ทรัพยากรของ Amazon SageMaker สำหรับ ML เชิงพื้นที่
วิธีเริ่มต้นใช้งาน
-
คู่มือนักพัฒนา
เรียนรู้เพิ่มเติมเกี่ยวกับความสามารถเชิงพื้นที่ของ Amazon SageMaker ในคำแนะนำทีละขั้นตอนนี้
-
ข้อมูลอ้างอิง API
สร้างและจัดการทรัพยากรความสามารถเชิงพื้นที่ของ SageMaker ด้วย API
-
สมุดบันทึกตัวอย่าง
เรียนรู้ว่าเกษตรกรสามารถเพิ่มประสิทธิภาพการผลิตพืชผลผ่านการวิเคราะห์ขั้นสูงและ ML ได้อย่างไร
-
โซลูชันสำหรับผู้เริ่มต้นใช้งาน
เรียนรู้วิธีสร้างการวิเคราะห์เชิงสมมติฐานเกี่ยวกับการตอบสนองของข้าวโพดต่อไนโตรเจน
-
ข้อมูลเชิงลึกเชิงพื้นที่เพื่อความยั่งยืน
สำรวจคำแนะนำสำหรับการใช้ข้อมูลเชิงพื้นที่เพื่อติดตามการเปลี่ยนแปลงของพื้นที่ป่า
-
การแสดงข้อมูลพืชไร่ด้วยภาพ
สำรวจคำแนะนำสำหรับการใช้ความสามารถเชิงพื้นที่ในกรณีการใช้งานด้านเกษตรกรรม
บล็อก
-
บล็อกแมชชีนเลิร์นนิงของ AWS
ขณะนี้ความสามารถเชิงพื้นที่ของ SageMaker พร้อมให้บริการโดยทั่วไปแล้ว มาพร้อมกับการอัปเดตความปลอดภัยและตัวอย่างกรณีการใช้งานเพิ่มเติม
-
บล็อกแมชชีนเลิร์นนิงของ AWS
เรียนรู้ว่านักวิทยาศาสตร์ข้อมูลติดตามความแห้งแล้งที่เกิดจากการเปลี่ยนแปลงสภาพภูมิอากาศโดยใช้ข้อมูลเชิงพื้นที่ได้อย่างไร
-
บล็อกแมชชีนเลิร์นนิงของ AWS
การประเมินความเสียหายโดยใช้ความสามารถเชิงพื้นที่และโมเดลแบบกำหนดเองของ SageMaker
-
บล็อกแมชชีนเลิร์นนิงของ AWS
สร้างแพลตฟอร์มข้อมูลทางการเกษตรด้วยความสามารถเชิงพื้นที่ของ SageMaker
-
บล็อกแมชชีนเลิร์นนิงของ AWS
การตรวจสอบซัพพลายเชนวัตถุดิบจากระยะไกลเพื่อความยั่งยืนด้วยความสามารถเชิงพื้นที่ของ SageMaker
เรื่องราวของลูกค้า
-
xarvio
เรียนรู้ว่าโซลูชันการแก้ปัญหาการเกษตรดิจิทัลของ xarvio ช่วยเร่งการพัฒนาได้อย่างไร
-
BMW Group
เรียนรู้ว่า BMW Group ใช้ความสามารถเชิงพื้นที่ของ SageMaker เพื่อการเคลื่อนย้ายที่ยั่งยืนได้อย่างไร
-
Arup
-
Arup
การออกแบบเมืองที่ยืดหยุ่นที่ Arup โดยใช้ความสามารถข้อมูลเชิงพื้นที่ของ Amazon SageMaker
วิดีโอตัวอย่าง
-
re:Invent 2022
-
AWS on Air
-
เวิร์กชอป SageMaker Friday เสมือนจริง
SageMaker Fridays: สร้าง ฝึกฝน และปรับใช้โมเดล ML โดยใช้ข้อมูลเชิงพื้นที่
มีอะไรใหม่
อ่านการอัปเดตเฉพาะเชิงพื้นที่ของ SageMaker