Saiba como treinar modelos de machine learning para classificação e previsão seguindo as etapas nos notebooks interativos. Estes tutoriais integram o Dataflow a fluxos de trabalho de machine learning completos. Também é possível conferir os tutoriais no GitHub.
Segmentação de imagens de cobertura do terreno
Esse modelo de classificação de terras usa um framework do TensorFlow e dados de satélite do Google Earth Engine para demonstrar a segmentação semântica. O tutorial usa o TensorFlow no Vertex AI para treinar o modelo, o TensorFlow no Cloud Run para fazer previsões em tempo real e o Dataflow para fazer previsões em lote. Confira o código no GitHub.
Regressão de série temporal de previsão do tempo
Este modelo de previsão do tempo usa um framework PyTorch e dados de satélite do Google Earth Engine para prever a precipitação nas próximas duas e seis horas. O tutorial usa o PyTorch para criar uma rede totalmente convolucional, a Vertex AI para treinar o modelo, o Dataflow para criar o conjunto de dados e o PyTorch para fazer previsões locais. Confira o código no GitHub.
Classificação da série temporal do Global Fishing Watch
Esse modelo de classificação usa um framework do TensorFlow e dados de localização do Maritime Mobile Service Identity (MMSI) para classificar se um navio está pescando por hora. O tutorial usa o Keras e o TensorFlow para treinar o modelo, o Dataflow para criar o conjunto de dados e o Keras no Cloud Run para fazer previsões locais. Confira o código no GitHub.
Classificação de imagens de animais selvagens
Esse modelo de classificação usa uma estrutura do AutoML para criar um modelo treinado para reconhecer espécies de animais nas fotos de armadilhas com câmeras. O tutorial usa o AutoML na Vertex AI para treinar o modelo, o Dataflow para criar o conjunto de dados e a Vertex AI para fazer previsões. Confira o código no GitHub.