按照互動式記事本中的步驟，瞭解如何訓練機器學習模型以進行分類和預測。這些教學課程將 Dataflow 整合至端對端機器學習工作流程。您也可以在 GitHub 中查看教學課程。
土地覆蓋影像分割
這個土地分類模型使用 TensorFlow 框架和 Google Earth Engine 的衛星資料，示範語意區隔。本教學課程使用 Gemini Enterprise Agent Platform 中的 TensorFlow 訓練模型、Cloud Run 中的 TensorFlow 進行即時預測，以及 Dataflow 進行批次預測。在 GitHub 上查看程式碼。
天氣預報時間序列迴歸
這項天氣預報模型使用 PyTorch 框架和 Google Earth Engine 的衛星資料，預測未來兩小時和六小時的降水量。本教學課程使用 PyTorch 建立全卷積網路、Gemini Enterprise Agent Platform 訓練模型、Dataflow 建立資料集，以及 PyTorch 進行本機預測。在 GitHub 上查看程式碼。
全球漁業觀測站時間序列分類
這項分類模型使用 TensorFlow 架構和海事行動服務識別碼 (MMSI) 位置資料，每小時分類船隻是否正在捕魚。本教學課程使用 Keras 和 TensorFlow 訓練模型、使用 Dataflow 建立資料集，並在 Cloud Run 中使用 Keras 進行本機預測。在 GitHub 上查看程式碼。
野生動物圖像分類
這個分類模型使用 AutoML 框架建立模型，並訓練模型從攝影機陷阱圖片辨識動物物種。本教學課程使用 Gemini Enterprise Agent Platform 中的 AutoML 訓練模型、使用 Dataflow 建立資料集，並使用 Gemini Enterprise Agent Platform 進行預測。在 GitHub 上查看程式碼。