Medewerkers aan de Omdena iRAP 8 weken durende uitdaging Een project dat tot doel had om via crowdsourcing AI-gebaseerde oplossingen te ontwikkelen voor het in kaart brengen van het risico op verkeersongevallen en het genereren van gegevens voor een iRAP-sterrenclassificatie, heeft een deel van de resultaten van hun publicatie gedeeld.
Eerder dit jaar werkten 50 experts op het gebied van AI en machine learning, waaronder ambitieuze studenten, datawetenschappers, ML- en data-engineers en domeinexperts van over de hele wereld, samen met leden van het iRAP Innovatie- en Ontwikkelingsteam aan het vinden van een oplossing voor het versneld en intelligent verzamelen en coderen van wegattribuutgegevens (AiRAP) om verkeersongevallen te voorkomen en levens te redden.
Lees deze inzichtelijke en goed toegepaste Python-methoden:
"Het gebruik van convolutionele neurale netwerken om de verkeersveiligheid te verbeteren en levens te redden" door Lois Anne Leal En Chaitree Baradkar – https://bit.ly/3gK8men
“Functieanalyse en machinaal leren voor verkeersveiligheid” door Leon Hamnett
https://bit.ly/3gJGuqt
“Objectdetectie in 2D-afbeeldingen om auto's en voetgangers te lokaliseren” door Giulio Giaconi En Dave Bunten
https://bit.ly/3vce0cV
“Geavanceerde EDA van Britse verkeersveiligheidsgegevens met behulp van Python” door Nabanita Roy
https://bit.ly/3dY8l4v
“Streamlit 101: Een AutoML Streamlit-dashboard implementeren om resultaten te voorspellen en weer te geven” door MUHAMMAD ALI
https://bit.ly/3vov9QP
“OpenCV helemaal vanaf nul leren om een voetgangersdetector te bouwen” door Rutuja Kawade
https://bit.ly/2PsvPoS
iRAP betuigt zijn oprechte dank aan het Omdena-team. De resultaten zullen leiden tot grote stappen voorwaarts voor #3staror, betere wegen voor alle weggebruikers en daarmee tot het redden van levens.