Colaboradores en el Reto de 8 semanas de Omdena iRAP Las organizaciones que buscaban obtener soluciones basadas en IA mediante colaboración colectiva para mapear el riesgo de accidentes y generar datos de atributos de calificación de estrellas iRAP han compartido algunos de los resultados de sus publicaciones.
A principios de este año, 50 expertos en IA y aprendizaje automático, entre los que se incluyen estudiantes con aspiraciones, científicos de datos, ingenieros de aprendizaje automático y datos, y expertos en la materia de todo el mundo, trabajaron con miembros del Equipo de Innovación y Desarrollo iRAP, centrado en encontrar una solución para la recopilación y codificación acelerada e inteligente de datos de atributos viales (AiRAP) para prevenir accidentes de tráfico y salvar vidas.
Lea estos métodos de Python perspicaces y bien aplicados:
Utilizando redes neuronales convolucionales para mejorar la seguridad vial y salvar vidas” por Lois Anne Leal y Chaitree Baradkar – https://bit.ly/3gK8men
“Análisis de características y aprendizaje automático para la seguridad vial” por León Hamnett
https://bit.ly/3gJGuqt
“Detección de objetos en imágenes 2D para localizar automóviles y peatones” por Giulio Giaconi y Dave Bunten
https://bit.ly/3vce0cV
“Análisis exploratorio de datos avanzado de seguridad vial del Reino Unido mediante Python” por Nabanita Roy
https://bit.ly/3dY8l4v
“Streamlit 101: Implementación de un panel de control 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
iRAP agradece sinceramente al equipo de Omdena. Los resultados servirán de base para importantes avances en #3starorbetter, carreteras para todos los usuarios que salvarán vidas.