Amazon SageMaker теперь поддерживает задания по обработке геопространственных данных
Amazon SageMaker теперь поддерживает задания по обработке геопространственных данных, что упрощает выполнение рабочих нагрузок машинного обучения планетарного масштаба для специалистов по обработке данных и инженеров машинного обучения. Для выполнения таких крупномасштабных рабочих нагрузок заказчикам нужен гибкий вычислительный кластер, способный масштабироваться от десятков экземпляров для обработки городских кварталов до тысяч инстансов для обработки данных планетарного масштаба. Ручное управление вычислительным кластером «сделай сам» — дело медленное и дорогостоящее. Кроме того, создание и обслуживание стандартизированной среды для доступа, обработки и визуализации геопространственных данных — сложная, трудоемкая и дорогостоящая задача.
Благодаря этому запуску клиенты теперь могут использовать специализированный геопространственный контейнер SageMaker с заданиями по обработке для упрощения и управления созданием и запуском кластера. Стандартизированный специализированный геопространственный контейнер SageMaker позволяет получить доступ к каталогу геопространственных данных, обрабатывать данные с помощью алгоритмов с открытым исходным кодом или предварительно обученных моделей машинного обучения, визуализировать прогнозы на карте и сотрудничать с другими членами команды. Всего несколько строк кода позволяют масштабировать геопространственные рабочие нагрузки с помощью заданий SageMaker Processing. Просто укажите скрипт, определяющий рабочую нагрузку, местоположение геопространственных данных в Amazon Simple Storage Service (Amazon S3) и геопространственный контейнер. SageMaker Processing предлагает кластерные ресурсы для выполнения рабочих нагрузок машинного обучения в масштабе городов, стран или континентов.
Чтобы узнать больше о возможностях машинного обучения в геопространственных данных, посетите веб-страницу или ознакомьтесь с нашей документацией.