Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Aprende a entrenar modelos de aprendizaje automático para la clasificación y predicción mediante los pasos en notebooks interactivos. En estos instructivos, se integra Dataflow en flujos de trabajo de aprendizaje automático de extremo a extremo. También puedes ver los instructivos en GitHub.
Segmentación de imágenes de portadas terrestres
Este modelo de clasificación de tierras usa un framework de TensorFlow y datos satelitales de Google Earth Engine para demostrar la segmentación semántica.
En el instructivo, se usa TensorFlow en Vertex AI con el fin de entrenar el modelo, TensorFlow en Cloud Run a fin de realizar predicciones en tiempo real y Dataflow para realizar predicciones por lotes.
Mira el código en GitHub.
Regresión de series temporales de previsión del tiempo
Este modelo de previsión meteorológica usa un framework de PyTorch y datos satelitales de Google Earth Engine para la previsión de precipitaciones de las próximas dos y seis horas.
En el instructivo, se usa PyTorch a fin de crear una red completamente convolucional, Vertex AI para entrenar el modelo, Dataflow con el fin de crear el conjunto de datos y PyTorch a fin de realizar predicciones locales.
Mira el código en GitHub.
Clasificación de las series temporales de vigilancia global de la pesca
En este modelo de clasificación, se usa un framework de TensorFlow y datos de ubicación de la Identidad del Servicio Móvil Marítimo (MMSI) para clasificar si un barco pesca cada hora.
En el instructivo, se usan Keras y TensorFlow para entrenar el modelo, Dataflow a fin de crear el conjunto de datos y Keras en Cloud Run a fin de realizar predicciones locales.
Mira el código en GitHub.
Clasificación de imágenes de vida natural
Este modelo de clasificación usa un framework AutoML para crear un modelo entrenado a fin de reconocer especies de animales a partir de imágenes de cámaras remotas.
En el instructivo, se usa AutoML en Vertex AI a fin de entrenar el modelo, Dataflow a fin de crear el conjunto de datos y Vertex AI para realizar predicciones.
Mira el código en GitHub.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Información o código de muestra incorrectos","incorrectInformationOrSampleCode","thumb-down"],["Faltan la información o los ejemplos que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2025-04-22 (UTC)"],[[["These interactive notebooks provide tutorials on training machine learning models for classification and prediction, integrating Dataflow into end-to-end workflows."],["The land cover image segmentation tutorial uses TensorFlow and Google Earth Engine data to perform semantic segmentation, with Vertex AI for training, Cloud Run for real-time predictions, and Dataflow for batch predictions."],["The weather forecasting tutorial utilizes PyTorch and satellite data to forecast precipitation, employing Vertex AI for training, Dataflow for dataset creation, and PyTorch for local predictions."],["The global fishing watch tutorial employs TensorFlow and MMSI location data to classify ships as fishing or not, using Dataflow to create the dataset and Cloud Run to make predictions."],["The wildlife image classification tutorial utilizes AutoML within Vertex AI to recognize animal species in camera trap photos, with Dataflow used to create the dataset and Vertex AI for predictions."]]],[]]
