जनसंख्या के रुझानों की एम्बेडिंग के इस्तेमाल के अलग-अलग उदाहरणों को समझने के लिए, हमारी डेमो नोटबुक देखें.

Notebook ब्यौरा
Nowcasting Colab यह काउंटी-लेवल के टारगेट वैरिएबल के लिए, पिछले और मौजूदा समय के डेटा का इस्तेमाल करता है. इससे बाकी काउंटी के नतीजों का अनुमान लगाया जा सकता है.
Superresolution and imputation colab इससे काउंटी लेवल पर मॉडल को टारगेट वैरिएबल के बारे में ट्रेनिंग देने में मदद मिलती है, ताकि पिन कोड लेवल पर अनुमान लगाया जा सके. इसमें डेटा को भरने की सुविधा भी दिखाई गई है. जैसे, 20% पिन कोड के आधार पर ट्रेनिंग दी गई है और बाकी 80% के लिए अनुमान लगाया गया है.
TimesFM Colab की मदद से अनुमान लगाना यह एक एक्सपेरिमेंटल यूज़ केस है. इसमें स्पैटियोटेंपोरल फ़ोरकास्टिंग करने के लिए, TimesFM (एक यूनिवेरिएट फ़ोरकास्टिंग मॉडल) को शामिल किया गया है. इसमें एम्बेडिंग, फ़ोरकास्ट की गड़बड़ियों को ठीक करती हैं और सटीकता को बेहतर बनाती हैं.
Earth Engine Colab की मदद से रात की लाइटों का अनुमान लगाना इससे पता चलता है कि एम्बेडिंग से, Earth Engine का डेटा भी अनुमानित किया जा सकता है. जैसे, रात की रोशनी. इससे पर्यावरण और सामाजिक-आर्थिक पूर्वानुमान के लिए, जियोस्पेशल की जानकारी बेहतर होती 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.