• 10 źródeł
  • Najlepszy* Newsletter
  • Kontakt
✕

[WDI2021] Szukamy Szopów, czyli Computer Vision w 30 minut

Konferencje, Wystąpienia | 2021-04-09

[WDI2021] Szukamy Szopów, czyli Computer Vision w 30 minut

Obecnie większość wydarzeń odbywa się online. Czy to dobrze? Nie wiem. Jeden rabin powie tak, inny – nie.

W formule online odbyły się również Warszawskie Dni Informatyki. Wśród przeróżnych prezentacji znalazła się również i moja. 🙂 O czym była?

Prezentacja – intro

Machine Learning – ten zwrot jest obecnie odmieniany przez wszystkie przypadki. Każdy mówi o Uczeniu Maszynowym. Wielu próbuje go używać. Wokół tego pojęcia narosło wiele mitów. W prezentacji wyjaśnimy Uczenie Maszynowe w 10 minut, a następnie pokażemy, jak może zostać wykorzystane do rozwiązywania realnego problemu. W ciągu 30 minut zbudujemy gotowe rozwiązanie, które będzie w stanie wykrywać pewne obiekty na zdjęciach i serwować wyniki użytkownikom.

Prezentacja – wideo

Wykorzystane narzędzia

Google Colab

Udostępnione przez Google środowisko do uruchamiania Jupyter Notebooków. Wszystko jest gotowe. Nie musimy stawiać środowiska lokalnie, a dostajemy gotową maszynę w chmurze. Co ważne, mamy też dostęp do GPU, które w przypadku trenowania modeli computer vision przyspieszają trening wielokrotnie.

Notebook użyty w prezentacji

Notebook: YOLOv5 Colab Notebook

A jeżeli jesteś z tych bardziej ciekawskich, to możesz zerknąć na artykuł na blogu Roboflow, który w szczegółach opisuje to, co dzieje się w notebooku

Roboflow

Roboflow wykorzystaliśmy do przygotowania naszch danych do treningu. Dzięki temu mogliśmy w prosty sposób

  1. Poddać obrazy augmentacjom, czyli zwiększyć liczbę zdjęć w zbiorze treningowym poprzez proste przekształcenia bazowych obrazów i oznaczeń na nich
  2. Przygotowania danych w formacie odpowiednim do treningu.

Link do roboflow: https://roboflow.com/

Dataset

Dane zebrał i przygotował Dat Tran. On też chciał wykrywać szopy, więc pobrał trochę zdjęć z Google i Pixabay (dokładnie to 200) i oznaczył na nich szopy.

Link do github: https://github.com/datitran/raccoon_dataset

Syndicai

No i na koniec narzędzie, które pomogło nam w prosty sposób wdrażać nasz model jako endpoint w internetach, który możemy pytać o szopy na zdjęciach.

Link: https://syndicai.co/

Warszawskie Dni Informatyki – co to?

  • Dużej skali konferencja + towarzysząca jej Giełda Pracy IT / Data Science
  • Bogata, różnorodna agenda pokrywająca większość głównych obszarów IT i Data Science (ponad 24 ścieżki tematyczne, 230 wystąpień)
  • Wygodna formuła łącząca dostęp VoD z wydarzeniem na żywo
  • Giełda Pracy IT – porozmawiaj bezpośrednio z 40+ pracodawcami, poznaj oferty z polski i zagranicy niedostępne na job boardach
  • Bezpłatny udział (niestety tylko dla kont założonych przed startem wydarzenia) – warto obserwować w przyszłym roku 🙂 Można też wykupić dostęp do nagrań za niewielkie pieniądze 😉

Post Scriptum – statystyki prezentacji

Jakiś czas po wystąpieniu dostałem od organizatorów statystyki odnośnie do mojej prezentacji. Chyba się podobało, co? 🙂

Statystyki i ocena Twojego wystąpienia:
Temat: Rozwiązanie Computer Vision w 30 minut – od danych do produktu
Liczba odtworzeń: 366   |   średnio na wydarzeniu: 382
Średni % obejrzanego materiału: 73   |   średnio na wydarzeniu: 63 %
Średnia ocena (w skali od 1 do 5): 4,92   |   średnio na wydarzeniu: 4,70
Komentarze:
Bardzo zwięzła, fajnie opowiedziana historia, przedstawiająca zagadnienie Machine Learningu i Computer Vision.
Charyzmatycznie i na temat! )
Fajny materiał dla początkujących. W związku z tym, że w większości znam poruszane zagadnienia, obejrzałem z przyjemnością na przyśpieszeniu 2x.

Najlepszy* Newsletter o Machine Learning w Polsce

Co tydzień (albo dwa) wyciągam smaczki z różnych miejsc w Internecie na temat Machine Learning, Data Science, AI i Python i przesyłam na Twoją skrzynkę mailową

Przesyłam też krótkie wyjaśnienia niektórych machine learningowych pojęć.

Autor: Konrad Łyda

AI Engineer działający głównie w Lingaro. Zajmuje się głównie maszynerią potrzebną do wytworzenia produktów opartych o uczenia maszynowe - od danych przez modele do wdrożenia. W wolnych chwilach zgłębia szeroki ocean zastosowań Machine/Deep Learningu w różnych dziedzinach życia oraz współorganizuje spotkania społeczności Data Science Lublin

Poprzedni Wpis

[Shorty] Testy vs Pandas - kiedy to samo to nie to samo

Następny Wpis

Jak mergować Jupyter notebooki w GIT i nie osiwieć? Proste narzędzie!

Ostatnie Wpisy

Od danych do produktu – automatyzacja w obszarze Machine Learning dzięki MLOps

Od danych do produktu – automatyzacja w obszarze Machine Learning dzięki MLOps

[#w3linijkach] Jak pobrać dane z MySQL i zapisać do CSV w Pythonie?

[#w3linijkach] Jak pobrać dane z MySQL i zapisać do CSV w Pythonie?

Kodowanie znaków przy połączeniu do bazy danych zdradliwe bywa

Kodowanie znaków przy połączeniu do bazy danych zdradliwe bywa

10 źródeł wiedzy o uczeniu maszynowym - pobierz!

Newsletter o ML za free?

Gdzie wejść?


Ostatnie wpisy

  • Od danych do produktu – automatyzacja w obszarze Machine Learning dzięki MLOps
  • [#w3linijkach] Jak pobrać dane z MySQL i zapisać do CSV w Pythonie?
  • Kodowanie znaków przy połączeniu do bazy danych zdradliwe bywa
  • Jak mergować Jupyter notebooki w GIT i nie osiwieć? Proste narzędzie!
  • [WDI2021] Szukamy Szopów, czyli Computer Vision w 30 minut
Arba WordPress Theme by XstreamThemes.
  • UczymyMaszyny.pl
  • Polityka prywatności
  • Kontakt