Colaboradores no Omdena iRAP Desafio de 8 semanas que teve como objetivo criar uma multidão de soluções baseadas em IA para mapear o risco de acidentes e gerar dados de atributos de classificação por estrelas iRAP, compartilharam alguns de seus resultados de publicação.
No início deste ano, 50 especialistas em IA e aprendizado de máquina, incluindo alunos aspirantes, cientistas de dados, engenheiros de ML e dados, e especialistas de domínio de todo o mundo trabalharam com membros da equipe de inovação e desenvolvimento iRAP focados em encontrar uma solução para a coleta acelerada e inteligente e codificação de dados de atributos de estradas (AiRAP) para evitar acidentes de trânsito e salvar vidas.
Leia estes métodos Python perspicazes e bem aplicados:
Usando redes neurais convolucionais para melhorar a segurança no trânsito e salvar vidas ”, por Lois Anne Leal e Chaitree Baradkar – https://bit.ly/3gK8men
“Análise de recursos e aprendizado de máquina para segurança no trânsito” por Leon Hamnett
https://bit.ly/3gJGuqt
“Detecção de objetos em imagens 2D para localizar carros e pedestres” por Giulio Giaconi e Dave Bunten
https://bit.ly/3vce0cV
“Advanced EDA of United Kingdom's Road Safety Data using Python” por Nabanita Roy
https://bit.ly/3dY8l4v
“Streamlit 101: Deploying an AutoML Streamlit Dashboard to Predict and Show Results”, por MUHAMMAD ALI
https://bit.ly/3vov9QP
“Aprendendo OpenCV do zero para construir um detector de pedestres” por Rutuja Kawade
https://bit.ly/2PsvPoS
iRAP estende seus sinceros agradecimentos à equipe Omdena. Os resultados fornecerão grandes avanços para estradas #3starorbetter para todos os usuários das estradas que irão salvar vidas.
Português do Brasil 
English 
Français 
Tiếng Việt 
Русский 
Español de Colombia 
Nederlands 
