Amazon SageMaker 지리 공간 기능을 사용하면 데이터 사이언티스트와 기계 학습(ML) 엔지니어가 지리 공간 데이터를 사용하여 ML 모델을 손쉽게 구축, 훈련 및 배포할 수 있습니다. 오픈 소스 데이터, 처리 및 시각화 도구에 액세스하여 ML을 위한 지리 공간 데이터를 보다 효율적으로 준비할 수 있습니다. 목적별 작업과 사전 훈련된 ML 모델을 사용하여 모델 구축 및 훈련을 가속화하고, 결과적으로 생산성을 높일 수 있습니다. 기본 제공되는 시각화 도구를 사용하여 대화형 지도에서 예측 출력을 탐색하고 여러 학제 간 팀에 걸쳐 인사이트와 결과에 대해 논의할 수 있습니다.
여러 지리 공간 데이터 소스에 손쉽게 액세스
대규모 지리 공간 데이터 세트를 가져오기 위해 개발 주기를 반복할 필요가 없습니다. SageMaker 지리 공간 기능을 사용하면 Landsat 2 및 Sentinel-2와 같은 오픈 소스 이미지에 간편하게 액세스할 수 있습니다.
사전 구축된 작업으로 기존 지리 공간 데이터 세트 변환
일반적인 지리 공간 작업을 수행하기 위해 상용 코드를 개발하고 유지 관리할 필요가 없으므로 시간이 절약됩니다. 예를 들어 Amazon Location Service를 사용하여 지도 좌표(위도 및 경도)와 주소 간에 지오코드를 손쉽게 변환할 수 있습니다. 지도 매칭 기능을 사용하여 정확하지 않은 GPS 트레이스를 알려진 주소와 도로에 자동으로 스냅하거나 정렬할 수 있습니다.
대규모 지리 공간 워크로드의 전처리 가속화
상용 데이터 전처리 작업을 사용합니다. 여러 위성 이미지에서 서로 다른 대역을 결합하여, 새 다중 대역 이미지를 생성하고, 컴퓨팅 인스턴스에 대한 통계를 집계하고, 위성 데이터에 대해 다른 여러 가지 대규모 작업을 수행합니다.
자체 ML 모델을 가져오거나 사전 구축된 ML 모델을 사용하여 예측 시작
토지 피복 분할 또는 구름 마스킹과 같은 사전 훈련된 딥 신경망(DNN) 모델을 사용합니다. 예를 들어 토지 피복 분할을 사용하여 나무 또는 물을 비롯한 토지 피복의 다양한 영역 유형을 식별합니다. 구름 마스킹을 사용하여 구름이 있는 픽셀과 구름이 없는 픽셀을 분리하고, 사전 구축된 구름 제거 기능을 사용하여 구름과 그림자를 제거합니다.
기본 제공되는 시각화 도구를 사용하여 협업하면서 지리 공간 예측 결과에서 인사이트를 도출합니다.
SageMaker 지리 공간 기능은 기본 지도에 모델 예측 결과를 적용하고 계층형 시각화 기능을 제공하여 보다 손쉽게 협업할 수 있도록 합니다. GPU 기반의 대화형 시각화 도우미와 Python 노트북을 사용하면 한곳에서 수백만 개의 데이터 포인트를 원활하게 탐색하고 인사이트와 결과를 공유할 수 있습니다.
