जनसंख्या के आंकड़ों के आधार पर तैयार की गई एम्बेडिंग के इस्तेमाल के अलग-अलग उदाहरणों को समझने के लिए, हमारी डेमो नोटबुक देखें.
| Notebook | ब्यौरा |
|---|---|
| कस्टम बाउंड्री एग्रीगेशन Colab | इसमें बताया गया है कि Earth Engine के जनसंख्या डेटा का इस्तेमाल करके, S2 सेल एम्बेडिंग को कस्टम पॉलीगोनल बाउंड्री में कैसे इकट्ठा किया जाता है. इससे, जनसंख्या के हिसाब से मशीन लर्निंग की सुविधाएं बनाई जा सकती हैं. |
| आर्थिक अनुमान लगाने वाला Colab | इसमें बताया गया है कि काउंटी-लेवल पर टाइम-सीरीज़ के पूर्वानुमान के लिए, मशीन लर्निंग मॉडल को ट्रेन करने के लिए, S2 सेल एम्बेडिंग को Data Commons के आर्थिक डेटा के साथ कैसे इंटिग्रेट किया जाता है. |
| Colab की मदद से मौसम का पूर्वानुमान लगाना* | यह काउंटी-लेवल के टारगेट वैरिएबल के लिए, पिछले और मौजूदा दिन के कुछ डेटा का इस्तेमाल करता है. इससे बाकी काउंटी के नतीजों का अनुमान लगाया जा सकता है. |
| सुपररिज़ॉल्यूशन और इंप्यूटेशन Colab* | इससे टारगेट वैरिएबल के आधार पर, काउंटी लेवल पर मॉडल को ट्रेन करने में मदद मिलती है, ताकि पिन कोड लेवल पर अनुमान लगाया जा सके. इसमें इंप्यूटेशन (20% ज़िप कोड पर ट्रेनिंग देना और बाकी 80% के लिए अनुमान लगाना) के बारे में भी बताया गया है. |
| Earth Engine Colab की मदद से रात के समय की रोशनी का अनुमान लगाना* | इस इमेज में दिखाया गया है कि एम्बेडिंग से, Earth Engine का डेटा भी अनुमानित किया जा सकता है. जैसे, रात के समय की रोशनी. इससे पर्यावरण और सामाजिक-आर्थिक पूर्वानुमान के लिए, जियोस्पेशल डेटा को बेहतर तरीके से समझा जा सकता है. |
| ग्लोबल एम्बेडिंग का इस्तेमाल करके अनुमान लगाना* | इस इमेज में, ग्लोबल एम्बेडिंग के इस्तेमाल के बारे में बताया गया है. इसके लिए, एक से ज़्यादा देशों के लिए मॉडल सेट अप करके, नए देश के लिए अनुमान लगाया गया है. |
* इस नोटबुक में पिन कोड एम्बेडिंग का इस्तेमाल किया गया है. इसे S2 सेल में अपडेट करना होगा.
इसी विषय से जुड़े लिंक
पीयर-रीव्यू की गई रिसर्च और जनसंख्या के रुझानों से जुड़ी अहम जानकारी की असल दुनिया में पुष्टि करने के लिए, अकादमिक रिसर्च देखें.