ML Geospasial dengan Amazon SageMaker
Bangun, latih, dan deploy model ML lebih cepat menggunakan data geospasialMengapa harus ML Geospasial?
Video menampilkan cara bagaimana geospasial, seperti citra satelit, peta, dan data lokasi, dapat digunakan untuk berinovasi dengan lebih cepat serta membuat keputusan yang cerdas di beragam kasus penggunaan dan industri.
Mengapa harus ML Geospasial?
Video menampilkan bagaimana data geospasial, seperti citra satelit, peta, dan data lokasi, dapat digunakan untuk berinovasi dengan lebih cepat serta membuat keputusan yang lebih cerdas di beragam kasus penggunaan dan industri.
Cara kerja
Terdapat enam bagian pada diagram. Pada bagian pertama, terdapat sebuah gambar yang merepresentasikan data dan tertulis “ML Geospasial dengan Amazon SageMaker.” Pada langkah ini, Anda dapat membangun, melatih, dan melakukan deployment model ML menggunakan data geospasial.
Pada bagian kedua, terdapat empat gambar kecil yang merepresentasikan sumber data dan tertulis “Akses sumber data.” Pada langkah ini, Anda dapat mengakses sumber data geospasial, mulai dari citra satelit hingga pemetaan dan data lokasi, atau mengunggah data milik Anda.
Pada bagian ketiga, terdapat gambar bola dunia dengan roda gerigi kecil dan tertulis “Transformasi dan perkaya data.” Pada langkah ini, Anda dapat menggunakan operasi bawaan, seperti reverse geocoding, mosaicking, dan pelabelan data untuk mempersiapkan data Anda.
Pada bagian keempat, terdapat sebuah gambar yang merepresentasikan model, dengan sebuah panah komputer kecil yang mengekliknya, dan tertulis “Pilih atau latih model.” Pada langkah ini, Anda dapat memilih model canggih yang dibuat khusus atau membawa dan melatih model Anda sendiri.
Pada bagian kelima, terdapat gambar roket yang meluncur keluar kotak dan tertulis “Lakukan deployment model.” Pada langkah ini, Anda dapat melakukan deployment dan hosting pada model Anda untuk membuat prediksi dengan menggunakan data dunia nyata.
Pada bagian keenam, yaitu bagian terakhir, terdapat gambar kaca pembesar di atas peta dan tertulis “Visualisasikan prediksi.” Pada langkah ini, Anda dapat mengeksplorasi dan menganalisis prediksi model pada suatu peta dari notebook Amazon SageMaker Studio
Cara kerja
Terdapat enam bagian pada diagram. Pada bagian pertama, terdapat sebuah gambar yang merepresentasikan data dan tertulis “ML Geospasial dengan Amazon SageMaker.” Pada langkah ini, Anda dapat membangun, melatih, dan melakukan deployment model ML menggunakan data geospasial.
Pada bagian kedua, terdapat empat gambar kecil yang merepresentasikan sumber data dan tertulis “Akses sumber data.” Pada langkah ini, Anda dapat mengakses sumber data geospasial, mulai dari citra satelit hingga pemetaan dan data lokasi, atau mengunggah data milik Anda.
Pada bagian ketiga, terdapat gambar bola dunia dengan roda gerigi kecil dan tertulis “Transformasi dan perkaya data.” Pada langkah ini, Anda dapat menggunakan operasi bawaan, seperti reverse geocoding, mosaicking, dan pelabelan data untuk mempersiapkan data Anda.
Pada bagian keempat, terdapat sebuah gambar yang merepresentasikan model, dengan sebuah panah komputer kecil yang mengekliknya, dan tertulis “Pilih atau latih model.” Pada langkah ini, Anda dapat memilih model canggih yang dibuat khusus atau membawa dan melatih model Anda sendiri.
Pada bagian kelima, terdapat gambar roket yang meluncur keluar kotak dan tertulis “Lakukan deployment model.” Pada langkah ini, Anda dapat melakukan deployment dan hosting pada model Anda untuk membuat prediksi dengan menggunakan data dunia nyata.
Pada bagian keenam, yaitu bagian terakhir, terdapat gambar kaca pembesar di atas peta dan tertulis “Visualisasikan prediksi.” Pada langkah ini, Anda dapat mengeksplorasi dan menganalisis prediksi model pada suatu peta dari notebook Amazon SageMaker Studio