中的需求回答问题并找到解决方案。访问hf.co/support了解更多信息并请求报价。
