Makina Blog
Makina Corpus était aux GéoDataDays 2020
Les 15 et 16 septembre 2020, Makina Corpus soutenait et participait aux Géodatadays 2020.
Migration d'un site Drupal 7 en Drupal 9
Trucs, astuces et bouts de code pour migrer votre site web de Drupal 7 à Drupal 9
Headless Drupal & Gatsby : retour d'expérimentation
Gatsby est une solution montante pour créer des sites statiques. Voyons dans quelle mesure il est possible de l'utiliser avec Drupal.
QGIS : le nouveau support des tuiles rasters et vectorielles
La dernière version de QGIS 3.14 apporte deux nouveaux types de calques : les tuiles rasters et les tuiles vectorielles.
IA et cartographie : l'IA pour découvrir un territoire [Article 2]
Deuxième article de notre série sur les applications de geoIA : comment les techniques d'intelligence artificielle peuvent aider à la découverte d'un territoire ?
IA & cartographie : l'IA pour créer des cartes [Article 1]
Premier article de notre série sur les applications de geoIA : comment les techniques d'intelligence artificielle peuvent aider à la création de cartes ?
Migrer une application de Python 2 à Python 3
Le support de Python 2 est officiellement terminé, c'est le moment de passer vos applications à Python 3 ! Voici quelques conseils pour réussir cette migration.
Présentation de django-admin-watchdog
Comment garder une trace des erreurs Django en toute simplicité.
Présentation de django-tracking-fields
Suivi de modification d'objets Django
Web mapping : comparaison des serveurs de tuiles vectorielles depuis Postgres / PostGIS
Un ensemble de serveurs de tuiles vectorielles basés sur la fonction ST_AsMVT() de PostGIS sont disponibles. Makina Corpus vous propose un tour d’horizon des spécificités des différentes solutions.
Série d'articles : IA & cartographie
Tour d'horizon de l'apport de l’intelligence artificielle à la cartographie ! Quand dans une discussion sont lancés les mots "intelligence artificielle" et "cartographie", il y a fort à parier que les protagonistes en viennent rapidement à parler de conduite assistée et voitures autonomes.
Extraction d'objets pour la cartographie par deep-learning : évaluation du modèle
Voici le dernier article de notre série sur la cartographie par deep-learning. Après avoir expliqué comment choisir et utiliser un modèle d'extraction d'objets, nous allons maintenant en évaluer les performances. Que pouvons-nous attendre du modèle entraîné ? Quels sont ses limites et ses sensibilités ?