Публикации по теме 'case-study'
Racetracker: снимайте впечатления от езды на велосипеде в реальном времени
С тех пор, как велоспорт впервые транслировался по телевидению, он никогда не переставал привлекать постоянно растущую аудиторию. Отслеживая и открывая гонки в режиме реального времени, мобильная платформа Racetracker дает энтузиастам велоспорта и спортсменам возможность испытать, распространить и финансировать популярный вид спорта совершенно новыми способами. Мы спроектировали и построили платформу с нуля.
Отслеживание каждой детали
Чтобы знать, что происходит во время..
Визуализация данных с помощью D3.js
Разработка пользовательского интерфейса
Мне было поручено изменить дизайн представления записей домохозяйств для MortarStone. MortarStone — это платформа SaaS, которая позволяет некоммерческим организациям и церквям оценивать и управлять своими пожертвованиями, а просмотр записей домохозяйств — это место, где пользователи проверяют отдельных доноров. Неудивительно, что большая часть этого представления заключалась в том, чтобы показать, сколько пожертвовало каждое домохозяйство, когда..
Введение в проверку гипотез в тематических исследованиях R, концепция и примеры
Введение в проверку гипотез в R
Предпосылка анализа данных основана на философии « принятия решений на основе данных », которая недвусмысленно утверждает, что принятие решений на основе данных имеет меньшую вероятность ошибки, чем решения, основанные на субъективных суждениях и интуиции. чувство. Таким образом, нам нужны данные для принятия решений и ответов на деловые/функциональные вопросы. Данные могут быть собраны от каждой единицы/человека, связанного с проблемной ситуацией..
Как Lyft использует PyTorch для машинного обучения своих самоуправляемых автомобилей
Авторы: Сэмми Сидху, Цяньгуи (Джек) Хуанг, Рэй Гао - Lyft Level 5
Миссия Lyft - улучшить жизнь людей с помощью лучшего в мире транспорта. Мы верим в будущее, в котором беспилотные автомобили сделают транспорт более безопасным и доступным для всех. Вот почему Level 5 , подразделение автопилотирования Lyft, разрабатывает полностью автономную систему для сети Lyft, чтобы предоставить пассажирам доступ к преимуществам этой технологии. Однако это невероятно сложная задача.
В своей..
Заполнение пробелов: как Mapillary использует PyTorch для улучшения карт повсюду и для всех
Если вы живете в Нью-Йорке, Сан-Франциско или любом другом развитом городе мира, вы, вероятно, используете мобильные или веб-карты, чтобы найти маршруты, чтобы добраться до места назначения. В большинстве случаев вы получаете точные и подробные карты на свои мобильные телефоны. Но во многих местах по всему миру карты либо неточные, либо отсутствуют в деталях, либо вообще отсутствуют. Из-за нехватки ресурсов на местах большая часть мира осталась позади революция в оцифрованной географии...
5 лучших примеров из практики машинного обучения для начинающих
«Сколько тематических исследований вы уже сделали?»
Как честолюбивый специалист в области науки о данных, вы, возможно, слышали совет «занимайтесь проектами в области науки о данных» много раз.
Хотя проекты помогают нам узнать много нового, они не дают полного представления об описании, сравнении, оценке и понимании различных аспектов проблемы.
В этой статье я расскажу вам о реальных примерах, которые должен изучить каждый новичок, вместе с наборами данных и реализованными..
Автоматическое создание отрицательного набора данных при классификации двоичных изображений. Проблема соотношения сторон
Определение проблемы
Известно, что большинство команд, занимающихся проблемами компьютерного зрения, большую часть своего времени тратят на сбор данных для работы. Мы в Anyclip не исключение. И в целом вопрос, который я пытаюсь решить, заключается в том, как сократить время на решение этой проблемы.
Типичная проблема, которую мы решаем, - это классификация двоичных изображений типов A и ~ A. Давайте посмотрим на проблему с отрицательным набором данных. У нас уже есть некоторое..
