最多 10 小时的免费计算资源
持续 60 天,通过 AWS Free Tier 提供
访问随时可用的地理空间数据来源,包括卫星图像、地图和位置数据。
使用开源库或专门构建的操作(如镶嵌和反向地理编码)高效转换或丰富大规模地理空间数据集。
通过使用土地覆盖分类和云掩膜等内置的预训练深度神经网络模型,加快模型构建速度。
使用 3D 加速图形和内置的可视化工具,在交互式地图上分析地理空间数据并探索模型预测。
工作原理
Amazon SageMaker 支持地理空间机器学习(ML)功能,让数据科学家和 ML 工程师能够使用地理空间数据来构建、训练和部署 ML 模型。访问地理空间数据来源、专门的处理操作、预训练的 ML 模型和内置的可视化工具,从而更快速地大规模运行地理空间 ML。

为什么选择地理空间 ML? (1:46)
为什么选择地理空间 ML?
视频演示了如何利用卫星影像、地图和位置数据等地理空间数据,在各种使用案例和行业中加快创新速度并做出更明智的决策。
为什么选择地理空间 ML?
视频演示了如何利用卫星影像、地图和位置数据等地理空间数据,在各种使用案例和行业中加快创新速度并做出更明智的决策。
使用案例
评估风险与保险索赔
衡量风险,确认索赔并防止欺诈行为,分析自然灾害对当地经济造成的损害,并跟踪建筑项目。
提供交易策略
监控全球金融资产,预测市场商品价格,提升对冲或交易策略,并减轻价格波动的影响。
监测气候变化
跟踪森林开伐和生物多样性,测量甲烷气体排放,制定气候弹性计划,管理灾难响应并提高电网可靠性。
支持城市可持续发展
设计更具有可持续性和更加宜居的城市环境,确定土地开发区域,跟踪交通趋势,或者评估能源项目的可行性。
最大限度地提高收成产量和粮食安全
查看卫星图像以诊断植物健康状况,给作物投保和进行分类,预测农产品需求或检查农场边界。
估算零售网站利用率
跟踪高增长的城市区域或零售场所的运营效率,以改善销售或供应分销渠道。