Big Data. Machine Learning. Data Science.

Не так давно, в конце 2019 года, я принял участие в данном соревновании и занял в нем второе  место. В этой статье я расскажу про задачу и опишу методы ее решения.   Итак, Институт метеорологии Макса Планка и лаборатория динамической метеорологии из  Франции, совместно с Kaggle организовали соревнование по распознаванию типов облаков.  Более 60 волонтеров, по предоставленной инструкции, разметили около 10000 спутниковых  снимков и на них выделили 4 типа облаков. В соревновании участникам предлагалось  построить алгоритм машинного обучения, который автоматизирует обнаружение облачных  паттернов путем обучения по данным, размеченным человеком.  Соревнование имело достаточно низкий порог вхождения (здесь не было датасетов в 600 Гб  и миллионов картинок). К тому же, у меня уже был определенный опыт решения задач по  сегментации. А три лучшие команды имели возможность получить призовой фонд  в размере 10 000 ...

А вот почитайте пока довольно длинное, но очень интересное чтение о том, какие достижения были получены в области компьютерного зрения в 2017 году . Ведь компьютерное зрение — это важнейшая часть Искусственного Интеллекта, и это так просто постольку, поскольку более 90 % информации об окружающей реальности человек получает через зрение. Зрительные нервные тракты являются самыми «толстыми», а зрительная кора обладает наиболее сложной ассоциативной структурой. Материал на английском языке и довольно сложный, но его чтение того стоит. Конечно, наибольшее количество достижений произошло на фоне применения новых архитектур искусственных нейронных сетей, и, в первую очередь, речь идёт о свёрточных сетях глубинного обучения. И из документы мы узнаем о: Как происходит распознавание образов и их классификация и локализация на изображениях, в том числе когда на одном изображении много таких образов. Как осуществляется детекция объектов и инцидентов, а также как делается трекинг таких объек...