Aprende a entrenar modelos de aprendizaje automático para la clasificación y la predicción siguiendo los pasos de los cuadernos interactivos. En estos tutoriales se integra Dataflow en flujos de trabajo de aprendizaje automático completos. También puedes consultar los tutoriales en GitHub.
Segmentación de imágenes de cobertura del suelo
Este modelo de clasificación de tierras usa el framework TensorFlow y datos de satélite de Google Earth Engine para mostrar la segmentación semántica. En el tutorial se usa TensorFlow en Vertex AI para entrenar el modelo, TensorFlow en Cloud Run para hacer predicciones en tiempo real y Dataflow para hacer predicciones por lotes. Consulta el código en GitHub.
Regresión de series temporales de previsión meteorológica
Este modelo de previsión meteorológica usa un framework de PyTorch y datos de satélite de Google Earth Engine para predecir las precipitaciones de las próximas dos y seis horas. En el tutorial se usa PyTorch para crear una red convolucional completa, Vertex AI para entrenar el modelo, Dataflow para crear el conjunto de datos y PyTorch para hacer predicciones locales. Consulta el código en GitHub.
Clasificación de series temporales de Global Fishing Watch
Este modelo de clasificación usa el framework TensorFlow y los datos de ubicación de la identidad del servicio móvil marítimo (MMSI) para clasificar si un barco está pescando cada hora. En el tutorial se usan Keras y TensorFlow para entrenar el modelo, Dataflow para crear el conjunto de datos y Keras en Cloud Run para hacer predicciones locales. Consulta el código en GitHub.
Clasificación de imágenes de fauna salvaje
Este modelo de clasificación usa un framework de AutoML para crear un modelo entrenado para reconocer especies animales a partir de imágenes de cámaras trampa. En el tutorial se usa AutoML en Vertex AI para entrenar el modelo, Dataflow para crear el conjunto de datos y Vertex AI para hacer predicciones. Consulta el código en GitHub.