インタラクティブ ノートブックの手順に沿って、分類と予測用の ML モデルをトレーニングする方法について説明します。これらのチュートリアルでは、Dataflow をエンドツーエンドの ML ワークフローに統合します。このチュートリアルは GitHub で確認することもできます。
土地被覆の画像のセグメンテーション
この土地分類モデルは、TensorFlow フレームワークと Google Earth Engine の衛星データを使用して、セマンティック セグメンテーションを示しています。このチュートリアルでは、Vertex AI で TensorFlow を使用してモデルをトレーニングし、Cloud Run で TensorFlow を使用してリアルタイム予測を行い、Dataflow を使用してバッチ予測を行います。GitHub でコードを表示します。
天気予報の時系列回帰
この天気予報モデルでは、PyTorch フレームワークと Google Earth Engine の衛星データを使用して、2～6 時間後の降水量を予測します。このチュートリアルでは、PyTorch を使用して完全な畳み込みネットワークを構築し、Vertex AI でモデルをトレーニングします。さらに、Dataflow を使用してデータセットを作成し、PyTorch を使用してローカル予測を行います。GitHub でコードを表示します。
Global Fishing Watch の時系列分類
この分類モデルでは、TensorFlow フレームワークと Maritime Mobile Service Identity（MMSI）の位置情報を使用して、1 時間ごとに船が漁をしているのかどうかを分類します。このチュートリアルでは、Keras と TensorFlow を使用してモデルをトレーニングし、Dataflow でデータセットを作成します。さらに、Cloud Run で Keras を使用してローカル予測を行います。GitHub でコードを表示します。
野生動物の画像分類
この分類モデルは、AutoML フレームワークを使用して、カメラトラップ画像から動物の種類を認識するようにトレーニングされたモデルを作成します。このチュートリアルでは、Vertex AI の AutoML を使用してモデルをトレーニングし、Dataflow を使用してデータセットを作成します。さらに、Vertex AI を使用して予測を行います。GitHub でコードを表示します。