ML geospaziale con Amazon SageMaker
Costruisci, addestra e implementa modelli di ML più rapidamente utilizzando i dati geospaziali
Fino a 10 ore di risorse di elaborazione gratuita
per 60 giorni con il piano gratuito AWS
Accedi a origini di dati geospaziali prontamente disponibili, tra cui immagini satellitari, mappe e dati di localizzazione.
Trasforma o arricchisci in modo efficiente set di dati geospaziali su larga scala con biblioteche open-source oppure operazioni appositamente concepite come il mosaico e la geocodifica inversa.
Accelera la creazione di modelli utilizzando modelli di reti neurali profonde, integrate e pre-addestrate, come la segmentazione della copertura del suolo e il mascheramento del cloud.
Analizza i dati geospaziali ed esplora le previsioni dei modelli su una mappa interattiva utilizzando una grafica accelerata in 3D con strumenti di visualizzazione integrati.
Come funziona
Il diagramma è composto da sei sezioni. La prima sezione presenta un'immagine che rappresenta i dati ed è intitolata "ML geospaziale con Amazon SageMaker". In questa fase, costruisci, addestra e implementa modelli di ML utilizzando i dati geospaziali.
La seconda sezione contiene quattro piccole immagini che rappresentano le origini dei dati ed è intitolata "Accedi alle origini dei dati". In questa fase è possibile accedere a origini di dati geospaziali, dalle immagini satellitari ai dati di mappatura e localizzazione, oppure caricare i propri dati proprietari.
La terza sezione presenta l'immagine di un mappamondo con un piccolo ingranaggio sovrapposto ed è intitolata "Trasforma e arricchisci i dati". In questa fase è possibile utilizzare operazioni integrate come la geocodifica inversa, il mosaico e l'etichettatura dei dati per preparare i dati.
La quarta sezione comprende un'immagine che rappresenta i modelli, con una piccola freccia del computer che fa clic su di essi, ed è intitolata "Seleziona o addestra un modello". In questa fase, è possibile selezionare modelli all'avanguardia, costruiti appositamente, oppure portare e addestrare il proprio modello.
La quinta sezione presenta l'immagine di un razzo che vola fuori da una scatola ed è intitolata "Implementa un modello". In questa fase, è possibile implementare e ospitare il modello per fare previsioni utilizzando dati reali.
La sesta e ultima sezione comprende l'immagine di una lente di ingrandimento su una mappa ed è intitolata "Visualizza le previsioni". In questa fase, è possibile esplorare e analizzare le previsioni del modello su una mappa dal notebook di Amazon SageMaker Studio
Casi d'uso
Valutare il rischio e le richieste di risarcimento assicurativo
Misurare il rischio, convalidare le richieste di risarcimento e prevenire le frodi, analizzare l'impatto dei danni dei disastri naturali sulle economie locali e monitorare i progetti di costruzione.
Studiare le strategie di trading
Monitorare le attività finanziarie a livello globale, prevedere i prezzi delle materie prime, migliorare le strategie di copertura o di trading e mitigate l'impatto della volatilità dei prezzi.
Monitorare i cambiamenti climatici
Tracciare la deforestazione e la biodiversità, misurare le emissioni di gas metano, creare piani di resilienza climatica e migliorare l'affidabilità della rete elettrica.
Sostenere lo sviluppo urbano sostenibile
Progettare ambienti urbani più sostenibili e vivibili, identificare aree per lo sviluppo del territorio, seguire le tendenze del traffico o valutare la fattibilità di progetti energetici.
Massimizzare la resa del raccolto e la sicurezza alimentare
Visualizzare le immagini satellitari per diagnosticare la salute delle piante, assicurare e classificare le colture, prevedere la resa del raccolto e la domanda di prodotti agricoli o individuare i confini delle aziende agricole.
Stima dell'utilizzo del sito di vendita al dettaglio
Monitora le aree urbane a forte crescita o l'efficienza delle operazioni dei siti di vendita al dettaglio per migliorare i canali di vendita o di fornitura.
Come iniziare
Esempio di notebook
Scopri come gli agricoltori possono ottimizzare la produzione delle colture grazie all'analisi avanzata e al ML.
Guida per gli sviluppatori
Per saperne di più sulle funzionalità geospaziali di SageMaker, consulta questa guida dettagliata.
Blog
Scopri come i data scientist possono monitorare la siccità causata dai cambiamenti climatici utilizzando dati geospaziali.