Preguntas frecuentes de Amazon SageMaker sobre el uso del ML en el análisis geoespacial

P: ¿Qué son los datos geoespaciales?

Los datos geoespaciales representan características u objetos en la superficie de la Tierra. El primer tipo de datos geoespaciales son los datos vectoriales, que utilizan geometría bidimensional como puntos, líneas o polígonos para representar objetos como carreteras y límites terrestres. Los datos de ubicación etiquetados geográficamente también se consideran datos vectoriales. Incluye puntos de interés, por ejemplo, la Torre Eiffel, publicaciones en redes sociales con etiquetas de ubicación, coordenadas de latitud y longitud, o diferentes estilos y formatos de direcciones de calles. El segundo tipo de datos geoespaciales son los datos de trama, como las imágenes recopiladas por satélites, plataformas aéreas o plataformas de teledetección. Este tipo de datos utiliza una matriz de píxeles para definir dónde se ubican las características. Puede utilizar formatos de trama para almacenar datos que varían.

P: ¿Cómo obtengo datos geoespaciales?

Las capacidades geoespaciales de Amazon SageMaker le permiten utilizar datos geoespaciales, como Landsat 8 y Sentinel-2. También puede importar sus propios datos, incluidos los datos de ubicación generados a partir de dispositivos GPS, vehículos conectados o sensores de Internet de las cosas (IoT), tráfico peatonal en tiendas minoristas, geomarketing y datos de censos, o datos adquiridos de proveedores externos. Las capacidades geoespaciales de SageMaker también lo ayudan a enriquecer estos datos mediante funciones especialmente diseñadas de Amazon Location Service, como convertir ubicaciones de latitud y longitud en direcciones de calles.

P: ¿Qué son las capacidades geoespaciales de SageMaker?

Las capacidades geoespaciales de SageMaker facilitan que los científicos de datos y los ingenieros de machine learning creen, entrenen e implementen modelos de ML para hacer predicciones mediante datos geoespaciales. Puede usar sus propios datos, como datos satelitales de Planet Labs de Amazon S3, o adquirir datos de Open Data en AWS, Amazon Location Service y otros orígenes de datos geoespaciales de SageMaker.

P: ¿Cómo puedo mejorar la eficiencia con las funciones geoespaciales de SageMaker?

Puede simplificar el preprocesamiento de sus datos con operaciones geoespaciales integradas, como el emparejamiento de mapas. Acelere el desarrollo del modelo geoespacial de ML y reduzca el costo total de propiedad mediante el uso de uno de los modelos preconstruidos, o desarrolle sus propios modelos geoespaciales de ML. Puede visualizar predicciones en capas en un mapa con las herramientas de visualización integradas, que permiten una colaboración más rápida.

P: ¿Por qué debo utilizar las funciones del ML en el análisis geoespacial de SageMaker?

El uso de las capacidades del ML en el análisis geoespacial de SageMaker le permiten realizar predicciones sobre datos geoespaciales más rápidamente que las soluciones creadas por usted mismo. Las capacidades geoespaciales de SageMaker facilitan el acceso a los datos geoespaciales de sus lagos de datos existentes, conjuntos de datos de código abierto y otros orígenes de datos geoespaciales de SageMaker. Las capacidades geoespaciales de SageMaker minimizan la necesidad de crear una infraestructura personalizada y funciones de preprocesamiento de datos al ofrecer algoritmos especialmente diseñados para una preparación de datos, entrenamiento de modelos e inferencia eficientes. También puede crear y compartir visualizaciones y datos personalizados con su organización desde Amazon SageMaker Studio. Las capacidades geoespaciales de SageMaker incluyen modelos previamente entrenados para usos comunes en agricultura, bienes raíces, seguros y servicios financieros.