Scopri come addestrare i modelli di machine learning per la classificazione e la previsione seguendo i passaggi descritti nei notebook interattivi. Questi tutorial integrano Dataflow nei flussi di lavoro di machine learning end-to-end. Puoi anche visualizzare i tutorial su GitHub.
Segmentazione delle immagini della 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 in batch. Visualizza il codice su GitHub.
Regressione delle serie temporali per le previsioni meteo
Questo modello di previsione meteo utilizza un framework PyTorch e dati satellitari di Google Earth Engine per predire le precipitazioni nelle due e nelle sei ore successive. 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 fare previsioni locali. Visualizza il codice su GitHub.
Classificazione delle serie temporali di Global Fishing Watch
Questo modello di classificazione utilizza un framework TensorFlow e i dati sulla posizione dell'identità di servizio mobile marittimo (MMSI) per classificare se una nave sta pescando 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 fare previsioni locali. Visualizza il codice su GitHub.
Classificazione di immagini di fauna selvatica
Questo modello di classificazione utilizza un framework AutoML per creare un modello addestrato a riconoscere le specie animali dalle foto scattate dalle fototrappole. 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.