数据是载体，智能是目标，而机器学习就是从数据通往智能的技术途径。它从样本数据中学习得到知识和规律，然后服务于实际的推断和决策。更是让利用地理视角解决行业问题的思路和方法，有了新的尝试与探索。
通俗地说，机器学习就是从数据中挖掘出有价值的信息。数据本身是无意识的，它不能自动呈现出有用的信息。怎样才能利用机器学习快速准确找出有价值的东西呢？
极海作为行业最早的探索者，为了应对大规模数据和下述现实难题所带来的问题，融合新技术，衍生新能力，把服务放到云端，将机器学习、深度学习和地理大数据整合集成机器学习百宝箱DeepSat，构成一整套完整的解决方案：提供数据+算法+培训+硬件机器。
· 机器学习的现实难题 ·
1.技能上手慢
机器学习（深度学习）技能上手存在一定的门槛，需要不同领域的知识，涵盖基础编程、统计学、概率论、微积分、数据分析等等。不管是自学还是上网课，都是耗时耗力耗钱还往往缺乏实践落地。
2.样本数据少且杂
样本数据在机器学习（深度学习）任务中起着至关重要的作用。数据越丰富、越精准，意味着模型预测效果越好。
难以获得海量的样本数据：不同任务需要不同类型的样本数据，包括近十种不同类别，比如房价数据集、遥感影像数据集、街景数据、房价数据集、动物图片数据集；
不同类型的数据标注不同：同一数据集，针对不同任务，需要不同的标注数据。比如非结构化数据在计算机视觉领域，同样是街景数据，针对图像分类、语义分割、实例分割这些任务，需要标注不同的数据。
3.算法选择太多
机器学习领域有包含非常多的模型，针对不同任务、不同的数据类型，不知如何进行选择。
机器学习：回归任务，包括线性回归、逻辑回归等；分类任务，包括K近邻、决策树、支持向量机，xgboost等；非监督任务，kmeans、层次聚类等......
深度学习：计算机视觉，包括图像分类、定位检测、语义分割、实例分割；自然语言处理等......
4.难以贴合自身业务
掌握了机器学习以及深度学习的知识后，但面对自身业务场景和已有的数据，不知从何下手。无法将业务问题转化为可用机器学习解决的问题，无法洞察手里所掌握数据后面的价值，无法用机器学习的手段解决业务问题。
· 解决方案 ·
极海机器学习百宝箱DeepSat，包含的一套解决方案提供数据+算法+培训+硬件机器。该方案通过降低用户学习机器学习和获取样本数据的门槛，让用户快速掌握本行业人工智能的技能，方便用户和开发者快速上手，并将其应用到自己的业务场景中。从而提高工作效率和分析能力，并最终落地到行业应用中。
1.提供数据
我们提供了非常丰富的样例数据（道路、建筑物、土地利用类型等）供模型进行训练。
遥感影像数据
土地利用类型(7种地物类别，2.1GB)
道路数据（3.2GB）
地物目标检测数据（60类, 16GB）
建筑物数据（25GB）
街景数据
北京六环内街景数据（51GB，共50多万张）
2.整合算法
我们提供了当前最前沿的机器学习、深度学习算法和方便快捷的预处理、训练和后处理等一系列工具。
常用模型
线性回归
逻辑回归 LR
决策树、随机森林
梯度提升树 XGBoost
聚类 k-means等等
DeepSat中包含了20余中当前最先进的深度学习算法
图像分类：ResNet、DenseNet等
语义分割：UNet、PSPNet、DeepLab V3等
目标检测：FasterRCNN、SSD等
实例分割：Mask-RCNN
3.前期培训
我们提供了全面的技能+业务的指导，帮助那些希望通过3次面对面的培训，即可自行完成本行业机器学习应用实践的用户，实现团队在本领域人工智能上的突破。
4.软硬件配置，机器学习&深度学习环境搭建
Python基础语法
机器学习和深度学习基本原理培训
若干机器学习实践案例，包括分类和回归
若干深度学习实践案例，包括分类和语义分割
针对影像和图片数据定制的工具包详解，包含了丰富的即拿即用的工具
针对具体的业务场景进行针对性的指导，让客户可快速将机器学习应用到自己的业务中
5.硬件机器（可选）
如有硬件需要，可提供包含GPU的硬件机器，配置可按需求定制。
· 定制化 ·
针对有自己数据，有特定场景的用户，我们还可以提供定制化服务，极海有一整套的数据清洗、数据入库，到针对业务模型的训练和调参，以及最后结果线上展示的部署等一系列工具和实际操作，可以快速完成复杂的数据预处理过程。
· 联系我们 ·
接下来的几周，我们将继续为大家更全面的对百宝箱Deep Sat的产品功能和技术特点详细介绍，以及Deep Sat的实际应用成果，敬请期待。同时，也非常欢迎各领域有识之士，与极海交流合作，积极探索更多落地应用场景及可能性。
联系极海
接下来几周，我们将陆续为大家，更全面的对deep sat 的产品功能和技术特点，以及实际应用成果，进行详细介绍，感兴趣的你，可以关注微信公众号：极海纵横。
