Câu hỏi thường gặp về Amazon SageMaker cho công nghệ máy học không gian địa lý
Hỏi: Dữ liệu không gian địa lý là gì?
Dữ liệu không gian địa lý đại diện cho các tính năng hoặc đối tượng trên bề mặt trái đất. Loại dữ liệu không gian địa lý đầu tiên là dữ liệu vectơ, sử dụng hình học hai chiều như điểm, đường hoặc đa giác để biểu thị các đối tượng như đường và ranh giới đất đai. Dữ liệu vị trí được gắn thẻ địa lý cũng được coi là dữ liệu vectơ. Dữ liệu này bao gồm các điểm ưa thích – ví dụ: Tháp Eiffel – các bài đăng trên mạng xã hội được gắn thẻ vị trí, tọa độ kinh độ và vĩ độ hoặc các kiểu và định dạng khác nhau của địa chỉ đường phố. Loại dữ liệu không gian địa lý thứ hai là dữ liệu raster, chẳng hạn như hình ảnh được thu thập bởi vệ tinh, nền tảng không gian hoặc nền tảng cảm biến từ xa. Loại dữ liệu này sử dụng ma trận pixel để xác định vị trí của các đối tượng địa lý. Bạn có thể sử dụng định dạng raster để lưu trữ dữ liệu khác nhau.
Câu hỏi: Làm cách nào để lấy dữ liệu không gian địa lý?
Chức năng không gian địa lý của Amazon SageMaker cho phép bạn sử dụng dữ liệu không gian địa lý, chẳng hạn như Landsat 8 và Sentinel-2. Bạn cũng có thể nhập dữ liệu của riêng mình – bao gồm dữ liệu vị trí được tạo từ thiết bị GPS, phương tiện được kết nối hoặc cảm biến Internet vạn vật (IoT), lưu lượng người ghé qua cửa hàng bán lẻ, tiếp thị địa lý và dữ liệu điều tra dân số hoặc dữ liệu thu được từ nhà cung cấp bên thứ ba. Chức năng không gian địa lý của SageMaker cũng giúp bạn làm phong phú dữ liệu này bằng cách sử dụng các chức năng được xây dựng có mục đích từ Dịch vụ vị trí của Amazon, chẳng hạn như chuyển đổi các vị trí kinh độ và vĩ độ thành địa chỉ đường phố.
Câu hỏi: Chức năng không gian địa lý của SageMaker là gì?
Các chức năng không gian địa lý của SageMaker giúp các nhà khoa học dữ liệu và kỹ sư máy học (ML) xây dựng, đào tạo và triển khai các mô hình máy học để đưa ra dự đoán bằng dữ liệu không gian địa lý. Bạn có thể mang theo dữ liệu của riêng mình, chẳng hạn như dữ liệu vệ tinh của Planet Labs từ Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) hoặc lấy dữ liệu từ Dữ liệu mở trên AWS, Dịch vụ vị trí của Amazon và các nguồn dữ liệu không gian địa lý khác của SageMaker.
Hỏi: Làm cách nào để nâng cao hiệu quả với chức năng không gian địa lý của SageMaker?
Các chức năng không gian địa lý của SageMaker cung cấp cho người dùng các loại phiên bản và sổ tay được tối ưu hóa cho máy học không gian địa lý. Những sổ tay này có các công cụ trực quan hóa nhúng và các thư viện không gian địa lý nguồn mở thường được sử dụng, cũng như các mô hình, thuật toán và hàm được xây dựng có mục đích. Bạn có thể đơn giản hóa quá trình tiền xử lý dữ liệu của mình bằng các thao tác không gian địa lý tích hợp sẵn, chẳng hạn như so khớp bản đồ. Tăng tốc độ phát triển mô hình máy học không gian địa lý và giảm tổng chi phí sở hữu bằng cách sử dụng một trong các mô hình dựng sẵn hoặc phát triển các mô hình máy học không gian địa lý của riêng bạn. Bạn có thể trực quan hóa các dự đoán được xếp lớp trên bản đồ bằng các công cụ trực quan tích hợp, cho phép cộng tác nhanh hơn.
Câu hỏi: Tại sao tôi nên sử dụng chức năng máy học không gian địa lý của SageMaker?
Bạn có thể sử dụng các chức năng máy học không gian địa lý của SageMaker để đưa ra dự đoán về dữ liệu không gian địa lý nhanh hơn so với các giải pháp tự làm. Chức năng không gian địa lý của SageMaker giúp truy cập dữ liệu không gian địa lý dễ dàng hơn từ các hồ dữ liệu hiện có, tập dữ liệu nguồn mở và các nguồn dữ liệu không gian địa lý khác của SageMaker. Chức năng không gian địa lý của SageMaker giúp giảm thiểu nhu cầu xây dựng cơ sở hạ tầng tùy chỉnh và các chức năng tiền xử lý dữ liệu bằng cách cung cấp các thuật toán được xây dựng có mục đích nhằm chuẩn bị dữ liệu hiệu quả, đào tạo mô hình và suy luận. Bạn cũng có thể tạo và chia sẻ dữ liệu cũng như trực quan hóa tùy chỉnh với tổ chức của mình từ Studio Amazon SageMaker. Chức năng không gian địa lý của SageMaker bao gồm các mô hình được đào tạo trước cho các trường hợp sử dụng phổ biến trong nông nghiệp, bất động sản, bảo hiểm và dịch vụ tài chính.