Publicado en: May 19, 2023
Amazon SageMaker ahora es compatible con el uso del machine learning (ML) en el análisis geoespacial. Esto facilita que los científicos de datos y los ingenieros de ML creen, entrenen e implementen modelos al utilizar datos geoespaciales. Hoy en día, la mayoría de todos los datos generados contienen información geoespacial, pero solo una pequeña fracción se usa para ML porque acceder, procesar y visualizar los datos es complejo, requiere de mucho tiempo y es costoso.
Las nuevas capacidades geoespaciales de SageMaker simplifican el proceso de creación, entrenamiento e implementación de modelos con datos geoespaciales. Ahora puede acceder a orígenes de datos geoespaciales fácilmente disponibles, procesar o ampliar de manera eficiente los conjuntos de datos geoespaciales a gran escala con operaciones especialmente diseñadas y acelerar la creación de modelos de ML al seleccionar aquellos ya preentrenados. Luego puede analizar y explorar las predicciones generadas en un mapa interactivo dentro de SageMaker, y compartir y colaborar según los resultados. Puede utilizar las capacidades geoespaciales de SageMaker para una amplia gama de casos de uso, como respaldar el desarrollo urbano sostenible, maximizar el rendimiento de las cosechas y la seguridad alimentaria, evaluar riesgos y reclamos de seguros y pronosticar la utilización de los sitios de venta minorista.
A partir de hoy, las capacidades geoespaciales de SageMaker también admiten claves administradas por el cliente de Amazon Virtual Private Cloud (VPC) y AWS Key Management Service (KMS). Con Amazon VPC, tiene un control total sobre su entorno de red y puede conectarse de forma más segura a sus cargas de trabajo geoespaciales en AWS. Las claves administradas por el cliente de AWS KMS ofrecen una mayor flexibilidad y control al utilizar sus propias claves para cifrar las cargas de trabajo geoespaciales.
La compatibilidad de Amazon SageMaker con el ML en el análisis geoespacial ya está disponible de forma general en la región Oeste de EE. UU. (Oregón).
Para obtener más información sobre las capacidades de ML en el análisis geoespacial, visite la página web, consulte nuestra documentación o lea nuestra publicación de blog.