ميزات Amazon SageMaker لتعلّم الآلة للبيانات الجغرافية المساحية
نظرة عامة
الحصول على وصول أسهل إلى عدة مصادر بيانات جغرافية مساحية
تجنب استخدام دورات تطوير متعددة لاستيراد مجموعات البيانات الجغرافية المساحية الكبيرة. تُسهّل قدرات SageMaker الجغرافية المساحية الوصول إلى صور مفتوحة المصدر مثل Landsat وSentinel-2.
تحويل مجموعات بياناتك الجغرافية المساحية الحالية مع العمليات التي تم إنشاؤها مسبقًا
توفير الوقت بدون الحاجة لتطوير رمز السلع والحفاظ عليه لعمليات البيانات الجغرافية المساحية الشائعة. على سبيل المثال، استخدم خدمة المواقع في Amazon لعكس الرمز الجغرافي بسهولة بين إحداثيات الخريطة، خطوط الطول والعرض، وعنوان الشارع. استخدم ميزة مطابقة الخريطة لتسجيل مسارات GPS غير الدقيقة أو محاذاتها للشوارع والطرقات.
تسريع المعالجة الأولية لأعباء عمل البيانات الجغرافية المساحية على نطاق واسع
استخدم عمليات المعالجة الأولية الجاهزة للبيانات. الجمع بين النطاقات المنفصلة من صور الأقمار الصناعية المختلفة لإنشاء صورة جديدة متعددة النطاقات، وتجميع الإحصائيات لمثيلات الحساب، والعمليات واسعة النطاق الأخرى في بيانات الأقمار الصناعية.
استخدم نموذج تعلّم الآلة الخاص بك، أو استخدم نموذج تعلّم الآلة الذي تم إنشاؤه مسبقًا لبدء التنبؤات
استخدم نماذج الشبكة العصبونية العميقة (DNN) المدربة مسبقًا مثل مقاطع تغطية الأرض أو إخفاء السحاب. على سبيل المثال، استخدم مقاطع تغطية الأرض لتحديد أنواع مختلفة من المناطق لتغطية الأرض بما في ذلك الأشجار أو المياه. استخدم إخفاء السحاب لتقسيم البكسل الذي يعرض سحابًا وبدون سحاب ولإزالة السحاب والظلال باستخدام ميزات إزالة السحاب التي تم إنشاؤها مسبقًا.
التعاون حول المعلومات الدقيقة من التنبؤات الجغرافية المساحية باستخدام أدوات التمثيل المرئي المدمجة
تساعد قدرات SageMaker الجغرافية المساحية على تراكب تنبؤات النماذج على خريطة أساسية وتقديم تمثيل مرئيّ متعدد الطبقات لتسهيل التعاون. يوفر المصور المرئي التفاعلي الذي يعمل بوحدة معالجة الرسومات (GPU) ودفاتر ملاحظات Python طرقًا سهلة لاستكشاف الملايين من نقاط البيانات في نافذة واحدة ومشاركة المعلومات الدقيقة والنتائج.