Planet Labs PBC a annoncé qu'elle mettait ses données géospatiales à disposition via Amazon SageMaker, un service d'apprentissage automatique (ML) entièrement géré par Amazon Web Services (AWS). Désormais, les données Planet peuvent être directement intégrées à Amazon SageMaker, ce qui permet aux scientifiques des données et aux ingénieurs ML d'acquérir et d'analyser des données satellitaires mondiales et quotidiennes. Avec ces données, les clients peuvent former, tester et déployer des modèles ML, le tout dans Amazon SageMaker.

Planet exploite la plus grande constellation de satellites d'observation de la Terre au monde, avec la capacité de fournir quotidiennement des images à moyenne et haute résolution de la masse continentale de la Terre. Planet utilise AWS pour mieux servir ses clients qui peuvent désormais bénéficier de la simplicité et de la rapidité des nouvelles capacités ML géospatiales d'Amazon SageMaker pour construire, former et déployer des modèles ML utilisant les données géospatiales de Planet à une vitesse jusqu'à 10 fois supérieure. Ces capacités améliorées créent de nouvelles opportunités pour les clients de Planet d'accélérer l'accès aux données dans les outils géospatiaux et les plateformes en nuage. En raison du travail difficile requis pour utiliser les données géospatiales pour le ML, l'accès au ML a historiquement été hors de portée pour de nombreux clients de données géospatiales.

Avec Amazon SageMaker, les clients peuvent tirer leurs sources de données propriétaires, telles que les données satellitaires Planet, d'Amazon Location Service et d'AWS Data Exchange. Il s'agit d'un partenariat inédit et de la seule plateforme de formation, d'inférence et de visualisation de modèles ML d'imagerie satellite à haute cadence et à la demande disponible sur le marché. Spécialement conçues pour les données géospatiales, les capacités ML géospatiales d'Amazon SageMaker proposent des outils faciles à utiliser pour orchestrer les opérations de découpage et de prétraitement des données pour l'imagerie satellite, créer des visualisations sur le Web et mettre à l'échelle de manière transparente de grands ensembles de données.

Les algorithmes préconstruits peuvent réduire le développement à quelques jours seulement et le déploiement en un clic sur le cloud, libérant ainsi le temps des clients.