Около 15 месяцев назад Descartes Labs вошла в бета-версию, чтобы собирать отзывы клиентов о нашем прогрессе в разработке передовой платформы для прогнозной аналитики в глобальном масштабе. Чтобы достичь такого масштаба, потребовалось создать облачную систему обработки данных для приема и обработки огромных и разрозненных наборов данных, их очистки и подготовки к анализу. Для поиска ответов в прогнозных моделях также требовались данные - много данных. С этой целью мы объявляем о нашем партнерстве с Airbus, предоставляя глобальные изображения высокого разрешения для использования в этих моделях.

Когда мы вошли в бета-версию, мы предложили всю библиотеку спутниковых данных из миссий NASA Landsat и ESA Sentinel. Теперь доступен весь каталог Airbus OneAtlas, что делает платформу Descartes Labs первым местом, где пользователи могут выполнять собственное моделирование машинного обучения непосредственно на базовой карте OneAtlas. Эти данные имеют очень высокое разрешение: 1,5 м на пиксель по всему миру и 50 см на пиксель в 2600 крупнейших городах. Сравните это с разрешением 30 м на пиксель, предоставленным данными Landsat, и вы можете представить себе мир скрытых ответов, который станет видимым.

Наряду с другими изображениями мы добавили наши первые данные, не относящиеся к спутникам, - погоду. Мы интерполировали набор данных Global Surface Summary of the Day (GSOD) NOAA, превратив эти точки данных о погоде в пригодные для использования растры на нашей платформе. Погода влияет на каждый элемент цепочки поставок товаров. Один из примеров - отгрузка и транспортировка товаров - от сырья до конечных потребительских товаров - на возможность доставить вещи туда, куда они должны идти, сильно зависят от погодных условий.

В ходе бета-тестирования мы разработали инструменты, позволяющие управлять этим потоком данных. Одним из результатов этой работы является Viewer. Viewer позволяет вам легко перемещаться по любым изображениям в нашем архиве, включая изображения, которые вы загружаете, на веб-карту. Вы можете выбирать разные диапазоны для просмотра, перемещаться по временным рядам изображений и маркировать справочные данные.

Вы можете загружать различные каталоги наборов данных в отдельные слои, настраивать прозрачность, просматривать или скрывать любой из слоев, с которыми вы работаете, а также легко манипулировать векторными данными. Мы также внедряем возможность загрузки данных непосредственно в наш архив и сохранения продуктов, созданных с использованием этих данных. Ваши данные защищены в собственной песочнице и интегрированы в наш каталог, чтобы упростить объединение наборов данных.

Когда у вас есть все данные, вам понадобится мощность. Используя нашу настраиваемую инфраструктуру, работающую на платформе Google Cloud Platform, мы можем быстро развернуть тысячи процессоров и обработать квадриллионы пикселей для удовлетворения требований любой модели. Вся цель технологии состоит в том, чтобы ускорить науку за счет автоматического устранения препятствий, таких как обработка изображений, корректировка облаков и т. Д., А также предоставление ресурсов для масштабного масштабного анализа, близкого к реальному времени. Мы обработали на нашей платформе более 11 петабайт сжатых данных и продолжаем обрабатывать 9 терабайт новых данных ежедневно.

Так что все это значит? Это означает, что клиенты Descartes Labs могут экспериментировать и быстрее учиться, чтобы принимать более обоснованные решения. Они могут определить проблему, собрать необходимые данные, представить и протестировать правильные модели обучения, а также обработать и проанализировать ответы.

Теперь у нас есть возможность понимать и извлекать уроки из цепочек поставок товаров как живых органических систем. Компании могут видеть взаимосвязь и влияние изменений по всему миру, ища сигналы и свидетельства реальных тенденций. Мы можем найти ответы на самые сложные мировые проблемы, напрямую связанные с неотложными проблемами бизнеса и отрасли. С вещами, которые затрагивают всех нас, например, вырубкой лесов и устойчивым сельским хозяйством, можно противостоять, предоставив четкое представление, способ поиска решений и опережения проблем с помощью прогнозной аналитики.

Во время бета-тестирования мы многому научились и поработали со многими интересными людьми. Исследователи из Национальных лабораторий Лос-Аламоса использовали нашу платформу для отслеживания распространения инфекционной денге в Бразилии с целью прогнозирования вспышек заболеваний, понимая, как они распространяются. Мы также работали с DARPA, чтобы прогнозировать проблемы с продовольственной безопасностью на Ближнем Востоке и в Северной Африке, и с Cargill, одним из наших первых и наиболее отзывчивых клиентов и инвестором в нашем последнем раунде финансирования, чтобы изучить преимущества во многих сферах бизнеса.

В конечном итоге мы обнаружили, что коммерческие и государственные заказчики разделяют общую цель использования этой технологии: получить преимущества при принятии решений и быстрее находить ответы. Когда мы выходим из бета-версии, мы только начинаем. Наша дорожная карта в ближайшие месяцы будет по-прежнему ориентирована на решение значимых проблем в масштабах и темпах быстро меняющегося мира. Мы приглашаем вас связаться с нами по адресу [email protected], чтобы сообщить нам о сложных проблемах, которые вы пытаетесь решить.

Посетите нас на descarteslabs.com.