Makina Blog

Premier article de notre série sur les applications de geoIA : comment les techniques d'intelligence artificielle peuvent aider à la création de cartes ?

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.

Comment garder une trace des erreurs Django en toute simplicité.

Suivi de modification d'objets Django

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.

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.

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 ?

Autonomnes et Makina Corpus ont développé un visualiseur de données cartographiques nommé TerraVisu. Cette application Web SIG permet de centraliser, visualiser et analyser des données géographiques pour ensuite créer diverses cartes.

Deuxième article de la série sur la cartographie par deep-learning à partir d'images aériennes ou satellitaires.

Dans quelques jours, le 3 juin 2020, aura lieu la sortie de Drupal 9 en version stable. À quels changements s’attendre ? Quel sera l’impact sur les sites développés actuellement en Drupal 8 et Drupal 7 ? Voici quelques informations qui vous permettront de mieux appréhender cet événement et d'en mesurer les impacts.

4ème article "le cas concret d'un réseau de neurones siamois" de la série "Ces innovations qui permettent à l'IA de sortir des laboratoires" !

 

Cette série d'articles parle de cartographie par deep-learning à partir d'images aériennes ou satellitaires. Dans ce 1er article, l'étape préliminaire à toute utilisation d'un modèle d'apprentissage supervisé est abordée: la création du jeu de données d'apprentissage. Notre outil geolabel-maker est mis à votre disposition pour vous aider.