Geodaten-ML mit Amazon SageMaker
Schnelleres Erstellen, Trainieren und Bereitstellen von ML-Modellen mithilfe von Geodaten
Bis zu 10 Stunden kostenlose Rechenressourcen
60 Tage mit dem kostenlosen Kontingent von AWS
Greifen Sie auf leicht verfügbare Geodatenquellen zu, einschließlich Satellitenbilder, Karten und Standortdaten.
Transformieren oder bereichern Sie große Geodatensätze effizient mit Open-Source-Bibliotheken oder speziell entwickelten Operationen wie Mosaikierung und umgekehrte Geokodierung.
Beschleunigen Sie die Entwicklung von Modellen, indem Sie integrierte, vortrainierte Modelle für tiefe neuronale Netzwerke verwenden, z. B. für die Segmentierung der Bodenbedeckung und die Wolkenmaskierung.
Analysieren Sie Geodaten und erkunden Sie Modellvorhersagen auf einer interaktiven Karte mithilfe von 3D-beschleunigten Grafiken mit integrierten Visualisierungstools.
Funktionsweise
Das Diagramm besteht aus sechs Abschnitten. Der erste Abschnitt enthält ein Bild, das Daten darstellt, und trägt den Titel „Geodaten-ML with Amazon SageMaker“. In diesem Schritt können Sie ML-Modelle mithilfe von Geodaten erstellen, trainieren und bereitstellen.
Der zweite Abschnitt enthält vier kleine Bilder, die Datenquellen darstellen, und trägt den Titel „Zugriff auf Datenquellen“. In diesem Schritt können Sie auf Geodatenquellen zugreifen, von Satellitenbildern bis hin zu Karten- und Standortdaten, oder Ihre eigenen Daten hochladen.
Der dritte Abschnitt enthält ein Bild einer Weltkugel mit einem kleinen Zahnrad darüber und trägt den Titel „Daten transformieren und anreichern“. In diesem Schritt können Sie integrierte Operationen wie umgekehrte Geocodierung, Mosaikierung und Datenkennzeichnung verwenden, um Ihre Daten vorzubereiten.
Der vierte Abschnitt enthält ein Bild, das Modelle darstellt, auf die ein kleiner Computerpfeil klickt, und trägt den Titel „Modell auswählen oder trainieren“. In diesem Schritt können Sie hochmoderne, speziell entwickelte Modelle auswählen oder Ihr eigenes Modell verwenden und trainieren.
Der fünfte Abschnitt enthält ein Bild einer Rakete, die aus einer Kiste fliegt, und trägt den Titel „Ein Modell bereitstellen“. In diesem Schritt können Sie Ihr Modell bereitstellen und hosten, um Vorhersagen mithilfe von realen Daten zu treffen.
Der sechste und letzte Abschnitt enthält ein Bild einer Lupe über einer Karte und trägt den Titel „Vorhersagen visualisieren“. In diesem Schritt können Sie die Modellvorhersagen auf einer Karte in Ihrem Amazon-SageMaker-Studio-Notebook untersuchen und analysieren.
Anwendungsfälle
Bewertung von Risiken und Versicherungsansprüchen
Messen Sie Risiken, validieren Sie Ansprüche und verhindern Sie Betrug, analysieren Sie die Auswirkungen von Naturkatastrophen auf die lokale Wirtschaft und verfolgen Sie Bauprojekte.
Handelsstrategien mitteilen
Überwachen Sie Finanzanlagen weltweit, prognostizieren Sie Marktpreise für Rohstoffe, verbessern Sie Ihre Absicherungs- oder Handelsstrategien und mildern Sie die Auswirkungen von Preisschwankungen.
Überwachung des Klimawandels
Verfolgen Sie die Entwaldung und die Artenvielfalt, messen Sie Methangasemissionen, erstellen Sie Pläne zur Klimaresilienz, verwalten Sie die Katastrophenabwehr und verbessern Sie die Zuverlässigkeit des Stromnetzes.
Nachhaltige Stadtentwicklung fördern
Planen Sie nachhaltigere und lebenswertere städtische Umgebungen, identifizieren Sie Flächen für die Landentwicklung, verfolgen Sie Verkehrstrends oder bewerten Sie die Machbarkeit von Energieprojekten.
Ernteertrag und Ernährungssicherheit maximieren
Zeigen Sie Satellitenbilder an, um die Pflanzengesundheit zu diagnostizieren, Ernten abzusichern und zu klassifizieren, Ernteerträge vorherzusagen, die Nachfrage nach landwirtschaftlichen Produkten zu prognostizieren oder landwirtschaftliche Grenzen zu erkennen.
Auslastung der Einzelhandelsstandorte schätzen
Verfolgen Sie schnell wachsende Stadtgebiete oder die Effizienz des Betriebs von Einzelhandelsstandorten, um die Vertriebs- oder Liefervertriebskanäle zu verbessern.
Erste Schritte
Beispiel-Notebook
Erfahren Sie, wie Landwirte die Ernteproduktion durch fortschrittliche Analytik und ML optimieren können.
Entwicklerhandbuch
Erfahren Sie in dieser Schritt-für-Schritt-Anleitung mehr über die Geodaten-Funktionen von SageMaker.
Blog
Erfahren Sie, wie Datenwissenschaftler die durch den Klimawandel verursachte Dürre mithilfe von Geodaten überwachen können.