Uso del ML en el análisis geoespacial con Amazon SageMaker
Creación, entrenamiento e implementación de modelos de ML con datos geoespaciales¿Por qué usar machine learning para el análisis geoespacial?
El video muestra cómo los datos geoespaciales, como imágenes satelitales, mapas y datos de ubicación, pueden utilizarse para innovar más rápido y tomar decisiones inteligentes en una amplia variedad de casos de uso e industrias.
¿Por qué usar machine learning para el análisis geoespacial?
El video muestra cómo los datos geoespaciales, como imágenes satelitales, mapas y datos de ubicación, pueden utilizarse para innovar más rápido y tomar decisiones más inteligentes en una amplia variedad de casos de uso e industrias.
Funcionamiento
El diagrama tiene 6 secciones. La primera sección tiene una imagen que representa datos y se titula “Uso del ML en el análisis geoespacial con Amazon SageMaker”. En este paso puede crear, entrenar e implementar modelos de ML con datos geoespaciales.
La segunda sección tiene cuatro imágenes pequeñas que representan orígenes de datos y se titula “Acceder a orígenes de datos”. En este paso, puede acceder a orígenes de datos geoespaciales, desde imágenes satelitales hasta datos cartográficos y de ubicación, o cargar sus propios datos.
La tercera sección tiene una imagen de un globo terráqueo con un pequeño engranaje superpuesto y se titula “Transformar y mejorar datos”. En este paso, puede utilizar operaciones integradas como geocodificación inversa, creación de mosaicos y etiquetado de datos para preparar sus datos.
La cuarta sección incluye una imagen que representa modelos, con una pequeña flecha de computadora haciendo clic sobre ellos, y se titula “Seleccionar o entrenar un modelo”. En este paso, puede seleccionar modelos de última generación creados expresamente o traer y entrenar su propio modelo.
La quinta sección tiene una imagen de un cohete que sale volando de una caja y se titula “Implementar un modelo”. En este paso, puede implementar y alojar su modelo para realizar predicciones mediante datos del mundo real.
La sexta y última sección incluye una imagen de una lupa sobre un mapa y se titula “Visualizar predicciones”. En este paso, puede explorar y analizar las predicciones del modelo en un mapa desde su bloc de notas de Amazon SageMaker Studio
Funcionamiento
El diagrama tiene 6 secciones. La primera sección tiene una imagen que representa datos y se titula “Uso del ML en el análisis geoespacial con Amazon SageMaker”. En este paso puede crear, entrenar e implementar modelos de ML con datos geoespaciales.
La segunda sección tiene cuatro imágenes pequeñas que representan orígenes de datos y se titula “Acceder a orígenes de datos”. En este paso, puede acceder a orígenes de datos geoespaciales, desde imágenes satelitales hasta datos cartográficos y de ubicación, o cargar sus propios datos.
La tercera sección tiene una imagen de un globo terráqueo con un pequeño engranaje superpuesto y se titula “Transformar y mejorar datos”. En este paso, puede utilizar operaciones integradas como geocodificación inversa, creación de mosaicos y etiquetado de datos para preparar sus datos.
La cuarta sección incluye una imagen que representa modelos, con una pequeña flecha de computadora haciendo clic sobre ellos, y se titula “Seleccionar o entrenar un modelo”. En este paso, puede seleccionar modelos de última generación creados expresamente o traer y entrenar su propio modelo.
La quinta sección tiene una imagen de un cohete que sale volando de una caja y se titula “Implementar un modelo”. En este paso, puede implementar y alojar su modelo para realizar predicciones mediante datos del mundo real.
La sexta y última sección incluye una imagen de una lupa sobre un mapa y se titula “Visualizar predicciones”. En este paso, puede explorar y analizar las predicciones del modelo en un mapa desde su bloc de notas de Amazon SageMaker Studio