Изучите наши демонстрационные блокноты, чтобы понять различные варианты использования эмбеддингов динамики популяций.

Блокнот	Описание
Пользовательская агрегация границ в Colab	Демонстрирует, как объединять векторные представления ячеек S2 в пользовательские полигональные границы, используя данные о популяции из Earth Engine, для создания взвешенных по численности признаков машинного обучения.
Экономическое прогнозирование Colab	Демонстрируется, как интегрировать векторные представления ячеек S2 с экономическими данными Data Commons для обучения моделей машинного обучения для прогнозирования временных рядов на уровне округов.
Nowcasting Colab *	Использует данные за прошлые периоды и частично данные за настоящее время для целевой переменной на уровне округа, чтобы прогнозировать результаты для остальных округов.
Сверхразрешение и импутация Colab *	Помогает обучить модель на уровне округа по целевой переменной для прогнозирования на уровне почтового индекса. Также демонстрирует метод импутации (обучение на 20% почтовых индексов и прогнозирование для оставшихся 80%).
Прогнозирование ночного освещения с помощью Earth Engine Colab *	В статье показано, как данные Earth Engine, такие как информация о ночном освещении, также могут быть спрогнозированы на основе встраивания данных, что улучшает понимание геопространственных данных для прогнозирования экологических и социально-экономических показателей.
Прогнозирование с использованием глобальных вложений *	В статье демонстрируется использование глобальных эмбеддингов на примере построения многострановой модели для прогнозирования для новой страны.

* В этом блокноте используются векторные представления почтовых индексов, поэтому его необходимо обновить до ячеек S2.