Τα τελευταία χρόνια, η πρόοδος στην όραση υπολογιστή επέτρεψε σε ερευνητές, σε πρώτους ανταποκριτές και στις κυβερνήσεις να αντιμετωπίσουν το δύσκολο πρόβλημα της επεξεργασίας παγκόσμιων δορυφορικών εικόνων για να κατανοήσουν τον πλανήτη μας και τον αντίκτυπό μας σε αυτόν. Το AWS κυκλοφόρησε πρόσφατα Γεωχωρικές δυνατότητες του Amazon SageMaker για να σας παρέχει δορυφορικές εικόνες και γεωχωρικά μοντέλα μηχανικής μάθησης αιχμής (ML), μειώνοντας τα εμπόδια για αυτούς τους τύπους περιπτώσεων χρήσης. Για περισσότερες πληροφορίες, ανατρέξτε στο Προεπισκόπηση: Χρησιμοποιήστε το Amazon SageMaker για να δημιουργήσετε, να εκπαιδεύσετε και να αναπτύξετε μοντέλα ML χρησιμοποιώντας γεωχωρικά δεδομένα.
Πολλές υπηρεσίες, συμπεριλαμβανομένων των πρώτων ανταποκριτών, χρησιμοποιούν αυτές τις προσφορές για να αποκτήσουν μεγάλης κλίμακας επίγνωση της κατάστασης και να δώσουν προτεραιότητα στις προσπάθειες παροχής βοήθειας σε γεωγραφικές περιοχές που έχουν πληγεί από φυσικές καταστροφές. Συχνά, αυτές οι υπηρεσίες ασχολούνται με εικόνες καταστροφών από πηγές χαμηλού υψομέτρου και δορυφορικές πηγές, και αυτά τα δεδομένα είναι συχνά χωρίς ετικέτα και είναι δύσκολο να χρησιμοποιηθούν. Τα υπερσύγχρονα μοντέλα υπολογιστικής όρασης συχνά έχουν χαμηλή απόδοση όταν κοιτάζουν δορυφορικές εικόνες μιας πόλης που έχει χτυπήσει τυφώνας ή πυρκαγιά. Δεδομένης της έλλειψης αυτών των συνόλων δεδομένων, ακόμη και τα υπερσύγχρονα μοντέλα ML συχνά δεν είναι σε θέση να προσφέρουν την ακρίβεια και την ακρίβεια που απαιτείται για την πρόβλεψη τυπικών ταξινομήσεων καταστροφών FEMA.
Τα γεωχωρικά σύνολα δεδομένων περιέχουν χρήσιμα μεταδεδομένα, όπως συντεταγμένες γεωγραφικού πλάτους και μήκους, και χρονικές σημάνσεις, που μπορούν να παρέχουν το πλαίσιο για αυτές τις εικόνες. Αυτό είναι ιδιαίτερα χρήσιμο για τη βελτίωση της ακρίβειας της γεωχωρικής ML για σκηνές καταστροφής, επειδή αυτές οι εικόνες είναι εγγενώς ακατάστατες και χαοτικές. Τα κτίρια είναι λιγότερο ορθογώνια, η βλάστηση έχει υποστεί ζημιές και οι γραμμικοί δρόμοι έχουν διακοπεί από πλημμύρες ή κατολισθήσεις λάσπης. Επειδή η επισήμανση αυτών των τεράστιων συνόλων δεδομένων είναι δαπανηρή, χειροκίνητη και χρονοβόρα, η ανάπτυξη μοντέλων ML που μπορούν να αυτοματοποιήσουν την επισήμανση και τον σχολιασμό εικόνων είναι κρίσιμη.
Για να εκπαιδεύσουμε αυτό το μοντέλο, χρειαζόμαστε ένα επισημασμένο υποσύνολο βασικής αλήθειας του Σύνολο δεδομένων εικόνων καταστροφών χαμηλού υψομέτρου (LADI). Αυτό το σύνολο δεδομένων αποτελείται από σχολιασμένες αερομεταφερόμενες εικόνες ανθρώπων και μηχανών που συλλέγονται από την Πολιτική Αεροπορική Περίπολο για την υποστήριξη διαφόρων αντιδράσεων σε καταστροφές από το 2015-2019. Αυτά τα σύνολα δεδομένων LADI επικεντρώνονται στις εποχές των τυφώνων του Ατλαντικού και στις παράκτιες πολιτείες κατά μήκος του Ατλαντικού Ωκεανού και του Κόλπου του Μεξικού. Δύο βασικές διακρίσεις είναι το χαμηλό υψόμετρο, η λοξή προοπτική των εικόνων και τα χαρακτηριστικά που σχετίζονται με καταστροφές, τα οποία σπάνια εμφανίζονται σε δείκτες αξιολόγησης όρασης υπολογιστή και σύνολα δεδομένων. Οι ομάδες χρησιμοποίησαν τις υπάρχουσες κατηγορίες FEMA για ζημιές όπως πλημμύρες, συντρίμμια, φωτιά και καπνός ή κατολισθήσεις, οι οποίες τυποποίησαν τις κατηγορίες ετικετών. Η λύση μπορεί στη συνέχεια να κάνει προβλέψεις για τα υπόλοιπα δεδομένα εκπαίδευσης και να δρομολογήσει αποτελέσματα χαμηλότερης εμπιστοσύνης για ανθρώπινη ανασκόπηση.
Σε αυτήν την ανάρτηση, περιγράφουμε το σχεδιασμό και την εφαρμογή της λύσης, τις βέλτιστες πρακτικές και τα βασικά στοιχεία της αρχιτεκτονικής του συστήματος.
Επισκόπηση λύσεων
Εν συντομία, η λύση περιελάμβανε την κατασκευή τριών αγωγών:
- Αγωγός δεδομένων – Εξάγει τα μεταδεδομένα των εικόνων
- Σωλήνας μηχανικής εκμάθησης – Ταξινομεί και επισημαίνει εικόνες
- Σωλήνας αναθεώρησης Human-in-the-Loop – Χρησιμοποιεί μια ανθρώπινη ομάδα για την ανασκόπηση των αποτελεσμάτων
Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική λύσεων.
Δεδομένης της φύσης ενός συστήματος ετικετών όπως αυτό, σχεδιάσαμε μια οριζόντια κλιμακούμενη αρχιτεκτονική που θα χειριζόταν τις αιχμές απορρόφησης χωρίς υπερβολική παροχή, χρησιμοποιώντας μια αρχιτεκτονική χωρίς διακομιστή. Χρησιμοποιούμε ένα μοτίβο ένα προς πολλά από Υπηρεσία απλής ουράς Amazon (Amazon SQS) προς AWS Lambda σε πολλά σημεία για να υποστηρίξουν αυτές τις αιχμές κατάποσης, προσφέροντας ανθεκτικότητα.
Χρήση ουράς SQS για επεξεργασία Απλή υπηρεσία αποθήκευσης Amazon Τα συμβάντα (Amazon S3) μας βοηθούν να ελέγξουμε την ταυτόχρονη επεξεργασία κατάντη (συναρτήσεις Lambda, σε αυτήν την περίπτωση) και να χειριστούμε τις εισερχόμενες αιχμές δεδομένων. Η ουρά των εισερχόμενων μηνυμάτων λειτουργεί επίσης ως αποθηκευτικό χώρο προσωρινής αποθήκευσης σε περίπτωση αποτυχίας κατάντη.
Δεδομένων των άκρως παράλληλων αναγκών, επιλέξαμε το Lambda για να επεξεργαστούμε τις εικόνες μας. Το Lambda είναι μια υπολογιστική υπηρεσία χωρίς διακομιστή που μας επιτρέπει να εκτελούμε κώδικα χωρίς παροχή ή διαχείριση διακομιστών, δημιουργώντας λογική κλιμάκωσης συμπλέγματος με επίγνωση του φόρτου εργασίας, διατηρώντας ενσωματώσεις συμβάντων και διαχείριση χρόνου εκτέλεσης.
Χρησιμοποιούμε Amazon OpenSearch Service ως το κεντρικό μας κατάστημα δεδομένων για να επωφεληθείτε από τις εξαιρετικά επεκτάσιμες, γρήγορες αναζητήσεις και το ενσωματωμένο εργαλείο οπτικοποίησης, τους Πίνακες ελέγχου OpenSearch. Μας δίνει τη δυνατότητα να προσθέτουμε επαναληπτικά το πλαίσιο στην εικόνα, χωρίς να χρειάζεται να κάνουμε εκ νέου μεταγλώττιση ή αλλαγή κλίμακας, και να χειριζόμαστε την εξέλιξη του σχήματος.
Αναγνώριση Amazon καθιστά εύκολη την προσθήκη ανάλυσης εικόνας και βίντεο στις εφαρμογές μας, χρησιμοποιώντας αποδεδειγμένη, εξαιρετικά επεκτάσιμη τεχνολογία βαθιάς εκμάθησης. Με το Amazon Rekognition, έχουμε μια καλή βασική γραμμή ανιχνευόμενων αντικειμένων.
Στις επόμενες ενότητες, βουτάμε σε κάθε αγωγό με περισσότερες λεπτομέρειες.
Αγωγός δεδομένων
Το παρακάτω διάγραμμα δείχνει τη ροή εργασιών του αγωγού δεδομένων.
Η διοχέτευση δεδομένων LADI ξεκινά με την απορρόφηση εικόνων ακατέργαστων δεδομένων από το FEMA Common Alerting Protocol (CAP) σε έναν κάδο S3. Καθώς προσλαμβάνουμε τις εικόνες στον κάδο ακατέργαστων δεδομένων, υποβάλλονται σε επεξεργασία σε σχεδόν πραγματικό χρόνο σε δύο βήματα:
- Ο κάδος S3 ενεργοποιεί ειδοποιήσεις συμβάντων για όλες τις δημιουργίες αντικειμένων, δημιουργώντας μηνύματα στην ουρά SQS για κάθε εικόνα που απορροφάται.
- Η ουρά SQS καλεί ταυτόχρονα τις συναρτήσεις Lambda προεπεξεργασίας στην εικόνα.
Οι συναρτήσεις Lambda εκτελούν τα ακόλουθα βήματα προεπεξεργασίας:
- Υπολογίστε το UUID για κάθε εικόνα, παρέχοντας ένα μοναδικό αναγνωριστικό για κάθε εικόνα. Αυτό το αναγνωριστικό θα προσδιορίζει την εικόνα για ολόκληρο τον κύκλο ζωής της.
- Εξάγετε μεταδεδομένα όπως συντεταγμένες GPS, μέγεθος εικόνας, πληροφορίες GIS και θέση S3 από την εικόνα και διατηρήστε τα στο OpenSearch.
- Με βάση μια αναζήτηση με τους κωδικούς FIPS, η συνάρτηση μετακινεί την εικόνα στον κάδο δεδομένων S3. Διαχωρίζουμε τα δεδομένα κατά FIPS-Κωδικός κατάστασης/FIPS-County-code/Year/Month της εικόνας.
Σωλήνας μηχανικής εκμάθησης
Η διοχέτευση ML ξεκινά από τις εικόνες που προσγειώνονται στον κάδο επιλεγμένων δεδομένων S3 στο βήμα της διοχέτευσης δεδομένων, το οποίο ενεργοποιεί τα ακόλουθα βήματα:
- Το Amazon S3 δημιουργεί ένα μήνυμα σε μια άλλη ουρά SQS για κάθε αντικείμενο που δημιουργείται στον κάδο επιλεγμένων δεδομένων S3.
- Η ουρά SQS ενεργοποιεί ταυτόχρονα τις λειτουργίες Lambda για την εκτέλεση της εργασίας συμπερασμάτων ML στην εικόνα.
Οι συναρτήσεις Lambda εκτελούν τις ακόλουθες ενέργειες:
- Στείλτε κάθε εικόνα στο Amazon Rekognition για ανίχνευση αντικειμένων, αποθηκεύοντας τις επιστρεφόμενες ετικέτες και τις αντίστοιχες βαθμολογίες εμπιστοσύνης.
- Συνθέστε την έξοδο Αναγνώρισης Amazon σε παραμέτρους εισόδου για το δικό μας Amazon Sage Maker τελικό σημείο πολλαπλών μοντέλων. Αυτό το τελικό σημείο φιλοξενεί το σύνολο των ταξινομητών μας, οι οποίοι είναι εκπαιδευμένοι για συγκεκριμένα σύνολα ετικετών ζημιών.
- Μεταβιβάστε τα αποτελέσματα του τελικού σημείου SageMaker στο Amazon Augmented AI (Amazon A2I).
Το παρακάτω διάγραμμα απεικονίζει τη ροή εργασίας του αγωγού.
Σωλήνας αναθεώρησης Human-in-the-Loop
Το παρακάτω διάγραμμα απεικονίζει τον αγωγό ανθρώπινου βρόχου (HIL).
Με το Amazon A2I, μπορούμε να διαμορφώσουμε κατώτατα όρια που θα ενεργοποιήσουν έναν ανθρώπινο έλεγχο από μια ιδιωτική ομάδα όταν ένα μοντέλο αποφέρει πρόβλεψη χαμηλής εμπιστοσύνης. Μπορούμε επίσης να χρησιμοποιήσουμε το Amazon A2I για να παρέχουμε έναν συνεχή έλεγχο των προβλέψεων του μοντέλου μας. Τα βήματα της ροής εργασιών είναι τα εξής:
- Το Amazon A2I δρομολογεί προβλέψεις υψηλής εμπιστοσύνης στην Υπηρεσία OpenSearch, ενημερώνοντας τα δεδομένα ετικέτας της εικόνας.
- Το Amazon A2I δρομολογεί προβλέψεις χαμηλής εμπιστοσύνης στην ιδιωτική ομάδα για να σχολιάσει τις εικόνες με μη αυτόματο τρόπο.
- Ο ανθρώπινος αναθεωρητής ολοκληρώνει τον σχολιασμό, δημιουργώντας ένα αρχείο εξόδου ανθρώπινου σχολιασμού που είναι αποθηκευμένο στον κάδο HIL Output S3.
- Ο κάδος HIL Output S3 ενεργοποιεί μια λειτουργία Lambda που αναλύει την έξοδο ανθρώπινων σχολιασμών και ενημερώνει τα δεδομένα της εικόνας στην Υπηρεσία OpenSearch.
Δρομολογώντας τα αποτελέσματα του ανθρώπινου σχολιασμού πίσω στο χώρο αποθήκευσης δεδομένων, μπορούμε να επανεκπαιδεύσουμε τα μοντέλα συνόλου και να βελτιώσουμε επαναληπτικά την ακρίβεια του μοντέλου.
Με τα αποτελέσματά μας υψηλής ποιότητας που είναι πλέον αποθηκευμένα στην Υπηρεσία OpenSearch, είμαστε σε θέση να εκτελούμε γεωχωρική και χρονική αναζήτηση μέσω ενός REST API, χρησιμοποιώντας Amazon API Gateway και Geoserver. Ο Πίνακας ελέγχου OpenSearch επιτρέπει επίσης στους χρήστες να αναζητούν και να εκτελούν αναλυτικά στοιχεία με αυτό το σύνολο δεδομένων.
Αποτελέσματα
Ο παρακάτω κώδικας δείχνει ένα παράδειγμα των αποτελεσμάτων μας.
Με αυτόν τον νέο αγωγό, δημιουργούμε ένα ανθρώπινο backstop για μοντέλα που δεν έχουν ακόμη πλήρως απόδοση. Αυτός ο νέος αγωγός ML έχει τεθεί σε παραγωγή για χρήση με α Μικροϋπηρεσία φίλτρου εικόνας Civil Air Patrol που επιτρέπει το φιλτράρισμα των εικόνων της Πολιτικής Αεροπορίας στο Πουέρτο Ρίκο. Αυτό δίνει τη δυνατότητα στους πρώτους ανταποκριτές να δουν την έκταση της ζημιάς και να προβάλουν εικόνες που σχετίζονται με αυτήν τη ζημιά μετά από τυφώνες. Το AWS Data Lab, το AWS Open Data Program, η ομάδα Amazon Disaster Response και η ομάδα AWS human-in-the-loop συνεργάστηκαν με πελάτες για την ανάπτυξη ενός αγωγού ανοιχτού κώδικα που μπορεί να χρησιμοποιηθεί για την ανάλυση δεδομένων Civil Air Patrol που είναι αποθηκευμένα στο Open Data Μητρώο προγράμματος κατ' απαίτηση μετά από φυσική καταστροφή. Για περισσότερες πληροφορίες σχετικά με την αρχιτεκτονική του αγωγού και μια επισκόπηση της συνεργασίας και του αντίκτυπου, δείτε το βίντεο Εστιάζοντας στην αντιμετώπιση καταστροφών με το Amazon Augmented AI, το Πρόγραμμα Ανοικτών Δεδομένων AWS και το AWS Snowball.
Συμπέρασμα
Καθώς η κλιματική αλλαγή συνεχίζει να αυξάνει τη συχνότητα και την ένταση των καταιγίδων και των πυρκαγιών, συνεχίζουμε να βλέπουμε τη σημασία της χρήσης ML για την κατανόηση του αντίκτυπου αυτών των γεγονότων στις τοπικές κοινότητες. Αυτά τα νέα εργαλεία μπορούν να επιταχύνουν τις προσπάθειες αντιμετώπισης καταστροφών και να μας επιτρέψουν να χρησιμοποιήσουμε τα δεδομένα από αυτές τις αναλύσεις μετά το συμβάν για να βελτιώσουμε την ακρίβεια πρόβλεψης αυτών των μοντέλων με ενεργή μάθηση. Αυτά τα νέα μοντέλα ML μπορούν να αυτοματοποιήσουν τον σχολιασμό δεδομένων, γεγονός που μας δίνει τη δυνατότητα να συμπεράνουμε την έκταση της ζημιάς από καθένα από αυτά τα συμβάντα καθώς επικαλύπτουμε ετικέτες ζημιών με δεδομένα χάρτη. Αυτά τα σωρευτικά δεδομένα μπορούν επίσης να βοηθήσουν στη βελτίωση της ικανότητάς μας να προβλέπουμε ζημιές για μελλοντικά γεγονότα καταστροφών, γεγονός που μπορεί να συμβάλει στις στρατηγικές μετριασμού. Αυτό με τη σειρά του μπορεί να βελτιώσει την ανθεκτικότητα των κοινοτήτων, των οικονομιών και των οικοσυστημάτων, παρέχοντας στους υπεύθυνους λήψης αποφάσεων τις πληροφορίες που χρειάζονται για την ανάπτυξη πολιτικών βάσει δεδομένων για την αντιμετώπιση αυτών των αναδυόμενων περιβαλλοντικών απειλών.
Σε αυτήν την ανάρτηση ιστολογίου συζητήσαμε τη χρήση όρασης υπολογιστή σε δορυφορικές εικόνες. Αυτή η λύση προορίζεται να είναι μια αρχιτεκτονική αναφοράς ή ένας οδηγός γρήγορης εκκίνησης που μπορείτε να προσαρμόσετε για τις δικές σας ανάγκες.
Κάντε μια περιστροφή και ενημερώστε μας πώς αυτό έλυσε την περίπτωση χρήσης αφήνοντας σχόλια στην ενότητα σχολίων. Για περισσότερες πληροφορίες, βλ Γεωχωρικές δυνατότητες του Amazon SageMaker.
Σχετικά με τους Συγγραφείς
Βάμσι Κρίσνα Εναμποθάλα είναι Sr. Applied AI Specialist Architect στο AWS. Συνεργάζεται με πελάτες από διαφορετικούς τομείς για να επιταχύνει πρωτοβουλίες δεδομένων, αναλύσεων και μηχανικής μάθησης υψηλού αντίκτυπου. Είναι παθιασμένος με τα συστήματα συστάσεων, το NLP και τους τομείς όρασης υπολογιστών στο AI και ML. Εκτός δουλειάς, ο Vamshi είναι λάτρης του RC, κατασκευάζει εξοπλισμό RC (αεροπλάνα, αυτοκίνητα και drones) και του αρέσει επίσης η κηπουρική.
Μόργκαν Ντάτον είναι Ανώτερος Τεχνικός Διευθυντής Προγράμματος με την ομάδα Amazon Augmented AI και Amazon SageMaker Ground Truth. Συνεργάζεται με εταιρικούς, ακαδημαϊκούς και πελάτες του δημόσιου τομέα για να επιταχύνει την υιοθέτηση της μηχανικής μάθησης και των υπηρεσιών ML human-in-the-loop.
Sandeep Verma είναι αρχιτέκτονας πρωτοτύπων Sr. με AWS. Του αρέσει να βουτάει βαθιά στις προκλήσεις των πελατών και να δημιουργεί πρωτότυπα για τους πελάτες για να επιταχύνουν την καινοτομία. Έχει ένα υπόβαθρο στο AI/ML, ιδρυτής της New Knowledge και γενικά παθιασμένος με την τεχνολογία. Στον ελεύθερο χρόνο του λατρεύει τα ταξίδια και το σκι με την οικογένειά του.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/machine-learning/accelerate-disaster-response-with-computer-vision-for-satellite-imagery-using-amazon-sagemaker-and-amazon-augmented-ai/
- 100
- 7
- 98
- a
- ικανότητα
- Ικανός
- Σχετικα
- ακαδημαϊκής
- επιταχύνουν
- ακρίβεια
- ενεργειών
- ενεργός
- πράξεις
- διεύθυνση
- Υιοθεσία
- προκαταβολές
- Πλεονέκτημα
- κατά
- υπηρεσίες
- AI
- AI / ML
- ΑΕΡΑ
- Όλα
- επιτρέπει
- Amazon
- Amazon Augmented AI
- Αναγνώριση Amazon
- Amazon Sage Maker
- Amazon SageMaker Ground Αλήθεια
- αναλύσεις
- ανάλυση
- analytics
- αναλύσει
- και
- Άλλος
- api
- εφαρμογές
- εφαρμοσμένος
- Εφαρμοσμένη AI
- αρχιτεκτονική
- περιοχές
- συσχετισμένη
- έλεγχος
- επαυξημένης
- αυτοματοποίηση
- επίγνωση
- AWS
- πίσω
- φόντο
- backstop
- εμπόδια
- Baseline
- επειδή
- αναφοράς
- ΚΑΛΎΤΕΡΟΣ
- βέλτιστες πρακτικές
- Μπλοκ
- ρυθμιστικό
- χτίζω
- Κτίριο
- καπάκι
- αυτοκίνητα
- περίπτωση
- περιπτώσεις
- κατηγορίες
- κεντρικός
- προκλήσεις
- πρόκληση
- αλλαγή
- έλεγχος
- επέλεξε
- Πόλη
- Κλίμα
- Κλιματική αλλαγή
- συστάδα
- κωδικός
- συνεργασία
- σχόλια
- Κοινός
- Κοινοτήτων
- Ολοκληρώνει
- εξαρτήματα
- Υπολογίστε
- υπολογιστή
- Computer Vision
- εμπιστοσύνη
- περιέχουν
- συμφραζόμενα
- ΣΥΝΕΧΕΙΑ
- συνεχίζεται
- έλεγχος
- δημιουργία
- δημιουργήθηκε
- δημιουργία
- δημιουργίες
- κρίσιμης
- επιμέλεια
- πελάτης
- Πελάτες
- προσαρμόσετε
- ταμπλό
- ημερομηνία
- βασίζονται σε δεδομένα
- σύνολα δεδομένων
- μοιρασιά
- Αυτοί που παίρνουν αποφάσεις
- βαθύς
- βαθιά μάθηση
- παραδώσει
- Ζήτηση
- παρατάσσω
- περιγράφουν
- Υπηρεσίες
- σχεδιασμένα
- λεπτομέρεια
- εντοπιστεί
- Ανίχνευση
- ανάπτυξη
- Ανάπτυξη
- διαφορετικές
- δύσκολος
- καταστροφή
- καταστροφές
- συζήτηση
- Drones
- κάθε
- οικονομίες
- οικοσυστήματα
- προσπάθειες
- σμυριδόπετρα
- ενεργοποιημένη
- δίνει τη δυνατότητα
- Τελικό σημείο
- Εταιρεία
- θιασώτης
- Ολόκληρος
- περιβάλλοντος
- εξοπλισμός
- ειδικά
- Even
- Συμβάν
- εκδηλώσεις
- εξέλιξη
- παράδειγμα
- υφιστάμενα
- ακριβά
- Εκχυλίσματα
- οικογένεια
- FAST
- Προτεινόμενο
- Χαρακτηριστικά
- ανατροφοδότηση
- Αρχεία
- φιλτράρισμα
- φιλτράρισμα
- Φωτιά
- Όνομα
- Συγκέντρωση
- Εξής
- εξής
- ιδρυτής
- Δωρεάν
- Συχνότητα
- από
- πλήρως
- λειτουργία
- λειτουργίες
- μελλοντικός
- Κέρδος
- γενικά
- δημιουργεί
- παραγωγής
- γεωγραφικός
- Γεωχωρική ML
- παίρνω
- δεδομένου
- Δίνοντας
- Παγκόσμιο
- καλός
- Κυβέρνηση
- gps
- Έδαφος
- καθοδηγήσει
- λαβή
- που έχει
- βοήθεια
- χρήσιμο
- βοηθά
- Ψηλά
- υψηλής ποιότητας
- υψηλά
- Επιτυχία
- οικοδεσπότες
- Πως
- HTML
- HTTPS
- ανθρώπινος
- τυφώνας
- ID
- αναγνωριστικό
- προσδιορίσει
- εικόνα
- εικόνες
- Επίπτωση
- εκτέλεση
- σπουδαιότητα
- βελτίωση
- βελτίωση
- in
- Συμπεριλαμβανομένου
- Εισερχόμενος
- Αυξάνουν
- πληροφορίες
- πρωτοβουλίες
- Καινοτομία
- εισαγωγή
- ενσωματωθεί
- ολοκληρώσεις
- διακόπτεται
- επικαλείται
- συμμετέχουν
- IT
- Δουλειά
- Κλειδί
- Ξέρω
- γνώση
- εργαστήριο
- επιγραφή
- τιτλοφόρηση
- Ετικέτες
- Έλλειψη
- προσγείωση
- μεγάλης κλίμακας
- μάθηση
- αφήνοντας
- Αφήνει
- κύκλος ζωής
- τοπικός
- τοποθεσία
- κοιτάζοντας
- αναζήτηση
- Χαμηλός
- μηχανή
- μάθηση μηχανής
- Η διατήρηση
- κάνω
- ΚΑΝΕΙ
- διευθυντής
- διαχείριση
- Ταχύτητες
- χειροκίνητα
- χάρτη
- χάρτες
- μαζική
- μήνυμα
- μηνύματα
- Μεταδεδομένα
- Μεξικό
- μείωση
- ML
- μοντέλο
- μοντέλα
- περισσότερο
- κινήσεις
- Τελικό σημείο πολλαπλών μοντέλων
- πολλαπλούς
- Φυσικό
- Φύση
- Ανάγκη
- ανάγκες
- Νέα
- nlp
- κοινοποιήσεις
- αντικείμενο
- Ανίχνευση αντικειμένων
- αντικειμένων
- ωκεανός
- Offerings
- συνεχή
- ανοίξτε
- ανοιχτά δεδομένα
- ανοικτού κώδικα
- εκτός
- επισκόπηση
- δική
- Παράλληλο
- παράμετροι
- παθιασμένος
- πρότυπο
- Εκτελέστε
- προοπτική
- αγωγού
- πλανήτης
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- Θέση
- πρακτικές
- Ακρίβεια
- προβλέψει
- πρόβλεψη
- Προβλέψεις
- Δώστε προτεραιότητα
- ιδιωτικός
- Πρόβλημα
- διαδικασια μας
- Επεξεργασμένο
- μεταποίηση
- παραγωγή
- Πρόγραμμα
- πρωτόκολλο
- πρωτότυπα
- προτυποποίηση
- αποδεδειγμένη
- παρέχουν
- χορήγηση
- δημόσιο
- Πουέρτο
- Πουέρτο Ρίκο
- βάζω
- Γρήγορα
- Ακατέργαστος
- πρόσφατος
- πρόσφατα
- Σύσταση
- μείωση
- μητρώου
- κυκλοφόρησε
- ανακούφιση
- απαιτείται
- ερευνητές
- ανθεκτικότητα
- εκείνοι
- απάντησης
- ΠΕΡΙΦΕΡΕΙΑ
- Αποτελέσματα
- ανασκόπηση
- RICO
- Διαδρομή
- δρομολόγια
- τρέξιμο
- σοφός
- δορυφόρος
- επεκτάσιμη
- απολέπιση
- Σκηνές
- Αναζήτηση
- εποχές
- Τμήμα
- τμήματα
- τομέας
- Τομείς
- αρχαιότερος
- Χωρίς διακομιστή
- Διακομιστές
- υπηρεσία
- Υπηρεσίες
- Σέτς
- Δείχνει
- Απλούς
- Μέγεθος
- Καπνός
- Στιγμιότυπο
- λύση
- Πηγές
- ειδικός
- συγκεκριμένες
- αιχμές
- πρότυπο
- Εκκίνηση
- ξεκινά
- state-of-the-art
- Μελών
- Βήμα
- Βήματα
- χώρος στο δίσκο
- κατάστημα
- αποθηκεύονται
- καταιγίδες
- στρατηγικές
- τέτοιος
- υποστήριξη
- σύστημα
- συστήματα
- Πάρτε
- ομάδες
- tech
- Τεχνικός
- Τεχνολογία
- Η
- οι πληροφορίες
- απειλές
- τρία
- ώρα
- χρονοβόρος
- προς την
- εργαλείο
- εργαλεία
- Τρένο
- εκπαιδευμένο
- Εκπαίδευση
- Ταξίδια
- ενεργοποιούν
- ΣΤΡΟΦΗ
- τύποι
- καταλαβαίνω
- μοναδικός
- ενημερώσεις
- ενημέρωση
- us
- χρήση
- περίπτωση χρήσης
- Χρήστες
- διάφορα
- μέσω
- Βίντεο
- Δες
- όραμα
- οραματισμός
- Ποιό
- θα
- χωρίς
- Εργασία
- εργάστηκαν
- λειτουργεί
- θα
- χρόνια
- αποδόσεις
- Εσείς
- Σας
- YouTube
- zephyrnet