Utiliser des solutions d'IA avancées pour obtenir un produit de qualité constante tout au long du cycle de développement et de fabrication d'un produit
Objectif du défi
L'objectif est de développer des systèmes avancés d'aide à la décision pour guider les ingénieurs et les opérateurs tout au long du cycle de conception et de fabrication afin d'obtenir rapidement une production répondant à des normes de qualité élevées.
Interactions avec l'IA de pointe pour atteindre le zéro-défaut, le zéro-accident et le zéro-épuisement dans un environnement de production
Objectif du défi
L'objectif est de construire des méthodologies d'IA adaptées qui permettent des interactions entre des machines industrielles et/ou des robots avec un opérateur humain afin de l'assister dans l'exécution de ses tâches.
Multimodal Federated Learning for BioMed (Alzheimer)
Description
Ce projet vise à développer un modèle d'IA multimodal fédéré pour la détection en temps réel des anomalies dans le domaine de la santé. Au cours de l'atelier organisé à Londres, les équipes construiront et intégreront des modèles unimodaux entraînés à partir de textes cliniques, d'images médicales et de signaux physiologiques. Le modèle multimodal final sera entraîné via un apprentissage fédéré et optimisé pour être déployé sur des appareils embarqués tels que Raspberry Pi et d'autres technologies de microcontrôleurs.
Multimodal Federated Learning for BioMed (Alzheimer)
This project aims to develop a federated, multimodal AI model for real-time anomaly detection in healthcare. During the London workshop, teams will build and integrate unimodal models trained on clinical text, medical images, and physiological signals.
Multi-domain performance analysis with scores tailored to user preferences
The performance of algorithms, methods, and models tends to depend heavily on the distribution of cases on which they are applied, this distribution being specific to the applicative domain. After performing an evaluation in several domains, it is highly informative to compute a (weighted) mean performance and, as shown in this paper, to scrutinize what happens during this averaging. To achieve this goal, we adopt a probabilistic framework and consider a performance as a probability measure (e.g., a normalized confusion matrix for a classification task).
What Is the Optimal Ranking Score Between Precision and Recall? We Can Always Find It and It Is Rarely F1
Ranking methods or models based on their performance is of prime importance but is tricky because performance is fundamentally multidimensional. In the case of classification, precision and recall are scores with probabilistic interpretations that are both important to consider and complementary. The rankings induced by these two scores are often in partial contradiction. In practice, therefore, it is extremely useful to establish a compromise between the two views to obtain a single, global ranking.
Compteur Entry
Besoin d'aide ?
🔐 Connectez-vous à GitLab pour accéder à la documentation de la plateforme.
👉 Pour cela, cliquez sur DevOps dans le menu principal, puis sélectionnez GitLab.
Vous verrez l’écran suivant :