Appsilon no Hack4Enviornment Hackathon – Resolvendo Problemas de Descarte Ilegal de Lixo com Aprendizado de Máquina

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

[ad_1]

Sacola de presente que recebemos dos organizadores, incluindo o prêmio que nossa equipe ganhou.

Appsilon em Hack4Environment

Appsilon recentemente participou do Hack4Environment – um hackathon de 24 horas com foco em lidar com o problema crítico da eliminação ilegal de resíduos (conhecido como tombamento)

Leia sobre nossa iniciativa AI4Good – Veja como o aprendizado de máquina pode ser usado para analisar conjuntos de dados de armadilhas fotográficas de vida selvagem.

Resumindo – em 24 horas, propusemos uma solução que nos rendeu uma menção honrosa no concurso!

Navegue até uma seção:

Sobre o Hackathon

Como dito anteriormente, o objetivo do hackathon era lidar de alguma forma com o problema da eliminação ilegal de resíduos. Nossa solução foi baseada em duas partes:

  1. Porção de aplicação – administrado por Dominik Krzemiński
  2. Parte de aprendizado de máquina – administrado por Jędrzej Świeżewski

Acabamos propondo uma solução a partir de três perspectivas diferentes, que são discutidas na seção seguinte.

Nossa Solução

Nossa ideia era construir um aplicativo que abordasse o problema a partir das seguintes perspectivas:

  • Perspectiva do cidadão – os cidadãos poderiam localizar locais em sua vizinhança com o lixo descartado e ganhar reconhecimento por relatar a limpeza.
  • Perspectiva da autoridade local – fornecemos informações sobre a localização dos resíduos em maior escala, permitindo que direcionem os esforços de limpeza.
  • Perspectiva do fabricante – construímos um mecanismo para incentivar os fabricantes de produtos descartados como lixo a agirem com base na informação de que seus produtos são vistos como lixo para as comunidades locais.

Como cereja do bolo, criamos e implantamos um aplicativo Shiny chamado Solta. Seu objetivo é exibir os dados fornecidos pelos organizadores do hackathon agrupados em grupos localizados de itens de lixo. Adicionamos um mecanismo para solicitar a remoção de resíduos e receber reconhecimento por isso.

Além disso, também treinamos um modelo de visão computacional para detectar a marca de um determinado item de lixo. A precisão de validação do modelo atingiu 75% em um conjunto de dados com 46 classes.

Se você tiver alguns minutos de sobra, assista ao nosso vídeo de envio do hackathon abaixo. Está em polonês, então desculpas aos nossos leitores não poloneses:

Lições aprendidas

No final do dia, existem quatro lições principais para nós neste hackathon:

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br
  1. Os hackathons são uma ótima ocasião para estabelecer vínculos com a equipe. De alguma forma, um bate-papo tarde da noite serve melhor a esse propósito.
  2. Agrupamento aglomerativo é perfeito para lidar com agrupamento em grandes diferenças de escala. Os dados com os quais lidamos abrangem todo o globo, embora, é claro, não faça sentido que um local de tombamento de moscas tenha um tamanho maior do que algumas dezenas de metros. Muitos outros algoritmos de agrupamento (incluindo o comum HDBSCAN) lutam com esses dados levando, por exemplo, cidades inteiras a se tornarem um cluster.
  3. A precisão de 75% alcançada por nosso modelo de aprendizado de máquina não parece se destacar. Quando se considera o fato de que foi uma precisão em 46 classes, começa a parecer muito bom. No entanto, isso é enganoso, pois o conjunto de dados era muito desequilibrado, com uma marca ocupando cerca de metade dos dados. Isso significa que um proxy de classe majoritária teria aproximadamente 50% de precisão, independentemente da multiplicidade de classes. A principal força do nosso modelo reside no fato de que ele lidou bem com algumas das pequenas classes (para alguns, a marca era difícil de reconhecer, mesmo para um olho humano). A lição aqui é que relatar o desempenho de um modelo com um único número normalmente não é suficiente.
  4. Nossa equipe teve dois participantes, enquanto cada uma das três equipes acima de nós teve mais (3, 5 e 5) – ter mais pessoas a bordo, especialmente em um período de tempo limitado, pode ser um fator de diferenciação.

Conclusão

Ao todo, o hackathon foi muito divertido! Além disso, tocou em uma questão ecológica de importância global e local e ajudou a aumentar a conscientização sobre a redução de resíduos e despejo de moscas.

Gostaríamos de parabenizar os demais vencedores, agradecer aos organizadores e aplaudir todos os participantes pelo esforço. Lamentamos não ter podido nos reunir pessoalmente devido às circunstâncias e nos misturar com todas as pessoas envolvidas no evento para nos conhecermos além da comunicação via chat.

Saber mais

Appsilon está contratando para funções remotas! Veja nosso Carreiras página para todas as posições em aberto, incluindo R Shiny Developers, Engenheiros Fullstack, Engenheiros front-end, uma Engenheiro de infraestrutura sênior, e um Gerente de Comunidade. Junte-se à Appsilon e trabalhe em projetos inovadores com as empresas Fortune 500 mais influentes do mundo.

Artigo Appsilon no Hack4Enviornment Hackathon – Resolvendo Problemas de Descarte Ilegal de Lixo com Aprendizado de Máquina vem de Appsilon | Soluções de ciência de dados de ponta a ponta.

Leia Também  Daniel Aleman - A principal métrica para sua previsão é ... CONFIANÇA



[ad_2]

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br