按照交互式笔记本中的步骤，了解如何训练机器学习模型进行分类和预测。这些教程将 Dataflow 集成到端到端机器学习工作流中。您还可以在 GitHub 中查看教程。
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。
天气预测时序回归
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 创建完全卷积网络，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，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，使用 Vertex AI 进行预测。在 GitHub 上查看代码。