Компания Planet делает свои геоданные доступными через Amazon SageMake

Planet Labs объявила, что предоставляет геоданные через Amazon SageMaker, полностью управляемый сервис машинного обучения (ML) от Amazon Web Services (AWS).

Теперь данные Planet могут быть напрямую встроены в Amazon SageMaker, что позволяет специалистам по анализу данных и инженерам по машинному обучению получать и анализировать глобальные ежедневные спутниковые данные. С помощью этих данных клиенты могут обучать, тестировать и развертывать модели машинного обучения в Amazon SageMaker.

Планета управляет крупнейшей в мире группировкой спутников ДЗЗ, способных ежедневно предоставлять изображения Земли со средним и высоким разрешением.

Planet использует AWS для лучшего обслуживания своих клиентов, которые теперь могут извлечь выгоду из простоты и скорости новых геопространственных возможностей машинного обучения Amazon SageMaker для создания, обучения и развертывания моделей машинного обучения с использованием геопространственных данных Planet со скоростью до 10 раз.

Эти расширенные возможности создают новые возможности для клиентов Planet для ускорения доступа к данным с помощью геопространственных инструментов и облачных платформ.

Из-за сложной работы, необходимой для использования геопространственных данных для машинного обучения, доступ к машинному обучению исторически был недоступен для многих клиентов геопространственных данных. С Amazon SageMaker клиенты смогут получать свои собственные источники данных, такие как спутниковые данные Planet, из Amazon Location Service и AWS Data Exchange.

Это первое в своем роде партнерство и единственная по требованию высококачественная платформа для обучения, получения и визуализации спутниковых изображений, доступная на рынке.

"Компания Planet Labs понимает проблемы, связанные с приемом и поставкой больших объемов данных", - сказал президент Planet Кевин Вейл. "Используя Amazon SageMaker, мы теперь можем предложить возможности машинного обучения с глубокой интеграцией нескольких наборов данных, и мы с нетерпением ждем разработки и сотрудничества над сложными моделями с нашими клиентами".

"Создание, обучение и развертывание моделей машинного обучения с использованием геопространственных данных является ручным процессом для большинства организаций. Основным препятствием является отсутствие специализированных возможностей для выполнения машинного обучения на этих типах массивов данных", - сказал Кумар Челлапилла, GM AI Services в AWS.

"Amazon SageMaker может помочь упростить и ускорить геопространственное машинное обучение от нескольких месяцев до нескольких минут, позволяя клиентам Planet обогащать свои наборы данных, обучать геопространственные модели, визуализировать результаты и многое другое. Вместе с Planet мы рады раскрыть ценность геопространственных данных для своих клиентов и помочь им сделать точные прогнозы", - добавил он.

Специально созданные для геопространственных данных, возможности геопространственного машинного обучения Amazon SageMaker предлагают простые в использовании инструменты для организации операций по сбору данных и предварительной обработке спутниковых изображений, создания веб-визуализации и создания бесшовного масштабирования для больших наборов данных. Готовые алгоритмы могут сократить разработку всего за несколько дней и развернуть в облаке одним щелчком мыши, освобождая время клиентов.