你好，每个人。
感谢你为了加入我们。
这标题的我们的讲话今天
是奥特利吗令人困惑！ 短C依法，毛茸茸的-N用过，平滑-C燕麦，或者欧亚？
只是问跳！
这些四物种发生在相同的栖息地在亚洲，在欧亚大陆，
和这问题是，如何做你告诉他们分开？
使用我们的FIT技术，这脚印鉴别技术
发达经过野生轨道，
我们能够实际上告诉他们分开。
这介绍将要是经过四人们：
弗雷德基斯特纳，谁是在这卡尔斯鲁厄德国理工学院
和还一个成员的这WildTrack专家团体;
拉里萨斯莱尼，谁是一个博士候选人在赫瑞-瓦大学，
适合猎豹研究项目
和还成员的这WildTrack专家团体。
佐伊朱厄尔和我，我是天空阿里拜，学院在公爵大学
和创始人的WildTrack和开发商的这脚印鉴别技术
和还会员WildTrack的专家团体。
我是去至做一个非常简短的演示，非常非常简短的介绍，
和然后患病的手超过至我们的下一个扬声器。
除了从极端主义者物种那我们工作上，
WildTrack有一个广泛的数字杰出的物种那我们工作上
在不同的部分的这世界，测距从这阿穆尔老虎在中国
至黑色的犀牛在非洲至捷豹在巴西。
全部的他们利用在一形式或其他
是脚印鉴别技术。
现在什么做脚印鉴别技术实际上做？
一的这事物关于足迹识别技术，FIT，
是那它作品作为一个加入在JMP。
它是设计的至分类物种或亚种
经过使用这指标从这脚印，
分类性别，分类年龄班级，和甚至分类个人。
现在那些是全部元素那是必需的至理解
这人口动力学的任何濒危物种，
这基本的基础元素。
这保护应用足迹鉴别技术，
这基线数据上数字和分配在形成：
数据-驱动的科学的保护策略，
贸易在濒危物种，
人类/动物冲突减轻，
和全部这些在一个方法将要是显示
至代表这方法在哪个獭保护作品。
现在患病的手你超过至拉里萨斯莱尼，谁将要开始这过程的解惑。
感谢你。
正确的。 感谢你非常很多，天空，为了这个伟大的介绍。
感谢你至JMP,为了允许我们至当下我们的研究这里。
是非常高兴关于那。
感谢你所以很多为了全部的你至在这里
和节目这个兴趣在我们的研究。
现在前是去至跳，双关语故意的，
进入解释我们的数据分析和JMP,
我将喜欢至给你一些背景至这个研究。
我们思考它是真的重要的至看在这个在语境
因为它是不是只是关于什么JMP可以做，
但如何这个是应用在这真实世界和如何我们科学家们能够利用它至...
它给我们这机会至制作变化为了这更好的，基本上。
我们的研究看起来在脚印分析作为天空已经只是说。
我们是看着在这脚印的亚洲人獭物种。
现在这里你能够看四不同的亚洲人獭物种
和他们是全部分类脆弱或批判性地——濒危经过这世界自然保护联盟，
和这家范围重叠，
就是这样——叫同域的獭物种。
上这最佳剩下，你能够看这平滑-c燕麦獭。
最佳正确的，你能够看这亚洲人短的或者小的-爪子獭，
底部剩下，这毛茸茸-鼻子獭，
和在底部正确的，你能够看这欧亚大陆獭。
现在，至是有能力的至监视器这不同的物种，
我们需要至搜集数据，哪个很难
和这样的非常难以捉摸物种。
你几乎不曾经看他们在这荒野，但你做看他们的脚印。
看着在这些脚印为了每个物种，
什么时候你看在他们这里，他们看非常相似的，别他们？
现在，它是相当棘手至告诉他们分开。
所以，我们放我们这任务至找出是否
那里是一个方法为了合身至区分之间这脚印
的这些四獭物种在一个科学的和可靠的方法。
现在，我们做有一个添加问题这里，因为这前脚印
的二的这物种有一个尺寸重叠
和这后脚印的其他物种
是形态上非常相似，
和还尺寸-明智的相当相似的至这正面脚的其他物种。
我们已经得到一个多级分类问题这里。
现在这里你能够看一个地图哪个显示分布范围
的这不同的獭物种。
这蓝色的区域这里，那是一个欧亚大陆獭。
然后这红色的区域是个光滑的-涂层獭。
这黄色下这里是这小的-抓到三、
和然后这粉色的超过这里是毛鼻水獭。
但你能够看它，虽然它看起来喜欢一个大的区域，
有实际上只是一个很少点缀岛屿那里。
什么是真的有趣的关于这个地图，虽然，
它节目你在哪里他们的家范围重叠。
那里是六领域在哪里
在至少二，如果不是甚至三的物种重叠。
为了保守主义者，它是真的重要的至寻找出去
在哪里不同的物种居住，至什么程度,
如何大的这人口是，和寻找出去作为很多作为可能的关于
这不同的人口
所以那我们有一个好的主意的如何濒危他们是。
现在，为什么是水獭保护重要的？
出色地，第一的的全部，水獭是分类作为基石物种，
和那方法那他们有一个影响上他们的环境
不成比例的至他们的丰富。
只是一个很少个人能够有相当一个大的影响。
他们玩一个真的重要的部分
在这食物链和贡献至这环境的平衡。
他们是还见过作为伞物种，
哪个方法那他们授予保护至一个大的数字的其他物种。
基本上，如果某物发生至这水獭，
那将要有一个影响上其他物种作为出色地。
他们是还一个指标物种，
所以他们实际上表明这健康的他们的环境。
他们将要不是居住在受污染的水域或者在污染湿地。
獭返回至一个区域是总是一个好兆头，
因为那方法水质和湿地健康是改善。
现在，威胁至水獭。 那里是很多的不同的威胁。
污染是这一我们已经提及只是现在。
但其他问题是这人类野生动物冲突，栖息地失利。
和那还来了失利的猎物。
一个n增加问题，尤其是在亚洲，
是这非法的贸易，这非法的野生动物贸易。
他们是特别在毛皮之后，这毛皮贸易和还后宠物。
婴儿水獭是采取出去的这野生并用作宠物，
哪个是不是好的为了獭保护在全部。
现在
如何做你方法一个保护项目喜欢这个？
出色地，第一的的全部，你需要至思考
如何做你想至监视器这人口。
什么做你想至看在？
做你想至看在物种分配？
是的，几乎总是。
做你想至看在个人ID？
做你想至寻找出去什么这性别比率内一个人口是？
这下一个事物你需要至决定是做你想至利用侵入性方法
那潜在的压力或者甚至伤害动物？
或者做你想至利用非侵入性技术或者方法
至监视器这物种哪个将要不是压力和伤害这动物？
我们，在野生轨道，
我们重点上非侵入性方式至监视器物种。
在这个特定项目，
我们是完全地聚焦上脚印鉴别。
现在，一次你有制成那些决定，
你需要至明显地火车人们来帮助你和这数据收藏
因为你不能是到处你不能去到处。
期间次的流行病，它是甚至更多的难的。
所以你需要至火车您的团队两个都在-人作为出色地作为远程
所以那有到过一个少量的一个挑战。
然后你需要至得到全部这数据收藏，
和这训练和这数据收集可以在现场进行，
哪个方法在这场地或者前任- situ，意思是在动物园里
和其他保护组织。
一次你得到这数据在，那是什么时候你开始这数据分析。
在我们的案子，那是什么时候我们开始使用JMP。
其他典型的问题为了任何保护项目是资金，的课程，和还
试至得到保护政策改善，
和管理策略为了保护至有那些改善。
那是基本上我们的结尾目标。 我们是收集全部这数据。
我们是分析全部这数据以便在这结尾的这天，
我们可以将该信息提供给政府
或者其他组织和他们能够做出明智的决定
和制作更好的保护政策。
让我只是去背部一更多的时间。
上这剩下手边这里，实际上，
你能够看一的我们的迷人的饲养员收集脚印为了我们。
上这正确的手侧面，你可以看到
一个脚印图片那曾是发送至我们从这荒野。
那是一个神秘脚印。
我们是问如果我们可以请寻找出去
哪个物种留下了那个足迹在后面。
那是真的什么我们想，
那研究人员开始至发送我们的足迹
和我们能够帮助他们查出哪个物种生活在他们的区域。
弗雷德将要，希望之后上，帮助我们揭示
哪个物种这个脚印属于至。
现在，我们已经问我们自己三研究问题，
和在这片刻我们是仍然聚焦上一。
这个是一个进行中项目。
一个吨这片刻，我们是聚焦上物种分类。
能合身，这脚印鉴别技术，
确认或者区分
在。。之间四不同的物种的獭我们是看着在？
什么时候我们已经得到足够的数据和足够的特定数据，
在哪里我们确实知道这个人，
我们将要看在个人分类和还在性别分类。
但那是去至是再远一点下这路。
到目前为止，我们已经与九个动物园合作，獭保护组织。
我们已经到过训练他们至搜集脚印下列的我们的散客协议。
这个有到过，再次，疫情期间，相当具有挑战性的。
我有不是到过有能力的至看大家在人，
所以一些人们我有不得不远程训练，
但他们已经全部到过绝对地太棒了，我们的动物园和动物园管理员，
和有真正迎接这个挑战
和有开始至真的发送在一个很多的图片
作为你能够看这里上这左边。
它是仍然全面的很多更小样本尺寸比我们想至有。
作为我说这是一个正在进行的项目，但它
是足够的至给我们
这能力至现在至分享一些初步的结果与你
所以我们能够画一些结论。
我们已经包括三獭物种在这个所以远的。
我们已经只要只是开始至开始至得到 h通风——鼻子獭印刷。
有只要一H风鼻水獭失能在这所有的宽的世界。
他的或者她，我是不是当然，印刷品才刚刚开始出现，
和我们将要更新在一个之后时间
这结果和这个第四物种在它。
但为了现在，是去至看在三獭物种。
是的，所以我思考它是时间至有一个更近看在如何我们做这数据分析
超过至弗雷德。
感谢你，拉里萨，和让我们跳直的进入行动。
喜欢天空提及之前，
散客有到过发达为了一个宽的数字的物种。
什么时候它是完全发达
或之后离开生产，它是一个加入进入JMP。
今天，我是去至证明一些部分的这数据分析
和一些部分发展前它来了进入生产。
什么我是去至说是，在一般的，我只是通缉至给你
一个小的少量的一个背景这是怎么回事发展是通常完毕。
我们的输入数据是集
和很少的设备和非常简单的设备。
那是一的这主要的优点的合身，
那它能够是广泛应用和非常小的设备。
你只要需要一个手机和一个统治者。
如果你想至开发合身楷模为了肯定物种，
你开始和一个图片数据库这通常是集
的已知个人作为拉里萨提及。
我们所以合作和动物园和其他野生动物中心。
这些图片是然后处理在 JMP 内至提炼几何的简介
那提炼一个很多的测量，角度，距离。
这个数据能够然后是用过的至开发合身楷模。
这一般的输出是那你想至看在物种，性别，个人。
如果你是有能力的至为个人编辑，你想至画结论
关于人口尺寸。
一次你开发这方法，
你确实想至测试这个上未知个人。
再次，你看在图片和得到一个预言的这楷模。
优点的合身基于上生物识别，它是非侵入性的。
它是一个标准化和成本有效的监测难以捉摸的野生动物的方法
那不能是监控经过直接的观察。
它能够是实施的为了几乎任何物种那树叶一个脚印。
它能够是结合与其他非侵入性方法
和叉-已验证楷模一般来说有一个高的准确性。
如何至建造这些楷模是东西那我将喜欢至演示。
什么我是去至演示今天在技术上看起来
在不同的脚印。
你看上这最佳剩下，你看一个后脚
的一个亚洲人小爪獭。
上这最佳正确的，你看一个剩下光滑的水獭前面，
上这底部剩下，一个剩下正面的一个欧亚大陆獭，
和上这正确的手边，你看一个右脚足迹
从一个未知獭从尼泊尔。
什么我们是去至做今天是我们过程这些图片。
然后我是去至节目你如何至快速发展
一个分类模型内JMP。
然后患病的看什么这预测
的这些迅速地开发方法是去至是。
它全部开始
和图片分析。
那是基于脚本执行内合身。
在这第一的步，你通常调整这尺寸的一个图片
所以那这脚印是清楚地可见的和这支配部分的这场地。
在命令至是可复制，
它是重要的那脚印是对齐下列的定义回转点。
为了水獭，这些是回转积分以下这第二和这第四脚趾。
然后你放一个定义放的地标点。
再次，为了水獭，这个是物种-具体的。
但为了其他，我有选择11地标。
他们是在这中央。
对不起，忘记一步。
的课程，你需要至定义一个规模第一的。
这里我们得到10 厘米。 这个是上面这儿。
你能够添加一些额外的信息。
只是至保持它简单的，我将要姓名th是罢工亚洲人短爪獭。
然后你放11地标点。
你可以，为了实例，用一个成本空气功能
如果你想至制作这个作为精确的显然，尽可能
但为了时间原因，患病的只是迅速地跑通过他们。
后环境11地标，你派生额外的点，
哪些有帮助积分那是还用过的
至提炼生物识别信息。
一次你有完毕那，
你会只是开始一个新的桌子和你去为了一个笔画。
患病的只是迅速地跑通过三更多的图片。
再次，你需要至调整大小他们。
现在，和这个图片，你能够看它是上行空间下。
什么我喜欢关于JMP是那
这图片窗户能够实际上做一些图片预加工。
现在，它是正确的正面。 对不起，我需要至翻动这个一更多的时间。
能做一些图片加工内JMP和所以你别有至改变
在软件之间。
那是某物那我真的喜欢那我能够做全部我的工作
内一软件其他比切换在之间一些软件。
再次，我说11地标点。
这个时间，患病的只是去超过他们又快又脏，
和希望那这预言将要是准确的足够的
那是一个欧亚水獭。
再次，我去附加
只是二更多的次，一为了这光滑涂层獭。
再次，我将要放这11地标，
和什么这地标是用过的为了，患病的节目你在一个第二。
派生点，追加行。
一最后的时间，这神秘拉里萨提到的足迹
那曾是发送至我们从一个项目在尼泊尔，
那是，至我的知识，正在做一些獭监控那里。
一的这物种有没见过为了在至少30年。
1、2、3、4、5、6 .
什么是不同的在这里就是它你有一个不同的规模。
那规模因素是某物那我需要至调整内这里。
再次，患病的迅速地点击通过这图片。
这个是一般完毕一个小的少量比较乏味，
但为了演示清酒，我会尝试点击通过他们迅速地。
和这个是一个未知
物种。
什么你结尾向上和这是这光滑涂层。
什么你结尾向上是
一个大的数据桌子.
这些是积分为了
评估这质量的这地标，哪个我做过不是去进入内这里。
你得到X和是坐标为了每个地标。
这些X和是坐标是衍生的
至计算一个大的数字的测量。
有更多的比100距离衍生的，一些角度和一些领域。
有相当一个很多的信息提取的出去的一个单身的脚印。
如果你重复这个步那我有只显示了几次，
你会结尾向上和一个数据桌子喜欢这个。
这个是这数据桌子那我要去至演示这预言模型上。
如果你有一个看什么我们有这里，
如果你看在这分布或物种或者目标多变的，
你看那我有405处理图片的欧亚大陆水獭，
278亚洲人短爪水獭，和127光滑涂层水獭。
它是不是完美一样-分布式组，
但在至少每个团体有相当大的样本量，
哪个将要希望工作为了造型。
每当你想至做任何一种有监督的造型，
它是一个好的主意至分裂你的数据进入训练和测试数据。
这个能够是非常容易地完毕在JMP。
你有至制作验证柱子内这预测性的造型平台。
什么我有完毕是我随机将我的数据分成 80% 的训练数据
和20%测试数据，
我将在哪里测试这楷模那是去至建造上
和看如何他们履行。
全部正确的，所以我有之前完毕这个。
什么患病的做现在是患病的只是选择我的训练数据，
哪个是648行，
和我将要只是有一个看进入一个数据看法。
这个是648观察。
患病的迅速地节省这个作为我的训练放。
再次，如果你有一个看在分布，
你可以看那我们有，
100光滑涂层獭印刷， 324欧亚大陆獭印刷，和223升学。
它是这相同的分配百分比作为和这以前的数据放。
在这下一个步，
我将要跳过出去一个大的部分当它来了至预测性的造型，
那是一个多变的选择。
我认为那我有不事先的知识，所以只是添加到全部变量
那是可用的。
我有不主意哪个模型是去至工作最好的。
什么我是去至做这里是患病的使用模型筛选平台
那比较一些不同的机器学习楷模
那是实施的在JMP只是比较步表现上这个
具体的任务。
再次，我的目标多变的是这物种。
这个是这一那我将喜欢至预测。
在全部的，我有209 次测量
提取的从我的足迹数据和这些是我的X变量。
这些是全部因素那能够潜在的是用过的。
什么你看下这里是你能够选择这方法那你想跑
和你能够基本上选择通过全部这预言方法。
但为了论据的清酒和为了运行，
患病的只要跑方法那我知道那将要跑通过迅速地。
你能够再次制作它可重现的经过环境一个随机的种子。
什么是还好的关于一个模型筛选平台
是你能够添加一个内部的验证步。
我们已经分裂我们的数据进入训练和测试放。
但在命令至有一个内部验证上这些楷模
那我是要去发展，
患病的添加k倍交叉验证。
患病的只是放一个打钩在这里所以那那里是一些楷模
被评估使用k折交叉验证方法。
好的，如果我只是点击迅速地，去上跑。
患病的有一个概括外表。
患病的看那四的我的楷模
有到过评估。
你会得到空中广场，
你会得到这几个模型的性能指标，
和你能够只是说哪个一是这最好的。
你只是选择这主导的一。
你能够看进入这训练或进入测试集
哪个将要还给你一个错误分类速度。
你能够看那错误分类速度为了引导森林曾是相当感人的。
它是几乎95%的这数据被正确分类
在这验证放。
为了论据的清酒，让我们说，那这引导森林，
这决策树，和这判别分析
是这三最好的楷模和我是不是当然哪个一是这最好的。
我能够只是跑那些三楷模作为选择。
他们会流行音乐向上在他们的各自平台。
什么我能够做是患病的只是
节省这预言公式进入我的公式仓库。
患病的做这个为了这决策树模型，所以我能够关这个。
患病的做这个
为了这判别分析，在这里完成。
最后的但不是至少，我能够做这个为了这引导森林模型
这里。
什么我有现在是...
某人我能够关，我是对不起。
我有三楷模在我的公式仓库。
我现在想至评估如何这些楷模履行上新的数据。
再次，我去进入我的初始数据表
和我选择我的测试放，
所以全部这变量那有一直在随机选择
作为一个验证放。
患病的只是迅速地节省这个作为测试放。
在这下一个步，我能够技术上
打开我的公式库和我能够跑所有那些楷模在这新的数据桌子。
我将要跑他们上这测试放。
我想至跑全部三的这楷模。
我能够做一个模型比较
我跑的地方这三楷模上这测试放。
那是实际上什么我通缉至节目。
你会看下这里，我希望你能够看这个。
尝试至飞涨在一个小的少量那
这错误分类费率这些模型中的是实际上相当低的。
测试集是新的数据那有不是在模型上看到
和那里曾是一个错误分类速度
为了这决策树模型的16%，尽管这判别分析
和这引导森林
只要有一个错误分类速度的12%。
你有这最高空气正方形价值为了这引导森林，
和那里是一些其他指标那你想至看在。
为了我们，这最多重要的公制是这预言，正确的或者错误的。
我通常看一个很多在这错误分类速度。
但明显地，全部这其他指标
可以使用至评估和产生好的楷模。
最后的但不是至少，
我们想至有一个看的如何这些楷模
实际上履行上这脚印那是只是之前处理。
再次，我们去背部进入我们的... 现在，它在哪里？
在我们的公式库和出色地跑这个
在四图片那我们之前
处理。
如果我们打开这个数据桌子，
你能够有一个看在这预言。
什么我们能够看这里。 我会做它一个小的少量更多的明显地。
所以这个曾是
这原来的数据，
和如果我只是看进入这物种为了这第一的模型，
一切曾是预料到的正确。
这第一的模型曾是这决策树那预料到的ASC为了升压，
欧亚大陆水獭欧亚大陆獭，光滑涂层为了光滑涂层，
和相同的和这判别分析和相同的和这引导程序森林。
三个都楷模实际上预料到的正确的物种至这图片
我们处理过的，和全部楷模是还持续的
关于他们的预言什么时候它来了至这欧亚大陆獭。
我是正在做我的博士主要是上这欧亚大陆獭物种。
这个曾是还某物那我将有猜测作为一个专家
上这个特定物种脚印。
所以它是相当持续的和它作品真的出色地。
明显地，你能够添加更多的脚步你可以美好的调
您的分类评价更高如果你看更多的进入特征选择。
但我思考什么我通缉至节目你和这个演示是如何容易地一个问题
什么物种它是能够是回答使用JMP。
我希望这个曾是相当直觉的。
让我画一些结论上那，一些结果。
什么我真的喜欢关于JMP是一个伟大的全部-在-一解决方案。
我能够提炼生物识别数据从图片内这合身加入。
我别有至转变软件至做这数据分析。
直接地，我的提取的生物识别数据能够是分析了。
和不是只要分析了在一个描述性的方法，
我能够建造分类楷模。
有状态-的-这艺术机器学习楷模实施的进入那，
和所以它是一个一-和-全部解决方案。
有明显地其他方法至也这样做，
但我只是喜欢这实用性。
为了我们的特定研究问题，
所以我们的獭物种具体的分类楷模在这个阶段，
如何很多数据我们有，他们有执行非常出色地。
他们是有能力的至保护这物种
的单身的未知獭脚印和高的分类速度。
为了实例，这里
神经网，哪个我做过不是跑在这个例子
因为这运行是一个长一点，
有一个错误分类速度的只要10%上这相同的测试放。
它可以甚至增加这分类准确性的其他百分之二。
如果你潜水在更深，你能够甚至增加这个一个小的少量更多的。
一事物那我们的经验从在职的和脚印在这场地
增加这分类精度经过相当一个很多
是相当比在职的单脚印
是至工作和小径。
一个动物，取决于上在哪里你是，取决于上这基质，
没有只要离开一个单身的脚印。
没有去也很多进入细节，一个脚印能够是一个相当复杂的事情
因为它变量一个很多和这基质那一个动物
正在移动通过和这速度的一个动物和这门。
那里能够是相当一个少量的噪音和背景变化。
如果你工作和多脚印和拿一个平均的一个预言
反而的单身的脚印，
你能够地址这个变化相当一个少量更多的。
这个来了尤其重要的什么时候你想至看在个人鉴别。
最后的但不是至少，
JMP是还伟大的至获得见解上这重要性的变量。
有一些方法内JMP
那你能够看进入哪个是实际上是变量
那是贡献这最多至预测。
你能够任何一个看在树-基于方法，
在哪里你看在这分类树和在哪里这分裂是完毕。
你能够看进入柱子贡献再次为了树-基于方法，
如果你工作和引导 F矿石，或者XGBoost，或者某物喜欢那。
你能够看哪个列实际上是在选择如何许多次。
你可以看进入这预言剖析器
如果你利用这普通的造型平台内JMP。
你能够技术上有一个看是什么预言的您的模型，
如何它是去至改变如果你改变肯定价值观。
或者你能够做某物喜欢一个判别分析，
在哪里你只是跟随
这F-比率的如何变量是选择。
这个将要然后，再次，给你一个很多见解
因为它真的要看上您的问题。
做你想至有一个外部顾问的预测
的什么物种你是看着在？
或者做你想至给一个实地工作指南
的哪个测量是值得看着进入
什么时候你是进入场地，
什么时候你想至制作这主题分类，
喜欢只是上专家知识？
是的，所以那是基本上它从我的边。
我将喜欢至感谢全部这贡献动物园和野生动物公园谁允许我们
至工作和他们的美丽的动物和分享数据和我们。
尤其，我将喜欢至感谢优雅约克森从这IOSF,
这獭生存公司谁得到我们进入接触和许多的他们，
KHYS,我们的卡尔斯鲁厄楼年轻的科学家们
谁实际上资助了这项研究，
和最多重要的，约瑟夫摩根从JMP,
谁很有帮助到那个时刻造型和合身。
然后他有到过给予我建议
更多的比一次什么时候我得到任何JSL脚本问题。
是的，那是漂亮的很多它从我的边。
感谢你非常很多为了听所以远的，每个人。
我只是真的想至圆形的向上这里。
我认为天空，和拉里萨，和弗雷德勾勒得很漂亮
这挑战我们面临在识别这些不同种类的水獭
大约这世界和这方法在哪个JMP能够帮助我们
分类他们和带来一些清晰至这个图片。
在哪里是他们和如何许多是那里？
ID喜欢至只是迅速地讲话关于什么是下一个。
如何是我们建造上这个？
一的这事物是正在做是建造
人造的智力进入这个图片所以那它将要允许我们至
筛选和种类一个很多更大体积的数据作为它来了在。
作为两个都弗雷德和拉里萨有说，我们需要更多的数据。
人造的智力有这潜在的，
哪个我们已经已经裸露在一些早期训练
和测试和场地数据
作为你能够看在这底部的这个画面。
是得到合理地良好的准确性在我们的最初的试验和人工智能。
我们思考那它将要绝不给我们相当这解析度那JMP将要给我们。
什么是瞄准至做是有一个人工智能平台
哪个将要是简单的为了公民科学家至喂养数据进入。
出色地有JMP作为这顶级分类器上那平台经过整合它。
但这钥匙这里真的是那这个神秘的地面证据
剩下在后面经过水獭和全部这其他物种
在那儿为了我们至解码要是我们能够寻找一个方法至做它。
它真的是变革性的在保护
至是有能力的至有一个便宜又快捷的技术
至知道在哪里这些濒危物种是。
是非常乐观的使用一个基线人工智能分类器
与 JMP作为一个最后分类器，出色地是有能力的至制作那技术
不仅递送这数据我们需要，但整合人们全部全世界
作为公民科学家们至是部分的那。
是真的感激的至这JMP 社区为了支持我们
通过这个所有的旅行。
是不断地制造新的大步前进。
我们知道那有兴趣在这个社区，
和我们希望那他们将要加入我们
什么时候我们的新的移动的应用程序来了出去至甚至开始收集数据他们自己
和推动这个向前到我们想要的地方是，
哪个是一个分类器
为了全部濒危物种全部超过这世界。
这里是至很多和很多的积分上这地图，
和感谢你全部为了听。
