Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Classification du faciès des puits à l'aide de l'apprentissage automatique
Date de publication : 16 ** septembre 2022 ([Historique du diagramme](#diagram-history)) **
Cette solution intègre [ les journaux de puits ](https://en.wikipedia.org/wiki/Well_logging) (mesures des trous de forage) provenant du centre de données de l'entreprise et applique un modèle ML à faible code aux données en utilisant le pilote automatique SageMaker AI pour obtenir une classification du [ faciès ](https://en.wikipedia.org/wiki/Facies) (type de roche) à chaque profondeur mesurée.
## Classification du faciès des puits à l'aide de l'apprentissage automatique
Les étapes suivantes décrivent l'architecture :
1. Utilisez-le [AWS DataSync](https://docs.aws.amazon.com/datasync/latest/userguide/what-is-datasync.html) pour transférer les journaux de puits stockés dans le centre de données de l'entreprise vers le AWS cloud.
1. Utilisez un [ bucket ](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) Amazon Simple Storage Service pour stocker toutes les données d'entrée des modèles ML.
1. Utilisez [ Amazon SageMaker AI ](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html) pour préparer, créer, entraîner et déployer des modèles de machine learning. SageMaker AI Notebook est une instance de bloc-notes entièrement gérée et préchargée avec des bibliothèques utiles. Utilisez SageMaker AI Autopilot pour entraîner automatiquement les modèles ML. Déployez des modèles entraînés sur des terminaux d'inférence d' SageMaker IA.
1. Utilisez les compartiments Amazon S3 pour stocker toutes les données et tous les résultats des modèles ML.
1. Utilisez [ Amazon Quick Sight ](https://docs.aws.amazon.com/quicksight/latest/user/welcome.html) pour générer des tableaux de bord pour les utilisateurs finaux. Quick utilise les prédictions des modèles de machine learning stockés dans Amazon S3 via [ Amazon Athena](https://docs.aws.amazon.com/athena/latest/ug/what-is.html).
1. Les géoscientifiques peuvent télécharger le ML-classified faciès correspondant à la profondeur de chaque puits depuis le compartiment Amazon S3. Ils peuvent intégrer les résultats à leur flux de travail géoscientifique afin d'améliorer les décisions commerciales.
1. Utilisez-le [Gestion des identités et des accès AWS](https://docs.aws.amazon.com/IAM/latest/UserGuide/introduction.html) pour un contrôle d'accès précis à tous les services. [Amazon CloudWatch ](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html) collecte des données opérationnelles et de surveillance. [AWS Cost Explorer ](https://docs.aws.amazon.com/cost-management/latest/userguide/ce-what-is.html) fournit une interface permettant de visualiser et de gérer les AWS coûts.
## Suggestions de lecture
Pour plus d'informations, consultez les ressources suivantes :
+ [AWS Icônes de l'architecture ](https://aws.amazon.com/architecture/icons)
+ [AWS Centre d'architecture ](https://aws.amazon.com/architecture)
+ [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected)
+ [Page produit Amazon SageMaker AI ](https://aws.amazon.com/sagemaker/)
## Historique du diagramme
Pour être informé des mises à jour de ce schéma d'architecture de référence, abonnez-vous au fil RSS.
| Modification | Description | Date |
| --- |--- |--- |
| [Publication initiale](#diagram-history) | Schéma d'architecture de référence publié pour la première fois. | 16 septembre 2022 |
**Note**
Pour vous abonner aux mises à jour RSS, un plug-in RSS doit être activé pour le navigateur que vous utilisez.