杰森·布朗

来自卫星和无人机的空中图像已经成为我们探索、理解和讲述世界故事的主流。它们对文化事件、环境灾难、经济转变等等的描述不可否认且引人入胜。数据科学家认识到，它们的价值远远超出了轶事故事。它是在高维空间中充满独特模式的非结构化数据。通过机器学习，我们可以从大量可用的图像中提取结构化数据。RasterFrames用强大的Python API扩展了Spark SQL，使其能够处理卫星、无人机和其他空间图像数据。本次演讲将讨论理解这些图像数据的基本思想。我们将讨论RasterFrames自定义数据源如何利用公共和私有提供者如何发布图像的趋同趋势。通过深度Spark SQL集成，RasterFrames允许用户在现有数据管道中考虑图像和其他位置感知数据集。RasterFrames完全支持Spark ML，并与TensorFlow、Keras和PyTorch顺利互操作。 To crystallize these ideas, we will discuss a practical data science case study using overhead imagery in PySpark.