Amazon SageMaker 地理空间机器学习

利用地理空间数据更快地构建、训练和部署 ML 模型

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。
图片显示了如何利用 Amazon SageMaker 地理空间 ML 功能访问数据资源、转换和丰富数据、选择或训练模型、部署模型以及在地图上实现模型预测可视化。
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。

如何入门

笔记本示例

了解农民如何通过高级分析和 ML 优化作物生产。

查看示例 »

开发人员指南

如需深入了解 SageMaker 地理空间功能,请参阅此分步指南。

阅读指南 »

博客

了解数据科学家如何使用地理空间数据监测气候变化引起的干旱。

阅读博客 »

更深入了解 AWS