Gegevens uit de Fysieke Wereld

Van kassen tot bouwplaatsen, sommige van de meest interessante gegevensproblemen in fysieke AI komen tot uiting in de echte wereld. Dat is waar data moet worden omgezet in beslissingen en beweging. Deze bijeenkomst brengt Monumental, Source.ag en PyData Amsterdam samen voor een avond van educatieve lezingen van ingenieurs die dagelijks aan deze problemen werken. Elke lezing duurt ongeveer 30 minuten, met voldoende ruimte voor vragen. Schema Details Wie zou moeten deelnemen? Datawetenschappers, software-ingenieurs, Python-gebruikers en iedereen die nieuwsgierig is naar hoe data werkt in de fysieke wereld. Over de Sprekers Josefine Quack Josefine is een ervaren Forward Deployed Robotics Engineer bij Monumental, waar ze de hele dag met robots knutselt en speelt. Als resultaat hebben die robots al meer dan 100 huizen gebouwd. Laat alsjeblieft geen chocolade onbeheerd bij haar liggen. Sebastiaan VermeulenSebastiaan Vermeulen leidt de oogstvoorspelling bij Source.ag (achtergrond in econometrie/kwantitatieve financiering, 4,5 jaar ervaring). Hij zal uitleggen waarom het voorspellen van kas-oogsten een moeilijk ML-probleem is: schaarse, rommelige gegevens uit de echte wereld, biologie die pure ML verkeerd begrijpt, en de mechanistische/ML-hybriden die Source gebruikt om dit op te lossen. Over de gastheren Monumental bouwt autonome robots die gebouwen construeren. We leggen al stenen op gezinswoningen, kanaalmuren en industriële gebouwen in Nederland! Meer over Atrium, ons besturingssysteem voor softwaregedefinieerde bouw Openstaande functies bij Monumental Source.ag ontwikkelt AI voor kasboeren. We zetten de vloedgolf van data die uit moderne kassen komt om in duidelijke, dagelijkse beslissingen, zodat telers meer voedsel kunnen produceren met minder middelen. Meer over Source.ag