Colaboradores en el Desafío de 8 semanas Omdena iRAP que tenía como objetivo recopilar soluciones basadas en inteligencia artificial para mapear el riesgo de accidentes y generar datos de atributos de calificación de estrellas iRAP, han compartido algunos de sus resultados de publicación.
A principios de este año, 50 expertos en inteligencia artificial y aprendizaje automático, incluidos estudiantes aspirantes, científicos de datos, ingenieros de ML y de datos, y expertos en dominios de todo el mundo, trabajaron con miembros del Equipo de Innovación y Desarrollo de iRAP enfocados en encontrar una solución para la recopilación inteligente y acelerada. y codificación de datos de atributos de carreteras (AiRAP) para prevenir accidentes de tráfico y salvar vidas.
Lea estos métodos de Python interesantes y bien aplicados:
![Número de vehículos iRAP-1080x675](https://irap.org/wp-content/uploads/2021/03/Vehicle-Count-iRAP-1080x675-1.png)
Uso de redes neuronales convolucionales para mejorar la seguridad vial y salvar vidas ”por Lois Anne Leal y Chaitree Baradkar – https://bit.ly/3gK8men
"Análisis de funciones y aprendizaje automático para la seguridad vial" por Leon Hamnett
https://bit.ly/3gJGuqt
![Característica](https://irap.org/wp-content/uploads/2021/07/Feature.jpg)
![bend13-678x675 (1)](https://irap.org/wp-content/uploads/2021/07/bend13-678x675-1-1.jpg)
"Detección de objetos en imágenes 2D para localizar coches y peatones" por Giulio Giaconi y Dave Bunten
https://bit.ly/3vce0cV
"Advanced EDA of United Kingdom's Road Safety Data using Python" por Nabanita Roy
https://bit.ly/3dY8l4v
![eda20 (1)](https://irap.org/wp-content/uploads/2021/07/eda20-1.jpg)
![stream1](https://irap.org/wp-content/uploads/2021/07/stream1.png)
"Streamlit 101: Implementación de un panel de AutoML Streamlit para predecir y mostrar resultados" por MUHAMMAD ALI
https://bit.ly/3vov9QP
"Aprendiendo OpenCV desde cero para construir un detector de peatones" por Rutuja Kawade
https://bit.ly/2PsvPoS
![opencv7](https://irap.org/wp-content/uploads/2021/07/opencv7.jpg)
iRAP extiende su más sincero agradecimiento al equipo de Omdena. Los resultados informarán grandes pasos hacia adelante para #3, carreteras mejores para todos los usuarios de la carretera que salvarán vidas.