Veröffentlicht am: May 19, 2023
Amazon SageMaker unterstützt jetzt georäumliches Machine Learning (ML), was es Datenwissenschaftlern und ML-Ingenieuren erleichtert, ML-Modelle mithilfe von Geodaten zu erstellen, zu trainieren und bereitzustellen. Heutzutage enthält die Mehrheit aller erzeugten Daten georäumliche Informationen, aber nur ein kleiner Teil davon wird für ML verwendet, weil der Zugriff auf die Daten, ihre Verarbeitung und Visualisierung komplex, zeitaufwändig und teuer ist.
Die neuen georäumlichen Funktionen von SageMaker vereinfachen den Prozess der Erstellung, Schulung und des Einsatzes von Modellen mit georäumlichen Daten. Sie können jetzt auf leicht verfügbare Geodatenquellen zugreifen, große Geodatensätze mit speziell entwickelten Operationen effizient verarbeiten oder anreichern und die Modellerstellung durch die Auswahl von vortrainierten ML-Modellen beschleunigen. Sie können dann die generierten Vorhersagen auf einer interaktiven Karte innerhalb von SageMaker analysieren und erforschen und die Ergebnisse gemeinsam nutzen und bearbeiten. Sie können die georäumlichen Funktionen von SageMaker für eine Vielzahl von Anwendungsfällen verwenden, z. B. für die Unterstützung einer nachhaltigen Stadtentwicklung, die Maximierung von Ernteerträgen und der Ernährungssicherheit, die Bewertung von Risiken und Versicherungsansprüchen sowie die Prognose der Auslastung von Einzelhandelsstandorten.
Ab heute unterstützen die Geodatenfunktionen von SageMaker auch kundenverwaltete Schlüssel von Amazon Virtual Private Cloud (VPC) und AWS Key Management Service (KMS). Mit Amazon VPC haben Sie die volle Kontrolle über Ihre Netzwerkumgebung und können sich sicherer mit Ihren georäumlichen Workloads auf AWS verbinden. Kundenverwaltete Schlüssel von AWS KMS bieten mehr Flexibilität und Kontrolle, da Sie Ihre eigenen Schlüssel zur Verschlüsselung von georäumlichen Workloads verwenden.
Amazon SageMaker-Unterstützung für Geospatial ML ist jetzt in der Region USA West (Oregon) allgemein verfügbar.
Wenn Sie mehr über georäumliche ML-Funktionen erfahren möchten, besuchen Sie die Webseite, sehen Sie sich unsere Dokumentation an oder lesen Sie unseren Blogbeitrag.