Прохожу на аспирантской программе курс «Умные городские системы». Его цель — использовать нейросети для анализа городских данных.
Мы изучаем как нейросети работают с разными типами данных: табличными, географическими, спутниковыми снимками, панорамами улиц, текстовыми комментариями к точкам на карте и т.п.
Я сделал модель прогнозирования числа пострадавших в дорожно-транспортных происшествиях на основе данных Москвы.
Учитываю следующие виды данных:
— табличные данные о ДТП с координатами и различными признаками, в т.ч. с количеством жертв; — текстовые описания обстоятельств ДТП и нарушений ПДД (естественный язык); — пространственные данные точечных объектов из OpenStreetMap (светофоры, пешеходные переходы и др.).
Для каждого типа данных применяется специализированная модель для извлечения векторных представлений (эмбеддингов): языковая, геопространственная и табличная. Затем данные агрегируются по шестиугольным пространственным ячейкам (H3) и подаются в регрессионную нейросетевую модель.
Результат на карте: — синие точки — фактические ДТП из базы, — цвет шестигранных ячеек — прогноз количества жертв (пострадавшие + погибшие).
Пока это учебный проект. Не для практического применения. Но в перспективе обученную модель можно применять на другие территории для прогноза очагов ДТП.
Прохожу на аспирантской программе курс «Умные городские системы». Его цель — использовать нейросети для анализа городских данных.
Мы изучаем как нейросети работают с разными типами данных: табличными, географическими, спутниковыми снимками, панорамами улиц, текстовыми комментариями к точкам на карте и т.п.
Я сделал модель прогнозирования числа пострадавших в дорожно-транспортных происшествиях на основе данных Москвы.
Учитываю следующие виды данных:
— табличные данные о ДТП с координатами и различными признаками, в т.ч. с количеством жертв; — текстовые описания обстоятельств ДТП и нарушений ПДД (естественный язык); — пространственные данные точечных объектов из OpenStreetMap (светофоры, пешеходные переходы и др.).
Для каждого типа данных применяется специализированная модель для извлечения векторных представлений (эмбеддингов): языковая, геопространственная и табличная. Затем данные агрегируются по шестиугольным пространственным ячейкам (H3) и подаются в регрессионную нейросетевую модель.
Результат на карте: — синие точки — фактические ДТП из базы, — цвет шестигранных ячеек — прогноз количества жертв (пострадавшие + погибшие).
Пока это учебный проект. Не для практического применения. Но в перспективе обученную модель можно применять на другие территории для прогноза очагов ДТП.
Telegram has gained a reputation as the “secure” communications app in the post-Soviet states, but whenever you make choices about your digital security, it’s important to start by asking yourself, “What exactly am I securing? And who am I securing it from?” These questions should inform your decisions about whether you are using the right tool or platform for your digital security needs. Telegram is certainly not the most secure messaging app on the market right now. Its security model requires users to place a great deal of trust in Telegram’s ability to protect user data. For some users, this may be good enough for now. For others, it may be wiser to move to a different platform for certain kinds of high-risk communications. The account, "War on Fakes," was created on February 24, the same day Russian President Vladimir Putin announced a "special military operation" and troops began invading Ukraine. The page is rife with disinformation, according to The Atlantic Council's Digital Forensic Research Lab, which studies digital extremism and published a report examining the channel. The Security Service of Ukraine said in a tweet that it was able to effectively target Russian convoys near Kyiv because of messages sent to an official Telegram bot account called "STOP Russian War." The S&P 500 fell 1.3% to 4,204.36, and the Dow Jones Industrial Average was down 0.7% to 32,943.33. The Dow posted a fifth straight weekly loss — its longest losing streak since 2019. The Nasdaq Composite tumbled 2.2% to 12,843.81. Though all three indexes opened in the green, stocks took a turn after a new report showed U.S. consumer sentiment deteriorated more than expected in early March as consumers' inflation expectations soared to the highest since 1981. During the operations, Sebi officials seized various records and documents, including 34 mobile phones, six laptops, four desktops, four tablets, two hard drive disks and one pen drive from the custody of these persons.
from ms
