Desafios do Mundo Real em Aprendizagem de Máquina Geoespacial

Junte-se a nós no escritório da TomTom em Amsterdã na quinta-feira, 9 de julho, para uma noite dedicada aos desafios práticos de construir sistemas de aprendizagem de máquina geoespaciais.A aprendizagem de máquina é uma ferramenta poderosa, mas aplicar isso a dados geoespaciais do mundo real apresenta um conjunto único de desafios. Neste meetup, estamos reunindo perspectivas de pesquisa e engenharia para discutir como superar esses obstáculos, projetar pipelines robustos e manter a qualidade dos dados em um mundo em rápida mudança.AgendaTalk 1: Projetando sistemas de ML para um mundo em constante mudança, ou como a Direção Automatizada realmente funciona, por Ahmed BoudissaConstruir sistemas de aprendizagem de máquina é uma coisa. Construir sistemas que permaneçam precisos, atualizados e escaláveis enquanto o mundo real muda a cada dia é outro desafio completamente diferente.Nesta palestra, vamos explorar como a TomTom transforma bilhões de observações brutas de satélites, veículos de pesquisa, dispositivos conectados e sensores a bordo em produtos de mapas em nível de faixa usados por sistemas de direção automatizada. Em vez de focar em um único modelo, vamos olhar para os desafios mais amplos de design de sistema envolvidos na combinação de várias fontes de dados, manutenção da qualidade dos dados e manutenção das pipelines de aprendizagem de máquina operando em escala global.Você verá como modelos fundamentais ajudam a automatizar a produção de mapas, como pipelines de múltiplas fontes atualizam continuamente o conteúdo do mapa e o que é necessário para transformar dados do mundo real fragmentados em um produto confiável que pode ser confiável tanto por motoristas quanto por sistemas automatizados.O que você aprenderá:• Por que sistemas de ML do mundo real em grande escala são fundamentalmente diferentes de benchmarks controlados• Como várias fontes de dados podem ser combinadas em um único fluxo de trabalho de produção• Como a aprendizagem de máquina e a visão computacional automatizam tarefas complexas de mapeamento• Os desafios de manter a frescura e a qualidade em escala global• Por que o design do sistema de produção é tão importante quanto o desempenho do modeloTalk 2: 85 milhões de correspondências, milhares de capturas: aprendizagem ativa em escala de produção, por Haris Iqbal muitos problemas de aprendizagem de máquina parecem simples até você encontrar os casos extremos. Os primeiros 80% de precisão geralmente vêm facilmente. O restante é onde as decisões de engenharia mais interessantes começam.Nesta palestra, vamos explorar um problema de correspondência em grande escala na criação de mapas digitais: conectar sinais de trânsito aos segmentos de estrada corretos. Embora abordagens simples de vizinhos mais próximos resolvam a maioria dos casos, os dados do mundo real introduzem ambiguidade, inconsistências e casos extremos que rapidamente expõem as limitações de soluções ingênuas.Usando esse problema como um estudo de caso, examinaremos como a seleção de modelos, engenharia de características e aprendizagem ativa podem ser combinadas para construir sistemas escaláveis que operem de forma confiável em produção. Você verá por que escolhemos modelos baseados em árvore em vez de alternativas mais complexas, como a aprendizagem ativa ajudou a reduzir o esforço de rotulação em 85 milhões de correspondências candidatas e como as falhas de modelo se tornaram uma das nossas fontes de melhoria mais valiosas.O que você aprenderá:• Por que problemas de ML aparentemente simples se tornam desafiadores em escala• Quando a aprendizagem de máquina clássica pode superar abordagens mais complexas• Como projetar características e selecionar modelos sob restrições de escalabilidade do mundo real• Como a aprendizagem ativa pode reduzir dramaticamente o esforço de rotulação• Técnicas práticas para depuração e melhoria de sistemas de ML em produçãoTalk 3: TBD, por Ioanna Micha & Nathalie DeesTBDDireções:📍 De Ruijterkade 154, 1011 AC - AmsterdãO escritório da TomTom fica a apenas 10 a 15 minutos a pé (ou uma rápida viagem de ônibus) da Estação Central de Amsterdã.