多達 10 小時的免費運算資源
(使用 AWS 免費方案的 60 天期間)
存取隨時可用的地理空間資料來源,包刮衛星影像、地圖和位置資料。
透過嵌入與反向地理編碼之類的開放原始碼程式庫或專門操作,有效率地轉換或豐富大規模地理空間資料集。
使用內建的、預先訓練的深度神經網路模型來建置加速模型,例如土地涵蓋區隔與雲端遮罩。
使用內建視覺化工具的 3D 加速圖形分析地理空間資料並在互動式地圖上探索模型預測。
運作方式
Amazon SageMaker 支援地理空間機器學習 (ML),允許資料科學家以及機器學習 (ML) 工程師使用地理空間資料建置、訓練與布署機器學習 (ML) 模型。存取地理空間資料來源、專用處理操作、預先訓練的機器學習 (ML) 模型,與內建的視覺化工具來更快地執行大規模機器學習 (ML)。

為什麼要選擇地理空間機器學習 (ML)? (1:46)
為什麼要選擇地理空間機器學習 (ML)?
該影片顯示例如衛星影像、地圖和位置資料之類的地理空間資料,如何用來加快創新速度,並在各種使用案例和產業中做出更明智的決策。
為什麼要選擇地理空間機器學習 (ML)?
該影片顯示例如衛星影像、地圖和位置資料之類的地理空間資料,如何用來加快創新速度,並在各種使用案例和產業中做出更明智的決策。
使用案例
評估風險與保險索賠
衡量風險、驗證索賠並預防詐騙,分析自然災害對當地經濟造成的損害影響,並追蹤建築專案。
通知貿易策略
監控全球金融資產、預測市場交易價格、強化避險或交易策略,以及減緩價格動盪的影響。
監控氣候變化
追蹤森林砍伐與生物多樣性,測量甲烷排放,建立氣候彈性計畫,管理災難應對,以及提升電網可靠性。
支援永續城市發展
設計更加永續與宜居的城市環境,確定土地開發的區域,追蹤交通趨勢,或評估能源專案的可行性。
最大化收成產量與食物安全
檢視衛星影像診斷植物健康,確保與分類農作物,預測收成產量,預測農產品需求,或是偵測農場邊界。
預估零售網站使用率
追蹤高增長城市區域或零售場所營運的效率,以改善銷售或供應分銷管道。