地理空間機器學習 (ML) 搭配 Amazon SageMaker

使用地理空間資料更快地建置、訓練及部署機器學習 (ML) 模型

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)。
圖表顯示如何使用 Amazon SageMaker 地理空間機器學習 (ML) 功能來存取資料資源,轉換並豐富資料,選取或訓練模型,部署模型,以及在地圖上視覺化模型預測。
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。

如何開始使用

範例筆記本

學習農夫如何能透過進階分析與機器學習 (ML) 最佳化作物生產。

檢視範例 »

開發人員指南

在逐步指南中,進一步了解 SageMaker 地理空間功能。

閱讀指南 »

部落格

了解資料科學家如何使用地理空間資料監控氣候變化造成的乾旱。

閱讀部落格 »

探索更多 AWS 服務