複数の地理空間データソースに簡単にアクセスできます

大規模な地理空間データセットをインポートするために何度も開発サイクルを繰り返すことを避けられます。SageMaker の地理空間機能により、Landsat や Sentinel-2 などのオープンソースの画像に簡単にアクセスできます。

事前構築済みの操作で既存の地理空間データセットを変換する

一般的な地理空間操作用のコモディティコードを開発および保守する必要がないため、時間を節約できます。例えば、Amazon Location Service を使用して、地図の座標 (緯度と経度) と住所の間でジオコードをシームレスに書き換えられます。マップマッチング機能を使用して、不正確な GPS トレースを既知の街路や道路に自動的にスナップまたは位置合わせします。

大規模な地理空間ワークロードの前処理を高速化

既製のデータ前処理操作を使用します。異なる衛星画像からの個別のバンドを組み合わせて、新しいマルチバンド画像を生成し、コンピューティングインスタンスの統計を集計し、衛星データに対するその他の大規模な操作を行います。

独自の機械学習モデルを使用するか、事前に構築された機械学習モデルを使用して予測を開始する

土地被覆分類やクラウドマスキングなど、事前トレーニング済みのディープニューラルネットワーク (DNN) モデルを使用します。例えば、土地被覆分類を使用して、樹木や水域など、土地被覆のさまざまなタイプの領域を識別します。クラウドマスキングを使用して、曇ったピクセルと雲のないピクセルをセグメント化し、事前に構築された雲除去機能を使用して雲と影を除去します。

組み込みの視覚化ツールを用いて、地理空間予測からのインサイトに基づいて共同作業する

SageMaker の地理空間機能は、モデル予測をベースマップにオーバーレイし、階層化された視覚化を行い共同作業を容易にするのに役立ちます。GPU を利用したインタラクティブなビジュアライザーと Python ノートブックは、1 つのウィンドウで何百万ものデータポイントを探索し、インサイトと結果を共有するためのシームレスな方法を提供します。