Perguntas frequentes sobre o Amazon SageMaker para ML geoespacial

P: O que são dados geoespaciais?

Dados geoespaciais representam características ou objetos na superfície da Terra. O primeiro tipo de dados geoespaciais são dados vetoriais, que usam geometria bidimensional, como pontos, linhas ou polígonos, para representar objetos como estradas e limites de terreno. Dados de localização com marcação geográfica também são considerados dados vetoriais. Eles incluem pontos de interesse, por exemplo, a Torre Eiffel, postagens em redes sociais com marcação de localização, coordenadas de latitude e longitude ou diferentes estilos e formatos de endereços. O segundo tipo de dados geoespaciais são dados raster, como imagens coletadas por satélites, plataformas aéreas ou plataformas de sensoriamento remoto. Esse tipo de dados usa uma matriz de pixels para definir onde os recursos estão localizados. Você pode usar formatos raster para armazenar dados que apresentam variações.

P: Como faço para obter dados geoespaciais?

Os recursos geoespaciais do Amazon SageMaker permitem que você use dados geoespaciais, como Landsat 8 e Sentinel-2. Você também pode importar seus próprios dados, incluindo dados de localização gerados a partir de dispositivos GPS, veículos conectados ou sensores de Internet das Coisas (IoT), tráfego de pedestres em lojas de varejo, dados de geomarketing e censo ou dados adquiridos de fornecedores terceiros. Os recursos geoespaciais do SageMaker também ajudam você a enriquecer esses dados, usando funções específicas do Amazon Location Service, como converter locais de latitude e longitude em endereços físicos.

P: Quais são os recursos geoespaciais do SageMaker?

Os recursos geoespaciais do SageMaker facilitam para cientistas de dados e engenheiros de machine learning (ML) as tarefas de criar, treinar e implantar modelos de ML para fazer previsões usando dados geoespaciais. Você pode trazer seus próprios dados, como os dados de satélite da Planet Labs armazenados no Amazon Simple Storage Service (Amazon S3), ou adquirir dados do Open Data on AWS, Amazon Location Service e outras fontes de dados geoespaciais do SageMaker.

P: Como posso aumentar a eficiência com os recursos geoespaciais do SageMaker?

Os recursos geoespaciais do SageMaker fornecem aos usuários tipos de instância e notebooks otimizados para ML geoespacial. Esses notebooks possuem ferramentas de visualização embutidas e bibliotecas geoespaciais de código aberto comumente utilizadas, além de modelos, algoritmos e funções específicas para essa finalidade. Você pode simplificar o pré-processamento de dados com operações geoespaciais integradas, como correspondência de mapas. Acelere o desenvolvimento de modelos geoespaciais de ML e reduza o custo total de propriedade usando um dos modelos pré-construídos ou desenvolva seus próprios modelos geoespaciais de ML. Você pode visualizar as previsões em camadas em um mapa com as ferramentas de visualização integradas, que permitem uma colaboração mais rápida.

P: Por que eu deveria usar os recursos geoespaciais de ML do SageMaker?

Você pode usar os recursos de ML geoespacial do SageMaker para fazer previsões sobre dados geoespaciais mais rapidamente do que soluções do tipo “faça você mesmo”. Os recursos geoespaciais do SageMaker facilitam o acesso aos dados geoespaciais de seus data lakes existentes, conjuntos de dados de código aberto e outras fontes de dados geoespaciais do SageMaker. Os recursos geoespaciais do SageMaker minimizam a necessidade de criar funções personalizadas de infraestrutura e pré-processamento de dados, oferecendo algoritmos específicos para preparação eficiente de dados, treinamento de modelos e inferência. Você também pode criar e compartilhar visualizações e dados personalizados com sua organização no Amazon SageMaker Studio. Os recursos geoespaciais do SageMaker incluem modelos pré-treinados para usos comuns em agricultura, imóveis, seguros e serviços financeiros.