Le développement d'un outil de moteur de recommandation, permet de pousser des produits et des contenus à haut taux de conversion.
À l'intersection entre l'OCR, le NLP et la Computer Vision : le parsing de CV. En entrée : un pdf ou une image, en sortie un JSON contenant toutes les infos du CV.
La reconnaissance d'images en santé ne se limite pas seulement à la lecture automatique de radios ou d'IRMs.
💎 Les véhicules autonomes utilisent l'intelligence artificielle (IA) pour assurer une conduite sécuritaire et autonome. Grâce aux systèmes de perception et de prise de décision basés sur l'IA, ces véhicules peuvent détecter et interpréter leur environnement, reconnaître les objets, comprendre les signaux routiers et prendre des décisions en temps réel.
💎 Bienvenue dans notre série sur les cas d'utilisation de l'IA ! Aujourd'hui, nous allons explorer l'incroyable potentiel de la reconnaissance d'image basée sur l'IA dans le domaine de la médecine. Découvrez comment cette technologie révolutionnaire peut aider les médecins à analyser des images médicales telles que les radiographies et les IRM pour diagnostiquer des maladies et des anomalies.
💎 Le scoring est un peu le couteau suisse de la Data Science. Chez @Bazal, on l'a utilisé pour prédire l'adoptabilité d'un chien à partir de sa photo. En effet, la propension d'un animal à trouver un foyer d'adoption dépend malheureusement beaucoup de sa photo.
📢 Bazal vous propose aujourd'hui un cas d'usage pratique de l'analyse de mouvements : l'analyse de posture. Si nous l'utilisons pour ne pas nous avachir devant nos écrans, ce genre d'outil aurait toutefois également sa place en sport !
📢 Cette semaine, nouveau cas d'usage du Machine Learning: Bazal vous présente l'analyse de mouvement. Cette technologie a de nombreuses utilisations allant de la détection de chute à la détection de mouvement de foules. Nous avons créé une démo permettant de suivre les mouvements de plusieurs personnes en partant d'une vidéo YouTube.
Pour sa 4e démo sur les cas d'usage du Machine Learning, Bazal vous présente de l'analyse de sentiments sur Twitter. Très plébiscité par les grands comptes, cet outil propose une métrique clé : un baromètre de l'opinion des utilisateurs de Twitter. Le principe est simple : en entrée, le nom d'une entreprise, et en sortie un histogramme ! L'outil met aussi en avant, lorsque c'est pertinent, le tweet le plus positif et le tweet le plus négatif à propos de l'entreprise dans les dernières 24 heures.
Comme promis la semaine dernière, parlons chez @Bazal d'extraction d'information. Nous avons pour cette démo développé un outil permettant d'extraire des informations clés d'un Excel simple d'utilisation, le principe derrière est élémentaire : émettre des requêtes en langage "naturel", sans code, à un outil récupérant par la suite lesdites informations. Concrètement : discuter avec son Excel, sans passer pour un fou.
Pour ce 2e post de notre série sur les cas d'usage du Machine Learning, discutons de l'évaluation de la qualité esthétique des vidéos. Nous avons créé une démo permettant de quantifier cette qualité sur une vidéo. Le principe est simple: en entrée de notre outil, une vidéo, et en sortie une courbe de score esthétique en fonction du temps ! L'outil met aussi en avant les plans ayant les meilleurs et moins bons scores. Cela pourrait permettre de savoir quels plans sont les moins attrayants et donc les changer avant de diffuser vos vidéos !
Bazal est fier de vous présenter son premier post de notre série sur les cas d'usage du Machine Learning. Dans cette série nous présenterons des outils de Machine Learning faciles à utiliser et à déployer, ainsi qu'un exemple d'utilisation desdits outils. Pour notre premier outil, nous nous intéresserons à l'Extractive Summarization ! Il s'agit d'un procédé de Natural Language Processing permettant de résumer les textes présentés en entrée en extrayant les phrases contenant le plus de sens.