כדי ללמוד איך לאמן מודלים של למידת מכונה לסיווג ולחיזוי, אפשר לעקוב אחרי השלבים במחברות אינטראקטיביות. ההדרכות האלה משלבות את Dataflow בתהליכי עבודה של למידת מכונה מקצה לקצה. אפשר גם לצפות במדריכים ב-GitHub.
חלוקת תמונות של כיסוי הקרקע למקטעים
מודל סיווג הקרקע הזה משתמש ב-TensorFlow framework ובנתוני לוויין מ-Google Earth Engine כדי להדגים פילוח סמנטי. במדריך הזה נעשה שימוש ב-TensorFlow ב-Vertex AI לאימון המודל, ב-TensorFlow ב-Cloud Run לביצוע חיזויים בזמן אמת וב-Dataflow לביצוע חיזויים באצווה. צפייה בקוד ב-GitHub
רגרסיה של סדרת זמנים לחיזוי מזג אוויר
מודל חיזוי מזג האוויר הזה משתמש ב-PyTorch ובנתוני לוויין מ-Google Earth Engine כדי לחזות את כמות המשקעים בשעתיים ובשש השעות הבאות. במדריך הזה נעשה שימוש ב-PyTorch כדי ליצור רשת קונבולוציה מלאה, ב-Vertex AI כדי לאמן את המודל, ב-Dataflow כדי ליצור את מערך הנתונים וב-PyTorch כדי ליצור תחזיות מקומיות. צפייה בקוד ב-GitHub
סיווג של סדרות זמנים של צפייה בדיג ברחבי העולם
מודל הסיווג הזה משתמש ב-framework של TensorFlow ובנתוני מיקום של Maritime Mobile Service Identity (MMSI) כדי לסווג כל שעה אם כלי שיט דג. במדריך נעשה שימוש ב-Keras וב-TensorFlow כדי לאמן את המודל, ב-Dataflow כדי ליצור את מערך הנתונים וב-Keras ב-Cloud Run כדי לבצע חיזויים מקומיים. צפייה בקוד ב-GitHub
סיווג תמונות של חיות בר
מודל הסיווג הזה משתמש במסגרת AutoML כדי ליצור מודל שאומן לזיהוי מיני בעלי חיים מתמונות שצולמו במצלמות נסתרות. במדריך הזה נעשה שימוש ב-AutoML ב-Vertex AI כדי לאמן את המודל, ב-Dataflow כדי ליצור את מערך הנתונים וב-Vertex AI כדי לבצע חיזויים. צפייה בקוד ב-GitHub