GeoAI Toolbox este o suită de instrumente concepute pentru a face inteligența artificială (AI) ușor de utilizat în  analiza geospațială. În loc să fie nevoie de cunoștințe avansate în AI, aceste instrumente automatizează pașii  esențiali ai procesului – de la antrenarea si selectarea modelelor până la ajustarea lor finală. 

1. Feature and Tabular Analysis

Acest set de instrumente vă ajută să analizați datele atribut prin aplicarea algoritmilor de machine learnig. Elementul principal aici este AutoML (Automated Machine Learnig), selectând variabilele relevante și optimizând setările algoritmului pentru rezultate mai bune.

• Train Using AutoML: construiește cel mai potrivit model pentru setul dumneavoastră de date, generând un  pachet de model neuronal avansat (.dlpk) (deep learning).
• Predict Using AutoML: aplică modelul antrenat la seturi de date noi pentru clasificare (categorii) sau regresie (valori continue). 

Cea mai bună parte? Nu trebuie să fiți un specialist în algoritmi de inteligență artificială / machine learning - instrumentele vă ghidează prin procesul de antrenare și evidențiază elementele cu cel mai mare impact.

2. Imagery AI

Dacă lucrați cu date raster, acesta este locul potrivit pentru dumneavoastră Setul de instrumente Imagery AI utilizează utilizează tehnici de deep learnig pentru extragerea datelor spațiale și  analizarea pixelilor din  imagini. 

• Extract Features Using AI Models: aplică modele pre antrenate sau personalizate imaginilor dumneavoastră  pentru a extrage obiecte sau modele. 
• Train Using AutoDL: selectează automat arhitectura potrivită a modelului și optimizează parametrii de configurare.      

Acestă funcționalitate este deosebit de util pentru aplicații precum clasificarea tipurilor de acoperire a terenului,  cartografierea urbană sau monitorizarea mediului. 

3. Text Analysis

Datele textuale nestructurate pot fi dificil de gestionat, dar setul de instrumente Text Analysis le oferă sens prin  utilizarea tehnicilor de procesare a limbajului natural (NLP).

Printre funcționalitățile principale se numără: 

• Classify Text Using Deep Learning: atribuie categorii înregistrărilor de text. 
• Extract Entities Using Deep Learning: identifică nume, date, adrese și multe altele, putând chiar să le  geocodifice în obiecte spațiale. 
• Transform Text Using Deep Learning: traduce sau rezumă câmpurile de tip text.
• Training Tools: creați propriile modele de clasificare, transformare sau recunoaștere a entităților.

Acest set de instrumente este deosebit de util dacă lucrați cu răspunsuri la sondaje, rapoarte sau alte seturi de date în care textul conține informații geografice valoroase.

4. Time Series AI

Când datele dumneavoastrăse întind atât în spațiu, cât și în timp setul de instrumente Time Series AI vă ajută să  modelați și să anticipați tendințele. 

• Train Time Series Forecasting Model: construiește un model folosind rețele neuronale specializate, precum LSTM, ResNet sau InceptionTime (deep learning).
• Forecast Using Time Series Model: aplică modelul antrenat pentru a face predicții despre valorile viitoare ale datelor într-o structură spațio-temporală (space-time cube).

Acest lucru este excelent pentru prognoza volumului de trafic, monitorizarea variabilelor de mediu sau estimarea  schimbărilor demografice.

Câteva note practice

Bibliotecile de Deep learning sunt necesare: Înainte de a începe, asigurați-vă că ați instalat pachetele necesare  pentru deep learning. Esri oferă programe de instalare dedicate pentru a simplifica acest proces.

Ai grijă cu fișierele de tip shapefile: Fișierele de tip shapefile nu stochează corect valorile nule. Uneori, valorile  nule sunt transformate în zerouri sau în valori negative ciudate, ceea ce poate distorsiona rezultatele analizei.  Pentru rezultate optime, luați în considerare utilizarea altor formate.