Publié le: Oct 30, 2023
Amazon SageMaker prend désormais en charge les tâches Processing géospatiales, ce qui permet aux experts en science des données et aux ingénieurs en machine learning (ML) d'exécuter plus facilement des charges de travail de ML à l'échelle planétaire. Pour gérer des charges de travail d'une telle ampleur, nos clients ont besoin d'un cluster de calcul flexible qu'ils peuvent mettre à l'échelle de quelques dizaines d'instances (pour un traitement au niveau d'un quartier) à plusieurs milliers d'instances (pour un traitement au niveau planétaire). La gestion manuelle d'un cluster de calcul artisanal est lente et coûteuse. Il est en outre complexe, chronophage et coûteux de créer et d'entretenir un environnement normalisé permettant d'accéder aux données géospatiales, de les traiter et de les visualiser.
Grâce à ce lancement, les clients peuvent désormais utiliser le conteneur géospatial dédié de SageMaker avec des tâches Processing, pour une expérience simplifiée et gérée de création et d'exécution d'un cluster. Spécialement conçu à cet effet par SageMaker, le conteneur géospatial standardisé vous permet d'accéder à un catalogue de données géospatiales, de traiter vos données à l'aide d'algorithmes open source ou de modèles ML préentraînés, de visualiser les prévisions sur une carte et de collaborer avec d'autres membres de votre équipe. Vous pouvez, en quelques lignes de code, monter en puissance vos charges de travail géospatiales grâce aux tâches SageMaker Processing. Il vous suffit de spécifier un script qui définit votre charge de travail, l'emplacement de vos données géospatiales dans Amazon Simple Storage Service (Amazon S3) et le conteneur géospatial. SageMaker Processing vous fournit des ressources de cluster pour vous permettre d'exécuter des charges de travail de ML géospatial à l'échelle d'une ville, d'un pays ou d'un continent.
La prise en charge de l'image géospatiale dans les tâches SageMaker Processing est désormais en disponibilité générale dans la région USA Ouest (Oregon).
Pour en savoir plus sur les capacités du ML géospatial, consultez notre page web ou notre documentation.