ทรัพยากรการประมวลผลฟรีสูงสุด 10 ชั่วโมงเป็นเวลา 60 วันด้วย AWS Free Tier

ML เชิงพื้นที่ด้วย Amazon SageMaker

สร้าง ฝึกฝน และนำโมเดล ML ไปใช้จริงโดยใช้ข้อมูลเชิงพื้นที่
เริ่มต้นใช้งานความสามารถเชิงพื้นที่ของ SageMaker

ทำไมต้องเป็น ML เชิงพื้นที่

วิดีโอนี้แสดงให้เห็นว่าข้อมูลเชิงพื้นที่ เช่น ภาพถ่ายดาวเทียม แผนที่ และข้อมูลตำแหน่งที่ตั้ง สามารถนำมาใช้เพื่อสร้างนวัตกรรมได้เร็วขึ้นและตัดสินใจได้อย่างชาญฉลาดขึ้นในการใช้งานและอุตสาหกรรมในกรณีต่างๆ ได้อย่างไร

ทำไมต้องเป็น ML เชิงพื้นที่

ทำไมต้องเป็น ML เชิงพื้นที่

วิดีโอนี้แสดงให้เห็นว่าข้อมูลเชิงพื้นที่ เช่น ภาพถ่ายดาวเทียม แผนที่ และข้อมูลตำแหน่งที่ตั้ง สามารถนำมาใช้เพื่อสร้างนวัตกรรมได้เร็วขึ้นและตัดสินใจได้อย่างชาญฉลาดขึ้นในการใช้งานและอุตสาหกรรมในกรณีต่างๆ ได้อย่างไร

ทำไมต้องเป็น ML เชิงพื้นที่

วิธีทำงาน

Amazon SageMaker รองรับความสามารถของแมชชีนเลิร์นนิงเชิงพื้นที่ (ML) ช่วยให้นักวิทยาศาสตร์ข้อมูลและวิศวกร ML สามารถสร้าง ฝึกฝน และนำโมเดล ML ไปใช้จริงโดยใช้ข้อมูลเชิงพื้นที่ เข้าถึงแหล่งที่มาของข้อมูลเชิงพื้นที่ การดำเนินการประมวลผลที่สร้างขึ้นตามวัตถุประสงค์ โมเดล ML ที่ผ่านการฝึกฝนมาล่วงหน้า และเครื่องมือสร้างภาพในตัว เพื่อเรียกใช้ ML เชิงพื้นที่ได้รวดเร็วขึ้นและตรงตามสเกล
แผนภาพแสดงวิธีใช้ความสามารถของ Amazon SageMaker ML เชิงพื้นที่เพื่อเข้าถึงทรัพยากรข้อมูล แปลงและเพิ่มประสิทธิภาพข้อมูลของคุณ เลือกหรือฝึกโมเดลของคุณ นำโมเดลไปใช้จริง และแสดงภาพการคาดการณ์โมเดลของคุณบนแผนที่

วิธีทำงาน

Amazon SageMaker รองรับความสามารถของแมชชีนเลิร์นนิงเชิงพื้นที่ (ML) ช่วยให้นักวิทยาศาสตร์ข้อมูลและวิศวกร ML สามารถสร้าง ฝึกฝน และนำโมเดล ML ไปใช้จริงโดยใช้ข้อมูลเชิงพื้นที่ เข้าถึงแหล่งที่มาของข้อมูลเชิงพื้นที่ การดำเนินการประมวลผลที่สร้างขึ้นตามวัตถุประสงค์ โมเดล ML ที่ผ่านการฝึกฝนมาล่วงหน้า และเครื่องมือสร้างภาพในตัว เพื่อเรียกใช้ ML เชิงพื้นที่ได้รวดเร็วขึ้นและตรงตามสเกล
แผนภาพแสดงวิธีใช้ความสามารถของ Amazon SageMaker ML เชิงพื้นที่เพื่อเข้าถึงทรัพยากรข้อมูล แปลงและเพิ่มประสิทธิภาพข้อมูลของคุณ เลือกหรือฝึกโมเดลของคุณ นำโมเดลไปใช้จริง และแสดงภาพการคาดการณ์โมเดลของคุณบนแผนที่

ประโยชน์ของความสามารถเชิงพื้นที่ของ SageMaker

เข้าถึงแหล่งที่มาของข้อมูลภูมิสารสนเทศที่พร้อมใช้งาน รวมถึงภาพถ่ายดาวเทียม แผนที่ และข้อมูลตำแหน่ง
ดำเนินการแปลงหรือเพิ่มประสิทธิภาพชุดข้อมูลเชิงพื้นที่ขนาดใหญ่อย่างมีประสิทธิภาพด้วยไลบรารีโอเพนซอร์สหรือการดำเนินการตามวัตถุประสงค์ เช่น การทำโมเสคและการเข้ารหัสทางภูมิศาสตร์แบบย้อนกลับ
เร่งการสร้างโมเดลโดยใช้นิวรัลเน็ตเวิร์กโมเดลระดับลึกในตัวที่ผ่านการฝึกฝนมาล่วงหน้า เช่น การแบ่งส่วนสิ่งปกคลุมดินและการกำบังเมฆ
วิเคราะห์ข้อมูลเชิงพื้นที่และสำรวจการคาดการณ์โมเดลบนแผนที่เชิงโต้ตอบผ่านการใช้กราฟิกแบบเร่ง 3 มิติด้วยเครื่องมือสร้างภาพในตัว

กรณีใช้งาน

วัดความเสี่ยง ตรวจสอบการอ้างสิทธิ์และป้องกันการฉ้อโกง วิเคราะห์ผลกระทบความเสียหายจากภัยธรรมชาติต่อเศรษฐกิจในท้องถิ่น และติดตามโครงการโครงสร้าง

ติดตามการตัดไม้ทำลายป่าและความหลากหลายทางชีวภาพ ตรวจวัดการปล่อยก๊าซมีเทน สร้างแผนการรับมือกับสภาพอากาศ จัดการการตอบสนองต่อภัยพิบัติ และปรับปรุงความเสถียรของกริดไฟฟ้า

ออกแบบสภาพแวดล้อมในเมืองที่ยั่งยืนและน่าอยู่ยิ่งขึ้น ระบุพื้นที่สำหรับการพัฒนาที่ดิน ติดตามแนวโน้มการจราจร หรือประเมินความเป็นไปได้ของโครงการด้านพลังงาน

ดูภาพถ่ายดาวเทียมเพื่อวินิจฉัยสุขภาพของพืช ประกันและจำแนกพืชผล ทำนายผลผลิต คาดการณ์ความต้องการผลิตผลทางการเกษตร หรือตรวจจับอาณาเขตฟาร์ม

เฝ้าสังเกตสินทรัพย์ทางการเงินทั่วโลก ทำนายราคาสินค้าโภคภัณฑ์ในตลาด ปรับปรุงกลยุทธ์การป้องกันความเสี่ยงหรือการซื้อขายของคุณ และลดผลกระทบจากความผันผวนของราคา

สำรวจ AWS เพิ่มเติม