CleanApp Analytics основан на ориентированном на человека обучении с подкреплением (RLHF), использующем возможности человеческого ввода и искусственного интеллекта для создания проницательных моделей объектов или условий, о которых сообщается. Интегрируя RLHF с традиционными методами машинного обучения, платформа стремится создать высокоадаптивное и быстро реагирующее решение для выявления, анализа и решения экологических проблем. Введение Отчет CleanApp предназначен для решения..

Greyparrot использует компьютерное зрение и машинное обучение, чтобы произвести революцию в управлении отходами. Сейчас 7 утра, будильник срабатывает… Я подхожу к кофемашине и вставляю таблетку эспрессо, а другой рукой достаю йогурт из холодильника. Быстро разворачивая фрукты, нарезаю их в миску и всыпаю кашу. Убираясь, все идет в мусорное ведро… ох, и добавьте к этому пустую бутылку из-под шампуня. Еще до того, как выйти из дома, я уже произвел огромное количество мусора. По..

Исходная информация В среднем американцы выбрасывают более 4 фунтов отходов в день [1]. По оценкам EPA, в 2017 году на свалку было выброшено 139,6 млн тонн мусора [2], и 75% отходов можно переработать или компостировать, но мы делаем это только для 34% [3]. Предметы, которые обычно считаются пригодными для вторичной переработки, не подлежат вторичной переработке, если они загрязнены, и, если их переработать, они загрязнят другие предметы, подлежащие вторичной переработке. Другие..

Кейс-стади Машинное обучение для управления научными отходами Узнайте, как машинное обучение помогает предотвратить изменение климата и защитить здоровье населения Это тематическое исследование было выполнено в рамках проекта IBM Applied Data Science Capstone Project через Coursera. Цель этого исследования состояла в том, чтобы перечислить подходящие места для управления городскими отходами для города Кочи, Керала — южного штата Индии. Я выбрал город Коччи для этого тематического..