Scopri come addestrare modelli di machine learning per la classificazione e la previsione seguendo i passaggi nei blocchi note interattivi. Questi tutorial integrano Dataflow nei flussi di lavoro di machine learning end-to-end. Puoi anche visualizzare i tutorial in GitHub.
Segmentazione dell'immagine di copertura del suolo
Questo modello di classificazione del suolo utilizza un framework TensorFlow e dati satellitari di Google Earth Engine per dimostrare la segmentazione semantica. Il tutorial utilizza TensorFlow in Vertex AI per addestrare il modello, TensorFlow in Cloud Run per fare previsioni in tempo reale e Dataflow per fare previsioni batch. Visualizza il codice su GitHub.
Regressione delle serie temporali delle previsioni meteo
Questo modello di previsione meteorologica utilizza un framework PyTorch e dati satellitari di Google Earth Engine per prevedere le precipitazioni nelle prossime due e sei ore. Il tutorial utilizza PyTorch per creare una rete completamente convoluzionale, Vertex AI per addestrare il modello, Dataflow per creare il set di dati e PyTorch per effettuare previsioni locali. Visualizza il codice su GitHub.
Classificazione delle serie temporali degli orologi di pesca nel mondo
Questo modello di classificazione utilizza un framework TensorFlow e dati sulla posizione MMSI (Martime Mobile Service Identity) per classificare se una nave pesca ogni ora. Il tutorial utilizza Keras e TensorFlow per addestrare il modello, Dataflow per creare il set di dati e Keras in Cloud Run per effettuare previsioni locali. Visualizza il codice su GitHub.
Classificazione di immagini di animali selvatici
Questo modello di classificazione utilizza un framework AutoML per creare un modello addestrato per riconoscere le specie animali dalle immagini delle trappole fotografiche. Il tutorial utilizza AutoML in Vertex AI per addestrare il modello, Dataflow per creare il set di dati e Vertex AI per fare previsioni. Visualizza il codice su GitHub.