Saiba como treinar modelos de machine learning para classificação e previsão seguindo as etapas nos notebooks interativos. Esses tutoriais integram o Dataflow a fluxos de trabalho completos de machine learning. Também é possível ver os tutoriais no GitHub.
Segmentação de imagens da cobertura do solo
Esse modelo usa um framework do TensorFlow e dados de satélite do Google Earth Engine para demonstrar a segmentação semântica. No tutorial, usamos o TensorFlow na 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. Veja o código no GitHub.
Regressão da 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. Veja o código no GitHub.
Classificação global da série de tempo de exibição de pesca
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. Veja o código no GitHub.
Classificação de imagens da vida selvagem
Esse modelo de classificação usa um framework do AutoML para criar um modelo treinado para reconhecer espécies de animais a partir de imagens de armadilhas com câmeras. O tutorial usa AutoML na Vertex AI para treinar o modelo, Dataflow para criar o conjunto de dados e Vertex AI para fazer previsões. Veja o código no GitHub.