Python 机器学习教程

按照交互式笔记本中的步骤，了解如何训练机器学习模型以进行分类和预测。以下教程将 Dataflow 集成到端到端机器学习工作流中。您还可以在 GitHub 上查看教程。

---

土地覆盖图像分割

此土地分类模型使用 TensorFlow 框架和 Google Earth Engine 中的卫星数据来演示语义分割。本教程使用 Vertex AI 中的 TensorFlow 训练模型，使用 Cloud Run 中的 TensorFlow 进行实时预测，使用 Dataflow 进行批量预测。在 GitHub 上查看代码。

---

天气预报时序回归

此天气预测模型使用 PyTorch 框架和 Google Earth Engine 中的卫星数据预测未来两小时和六小时的降水量。本教程使用 PyTorch 创建全卷积网络，使用 Vertex AI 训练模型，使用 Dataflow 创建数据集，并使用 PyTorch 进行本地预测。在 GitHub 上查看代码。

---

全球渔业观察时序分类

此分类模型使用 TensorFlow 框架和 Marytime Mobile Service Identity (MMSI) 位置数据来对船舶每小时是否捕鱼进行分类。本教程使用 Keras 和 TensorFlow 训练模型，使用 Dataflow 创建数据集，并使用 Cloud Run 中的 Keras 进行本地预测。在 GitHub 上查看代码。

---

野生动物图片分类

此分类模型使用 AutoML 框架创建一个模型，该模型经过训练，能够从相机抓拍照片中识别动物物种。本教程使用 Vertex AI 中的 AutoML 训练模型，使用 Dataflow 创建数据集，并使用 Vertex AI 进行预测。在 GitHub 上查看代码。