Veröffentlicht am: Oct 30, 2023
Amazon SageMaker unterstützt jetzt Aufträge zur Geodatenverarbeitung und erleichtert so Datenwissenschaftlern und ML-Ingenieuren die Ausführung von ML-Workloads in planetarischer Dimension. Um solch umfangreiche Workloads ausführen zu können, benötigen Kunden einen flexiblen Rechencluster, der von Dutzenden von Instances für die Verarbeitung eines Stadtblocks bis hin zu Tausenden von Instances für die Verarbeitung in planetarischer Dimension skaliert werden kann. Die manuelle Verwaltung eines eigenen Compute-Clusters ist langsam und teuer. Darüber hinaus ist der Aufbau und die Wartung einer standardisierten Umgebung für den Zugriff, die Verarbeitung und die Visualisierung von Geodaten komplex, zeitaufwändig und teuer.
Mit dieser Markteinführung können Kunden nun den speziell entwickelten Geocontainer von SageMaker mit Verarbeitungsaufträgen verwenden, um ein vereinfachtes, verwaltetes Erlebnis bei der Erstellung und Ausführung eines Clusters zu gewährleisten. Mit dem standardisierten, speziell entwickelten Geocontainer von SageMaker können Sie auf einen Geodatenkatalog zugreifen, die Daten mit Open-Source-Algorithmen oder vortrainierten ML-Modellen verarbeiten, Vorhersagen auf einer Karte visualisieren und mit anderen Teammitgliedern zusammenarbeiten. Mit nur wenigen Codezeilen können Sie Ihre Geodaten-Workloads mit SageMaker Processing-Jobs skalieren. Sie geben einfach ein Skript an, das Ihre Arbeitslast, den Speicherort Ihrer Geodaten auf Amazon Simple Storage Service (Amazon S3) und den Geodatencontainer definiert. SageMaker Processing stellt Ihnen Cluster-Ressourcen zur Verfügung, mit denen Sie Geodaten-ML-Workloads auf Stadt-, Land- oder Kontinentebene ausführen können.
Die Unterstützung für die Geodatenbildgebung in SageMaker-Verarbeitungsaufträgen ist jetzt in der Region USA West (Oregon) allgemein verfügbar.
Weitere Informationen über geodatenbasierte ML-Funktionen finden Sie auf der Webseite oder in unserer Dokumentation.