Gépi tanulással a természeti katasztrófák ellen
Az előadásból kiderül, hogyan segíthet a műholdképek szegmentációjában és akár a katasztrófák megelőzésében a deep learning.
A természeti katasztrófák megelőzésének és kezelésének egyik kulcsa az épített környezet naprakész ismerete. Ez különösen a fejlődő országokban jelent gondot, emiatt is indított a DrivenData Labs és a Global Facility for Disaster Reduction and Recovery (GFDRR) egy nyílt versenyt a probléma megoldására. Ezen a versenyen vett részt a Starschema csapata, a megmérettetés tanulságait pedig a 2020. március 31-i HWSW free! meetupon elhangzott előadásában a cég két adattudósa, Zempléni Balázs és Tóth Benedek járták körbe.
A szétszteroidozott diversity alkonya
Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.
|
A szétszteroidozott diversity alkonya
Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.
Mik a bevett módszerek műholdképek feldolgozására és épületek felismerésére? Milyen modellt érdemes tanítani, milyen adatokon és pontosan milyen logika mentén? Hogyan manipulálható a tanító adat és a kész predikció jobb eredmények elérése érdekében? Hol vannak a folyamat technológiai korlátai és ezek meghaladása milyen projektstruktúrát kíván meg? Az előadás elejétől a végéig beszámol egy alkalmazott deep learning megoldásról, mind az elméleti háttérről, mind a megvalósítás kérdéseiről.
Gépi tanulással a természeti katasztrófák ellen - Zempléni Balázs, Tóth Benedek (Starschema)
Még több videó
A természeti katasztrófák megelőzésének és kezelésének egyik kulcsa az épített környezet naprakész ismerete. Ez különösen a fejlődő országokban jelent gondot, emiatt is indított a DrivenData Labs és a Global Facility for Disaster Reduction and Recovery (GFDRR) egy nyílt versenyt a probléma megoldására. Ezen a versenyen vett részt a Starschema csapata, a megmérettetés tanulságait pedig a 2020. március 31-i HWSW free! meetupon elhangzott előadásában a cég két adattudósa, Zempléni Balázs és Tóth Benedek járták körbe.
A szétszteroidozott diversity alkonya
Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.A szétszteroidozott diversity alkonya Évtizedekben mérhető folyamatokat nem lehet profitorientált cégek asszisztálásával pár év alatt lezavarni, DEI csomagolásban.
Mik a bevett módszerek műholdképek feldolgozására és épületek felismerésére? Milyen modellt érdemes tanítani, milyen adatokon és pontosan milyen logika mentén? Hogyan manipulálható a tanító adat és a kész predikció jobb eredmények elérése érdekében? Hol vannak a folyamat technológiai korlátai és ezek meghaladása milyen projektstruktúrát kíván meg? Az előadás elejétől a végéig beszámol egy alkalmazott deep learning megoldásról, mind az elméleti háttérről, mind a megvalósítás kérdéseiről.
Gépi tanulással a természeti katasztrófák ellen - Zempléni Balázs, Tóth Benedek (Starschema)
Még több videó