Новый релиз ИАС «ПочваХаб»
🐛 Исправлено:
– отображение формы добавления проекта
– ошибка, из-за которой нельзя было сохранить объект после загрузки обложки
– редактирование полигонов
– ошибка, из-за которой не сразу обновлялась геометрия карт после редактирования
– расположение индикаторов загрузки
❌ Удалено:
– тип файла "Обложка" из модального окна загрузки файлов
– временно скрыта неактивная кнопка "Файлы" на странице образца
🔧 Прочее:
– обновили версии используемых библиотек
– оптимизировали настройки веб-сервера
#ПочваХаб
🐛 Исправлено:
– отображение формы добавления проекта
– ошибка, из-за которой нельзя было сохранить объект после загрузки обложки
– редактирование полигонов
– ошибка, из-за которой не сразу обновлялась геометрия карт после редактирования
– расположение индикаторов загрузки
❌ Удалено:
– тип файла "Обложка" из модального окна загрузки файлов
– временно скрыта неактивная кнопка "Файлы" на странице образца
🔧 Прочее:
– обновили версии используемых библиотек
– оптимизировали настройки веб-сервера
#ПочваХаб
Погрузились в первый осенний спринт этого года — у команды интересные и ооочень интересные задачи :)
Автор провел обзор литературы о цифровых двойниках в сельском хозяйстве, обратив внимание на два аспекта: различия между секторами и последние достижения после 2020 года.
Напомнил про различные подходы к типологии цифровых двойников: по уровню интеграции данных, технологической готовности (TRL), иерархии, а также роли в управлении жизненным циклом продукта.
+ 1 аргумент к востребованности наших исследований.
#АгроДТ_просвещает
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from ML Underhood
This media is not supported in your browser
VIEW IN TELEGRAM
Технологии машинного обучения на службе метеорологии
У Яндекс Погоды новая технология — OmniCast. Она использует данные с профессиональных метеостанций и любительских метеодатчиков, комбинируя их с нейросетями и алгоритмами для повышения точности. Подробнее об этой технологии вы можете почитать в статье на Хабре, а здесь мы расскажем главное.
Ранее прогнозы основывались на данных ближайших метеостанций, что часто приводило к ошибкам. Особенно это было заметно в крупных городах, где температурные условия в центре и на окраинах сильно различаются. OmniCast решила эту проблему, адаптировав фильтр Калмана для коррекции прогнозов на основе свежих данных, что позволило учесть локальные изменения температуры.
Для обработки огромного объема данных в реальном времени система использует технологию распределённых вычислений MapReduce. Она способна обновлять прогнозы каждые пять минут, обрабатывая более 100 000 новых измерений. Для дальнейшего улучшения прогноза команда OmniCast применила нейросети.
Одной из ключевых задач было устранение резких скачков температуры в прогнозах на несколько часов вперед. Для этого разработчики создали модель, основанную на двунаправленной LSTM (long short-term memory) нейросети, которая анализирует историю измерений и прогнозирует изменения температуры на ближайшие несколько часов. Это позволило значительно повысить точность прогнозов по сравнению с традиционными методами вроде ARIMA.
Все увлекательные подробности — с вычислениями и графиками — вы найдёте на Хабре. А здесь в комментариях рассказывайте, что думаете об OmniCast?
ML Underhood
У Яндекс Погоды новая технология — OmniCast. Она использует данные с профессиональных метеостанций и любительских метеодатчиков, комбинируя их с нейросетями и алгоритмами для повышения точности. Подробнее об этой технологии вы можете почитать в статье на Хабре, а здесь мы расскажем главное.
Ранее прогнозы основывались на данных ближайших метеостанций, что часто приводило к ошибкам. Особенно это было заметно в крупных городах, где температурные условия в центре и на окраинах сильно различаются. OmniCast решила эту проблему, адаптировав фильтр Калмана для коррекции прогнозов на основе свежих данных, что позволило учесть локальные изменения температуры.
Для обработки огромного объема данных в реальном времени система использует технологию распределённых вычислений MapReduce. Она способна обновлять прогнозы каждые пять минут, обрабатывая более 100 000 новых измерений. Для дальнейшего улучшения прогноза команда OmniCast применила нейросети.
Одной из ключевых задач было устранение резких скачков температуры в прогнозах на несколько часов вперед. Для этого разработчики создали модель, основанную на двунаправленной LSTM (long short-term memory) нейросети, которая анализирует историю измерений и прогнозирует изменения температуры на ближайшие несколько часов. Это позволило значительно повысить точность прогнозов по сравнению с традиционными методами вроде ARIMA.
Все увлекательные подробности — с вычислениями и графиками — вы найдёте на Хабре. А здесь в комментариях рассказывайте, что думаете об OmniCast?
ML Underhood
Forwarded from Консорциум «РИТМ углерода»
Проект выполняет Московский физико-технический институт (МФТИ). Партнером выступает Русское географическое общество.
#РГО #мероприятие_РИТМуглерода
Please open Telegram to view this post
VIEW IN TELEGRAM
Новый релиз ИАС «ПочваХаб»
✨ Добавлено:
– Пагинация (разбивка списков на страницы) для списка измерений
– Подсказка о необходимости добавления протокола перед обследованием
– Кнопка добавления почвенного описания теперь скрывается, если описание уже было добавлено
– Для образцов без названия в списке всех образцов теперь отображаются их ID
– Проверка размера загружаемого файла при загрузке обложки
– Новые методики, применяемые в рамках ВИП ГЗ (консорциум «РИТМ углерода»)
🐛 Исправлено:
– Возможность привязать образец к точке
– Цвет текста элементов в главном меню слева
– Ошибки дерева навигации в главном меню слева
– Ошибка, из-за которой было невозможно отредактировать файл на странице файлов точки
– Имя файла при скачивании
– Ввод десятичных чисел в формах
– Сортировка на странице профилей/групп/проектов
– Порядок отображения полей глубин отбора на странице образца
– Оптимизированы некоторые запросы к серверу
♻️ Изменено:
– Улучшено отображение подписей на карте
– Оптимизированы запросы векторных тайлов
🔧 Прочее:
– Обновлены используемые библиотеки
– Почищен код
#ПочваХаб
✨ Добавлено:
– Пагинация (разбивка списков на страницы) для списка измерений
– Подсказка о необходимости добавления протокола перед обследованием
– Кнопка добавления почвенного описания теперь скрывается, если описание уже было добавлено
– Для образцов без названия в списке всех образцов теперь отображаются их ID
– Проверка размера загружаемого файла при загрузке обложки
– Новые методики, применяемые в рамках ВИП ГЗ (консорциум «РИТМ углерода»)
🐛 Исправлено:
– Возможность привязать образец к точке
– Цвет текста элементов в главном меню слева
– Ошибки дерева навигации в главном меню слева
– Ошибка, из-за которой было невозможно отредактировать файл на странице файлов точки
– Имя файла при скачивании
– Ввод десятичных чисел в формах
– Сортировка на странице профилей/групп/проектов
– Порядок отображения полей глубин отбора на странице образца
– Оптимизированы некоторые запросы к серверу
♻️ Изменено:
– Улучшено отображение подписей на карте
– Оптимизированы запросы векторных тайлов
🔧 Прочее:
– Обновлены используемые библиотеки
– Почищен код
#ПочваХаб
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Grounding Knowledge 🦾
Вот подоспели и ягодки. Вчера вечером OpenAI обрадовала подписчиков своих GPT сервисов появлением новой линейки моделей скромно и емко называнных o1. Основной упор сделали на решение задач, где требуются нетривиальные рассуждения и точность выводов: задачи на программирование Codeforces, математическая олимпиада AIME, различные задачи аспирантского уровня по биологии, физике и химии👩🔬. В блоге приводят много впечатляющих графиков с результатами по этим задачам, где бьют свою же GPT-4o, а в олимпиадной математике так сразу в 5 раз😨. В классических бенчмарках, таких как спорный MMLU, конечно, тоже везде лучше. Из технических деталей есть только упоминание обучения с подкреплением (RL пока держит марку основного бустера для LLM🦾), особых усилий по alignment и безопасности модели. Заявленный внутренний монолог и рассуждения уже потестировали коллеги @abstractDL и показали, что модель не только лучше решает задачки на подсчет, но и может вернуться на верный пусть рассуждения👍. С интересом ждем больше технических деталей.
Что мы уже успели сделать на ПГБ 2024👍
🔺 Организовали научно-практическую секцию,
🔺 Покурировали научные секции,
🔺 Выступили с пленарным докладом,
🔺 Представили гласные и постерные доклады,
🔺 Поучаствовали в дебатах,
🔺 Вместе послушали крутые лекции-практикумы.
Скоро поделимся подробностями🔜
☕️ Хорошо, что завтра есть еще день! Готовы обсудить вопросы о ПочваХабе, сотрудничестве и вообще о жизни :)
#АгроДТ_лаба
Скоро поделимся подробностями
#АгроДТ_лаба
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Собрали несколько дипломов за лучшие доклады конференции😎
В пятницу подвели итоги конференции "Почвоведение: Горизонты будущего", где собираются самые активные молодые ученые в области почвоведения и наук о Земле.
Наши достижения — 4 диплома за лучшие секционные доклады:
🎖 Кирилл Толстыгин забрал два диплома за доклады "Полноценное извлечение данных из научных статей по почвоведению с помощью искусственного интеллекта" и "Моделирование гидродинамических свойств почвы с применением новейших подходов к анализу порового пространства",
🎖 Валерия Мегмерова за доклад "Анализ эффективности методологий оценки качества почвы",
🎖 Маргарита Усачева за доклад "Сезонное и климатическое прогнозирование как ключ к устойчивому землепользованию: возможности и перспективы Weatheasy".
Поздравляем сотрудников лаборатории⭐️
#АгроДТ_лаба
В пятницу подвели итоги конференции "Почвоведение: Горизонты будущего", где собираются самые активные молодые ученые в области почвоведения и наук о Земле.
Наши достижения — 4 диплома за лучшие секционные доклады:
Поздравляем сотрудников лаборатории
#АгроДТ_лаба
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Кстати, нас приятно отметили кураторы секции "Информационные технологии в почвоведении и науках о Земле" :)
Представили на ПГБ еще серию крутых докладов:
🟢 "Сервис для почвенных данных "ПочваХаб""
Докладчик: Петр Цымбарович
🟠 "От ученых для ученых: как мы разрабатывали "ПочваХаб", систему управления почвенной информацией"
Докладчик: Денис Мартынов
🟢 "Эффективное управление почвенными данными: применение системы «Углерод-Э Агро» в рамках проекта ВИП ГЗ"
Докладчик: Борис Пономаренко
🟠 "Сервис для автоматической расстановки точек полевого обследования на основе естественной неоднородности ландшафта"
Докладчик: Тимофей Смирный
🟢 "Извлечение информации о сортах и гибридах растений с помощью больших языковых моделей"
Докладчик: Дмитрий Фомин
🟠 "Использование композита отражательной способности открытой поверхности почвы для цифрового почвенного картографирования"
Докладчик: Павел Браулов
🟢 "Пространственное распределение сельскохозяйственных культур в южных регионах РФ"
Докладчик: Евдокия Богдан
🟠 "Применение 3D-печати для оптимизации центрифугирования при определении основной гидрофизической характеристики"
Докладчик: Роман Мусаэлян
🟢 "Интегрирование спутниковых данных и геофизического зондирования для цифрового картографирования почв и их свойств (на примере СК ФНАЦ, Ставропольский край)"
Докладчик: Павел Шилов
🟠 "Технологии подземного интернета вещей в мониторинге почв" и "Пространственно-временные особенности водного режима почв Окско-Донской низменности"
Докладчик: Павел Филь
#АгроДТ_лаба
Докладчик: Петр Цымбарович
Докладчик: Денис Мартынов
Докладчик: Борис Пономаренко
Докладчик: Тимофей Смирный
Докладчик: Дмитрий Фомин
Докладчик: Павел Браулов
Докладчик: Евдокия Богдан
Докладчик: Роман Мусаэлян
Докладчик: Павел Шилов
Докладчик: Павел Филь
#АгроДТ_лаба
Please open Telegram to view this post
VIEW IN TELEGRAM