やあ、みんな。
感謝君ために接合我ら。
Theタイトルの私たちのトーク今日
それはOtterlyです紛らわしい！ ショートC法律、ヘアリー-N osed、 Smooth-C oated、またユーラシア？
ただ聞くJMP！
これらは四種族発生するの同じハビタのアジア、のユーラシア、
とthe質問は、どうやってする君教えて彼ら離れて？
使用する私たちのFITテクニック、 theフットプリント身元技術
発展したにWildTrack、
私たちできる実際に教えて彼ら離れて。
Theプレゼンテーション意思なれに四人：
フレッドキスナー、 WHOはでtheカールスルーエドイツの工科大学
とまたaメンバーのthe WildTrackスペシャリストグループ;
ラリッサスラニー、 WHOはa博士号候補者でヘリオット-ワット大学、
FITチーターリサーチ計画
とまたメンバーのthe WildTrackスペシャリストグループ。
ゾーイジュエルと私自身、私空アリバイ、学部で公爵大学
と創設者のWildTrackと開発者のtheフットプリント身元技術
とまたメンバーワイルドトラックのスペシャリストグループ。
私行くにするaとても簡単なデモ、非常に簡単な紹介、
とそれから病気手以上に私たちの次スピーカー。
離れてからウルトラ種族それ私たち仕事オン、
WildTrackもっていると広範囲番号著名な種族それ私たち仕事オン
さまざまな部分でのthe世界、レンジングからtheアムール虎の中国
にブラックサイのアフリカにジャガーのブラジル。
全ての彼ら利用するの一形または別の
それはフットプリント身元テクノロジー。
今何しますフットプリント身元テクノロジー実際にする？
一のtheものだいたいフットプリント識別技術、FIT、
はそれそれ作品なのでと加えるのJMP。
これは設計に分類する種族または亜種
にを使用してtheメトリックからthe足跡、
分類するセックス、分類する年クラス、と平分類する個人。
今それらのそれはすべて要素それそれは必要に理解する
the人口ダイナミクスのどれか絶滅危惧種種族、
the必要不可欠財団要素。
The保全アプリケーションフットプリントの身元技術、
theベースラインデータオン数字と分布のフォーム：
データ-駆動科学的保全戦略、
トレードの絶滅危惧種種族、
人間/動物対立緩和、
とすべてこれらはのa仕方意思なれ示されている
に代表するthe仕方のどれのカワウソ保全動作します。
今病気手君以上にラリッサスラニー、 WHO意思始めるthe処理するの混乱を解消します。
感謝君。
右。 感謝君とても多くの、空、ためにこれすごい前書き。
感謝君にJMP、ために許可する我らに現在私たちのリサーチここ。
そうだったとても喜んでだいたいそれ。
感謝君それで多くのためにすべての君にここに
と見せるこれ興味の私たちのリサーチ。
今前そうだった行くにジャンプ、しゃれ意図されました、
の中へ説明私たちのデータ分析とJMP、
私だろうお気に入りに与える君いくつかバックグラウンドにこれリサーチ。
私たち考えるそれは本当重要に見るでこれの環境
なぜならこれはいいえただだいたい何JMPできる、
しかしどうやってこれは適用のthe現実の世界とどうやって私たち科学者できる使用するそれに...
これ与える我らthe機会に作る変更ためにtheより良い、基本的に。
私たちのリサーチ見えるでフットプリント分析なので空すでにただ言った。
私たちそれは見てでthe足跡のアジア人カワウソ種族。
今ここ君できる見る四違うアジア人カワウソ種族
と彼らはすべて分類脆弱なものとしてまたは批判的に-絶滅危惧種にthe IUCN、
とthe家範囲重なった、
そうです-と呼ばれる同所性カワウソ種族。
オンthe上左、君できる見るtheスムーズ-c oatedカワウソ。
上正しい、君できる見るtheアジア人短いまた小さい-爪カワウソ、
下左、 the毛深い-鼻を鳴らしたカワウソ、
とで下正しい、君できる見るtheユーラシアカワウソ。
今、になれできるにモニターthe異なる種、
私たち必要に収集データ、どれの難しい
とそのようなとてもとらえどころのない種族。
君はしそうにないこれまで見る彼らのthe野生、しかし君する見る彼らの足跡。
見てでこれらは足跡ために各種、
いつ君見るで彼らここ、彼ら見るとても似ている、しないでください彼ら？
今、これはとてもトリッキーに教えて彼ら離れて。
したがって、私たちセットする我らtheタスクにかどうかを調べる
そこのはa仕方ためにフィットに区別の間にthe足跡
のこれらは四カワウソ種族のa科学的と信頼性のある仕方。
今、私たちする持ってると追加した問題ここ、なぜならtheフロントフットプリント
の2のthe種族持ってるaサイズオーバーラップ
とthe後部フットプリントの別種族
は形態学的に似ている、
とまたサイズ-賢いとても似ているにtheフロント足の別種族。
私たちは取得しましたaマルチクラス分類問題ここ。
今ここ君できる見るa地図どれの分布範囲を示します
のthe違うカワウソ種族。
The青い範囲ここ、それはaユーラシアカワウソ。
それでthe赤範囲それはスムーズ-コーティングされたカワウソ。
The黄下ここはthe小さい-爪oター、
とそれからtheピンク以上ここスマトラカワウソです。
だが君できる見るそれ、でもそれ見えるお気に入りa大きい範囲、
あります実際にただa少し点在島々そこの。
何は本当面白いだいたいこれしかし、地図は
それショー君どこ彼らの家範囲オーバーラップ。
三それは六エリアどこ
で少しでも2、もしもいいえ平三種の重複。
ために自然保護論者、これは本当重要に探すアウト
どこ違う種族住む、に何範囲、
どうやって大きいthe人口それは、と探すアウトなので多くのなので可能だいたい
the違う人口
それでそれ私たち持ってるa良い考えのどうやって絶滅危惧種彼らそれは。
今、どうしてはカワウソの保護重要？
良い、最初のすべて、カワウソそれは分類キーストーンとして種族、
とそれ手段それ彼ら持ってると効果オン彼らの環境
不均衡に彼らの豊富。
ただa少し個人できる持ってるとてもa大きい影響。
彼ら遊ぶa本当重要部
のthe食物鎖と助けるにthe環境平衡。
彼らはまた見たなので傘種族、
どれの手段それ彼ら与える保護にa大きい番号の他の種族。
基本的に、もしもなにか起こるにtheカワウソ、
それ意思持ってると影響オン他の種族なので良い。
彼らはまたとインジケータ種族、
それで彼ら実際に示すthe健康の彼らの環境。
彼ら意思いいえ住むの汚染された水またの汚染された湿地。
カワウソ戻るにと範囲は常に良い兆候、
なぜならそれ手段水質と湿地健康は改善します。
今、脅威にカワウソ。 三それはたくさんの違う脅威。
汚染はthe一私たちはすでに言及されたただ今。
だが別問題はthe人間野生動物対立、ハビタ損失。
とそれまた来る損失の獲物。
A n増加特にアジアでの問題、
はthe違法トレード、 the違法野生動物トレード。
彼らそれは特に毛皮の後、 the毛皮トレードとまた後ペット。
赤ちゃんカワウソそれは取られたアウトのthe野生でペットとして使用され、
どれのはいいえ良いためにカワウソ保全ですべて。
今
どうやってする君アプローチa保全事業お気に入りこれ？
良い、最初のすべて、君必要に考える
方法についてする君欲しいですにモニターthe人口。
何する君欲しいですに見るで？
する君欲しいですに見るで種族分布？
はい、ほとんどいつも。
する君欲しいですに見るで個人ID？
する君欲しいですに探すアウト何theセックス比率以内にa人口は？
The次もの君必要に決定はする君欲しいですに使用する侵襲的メソッド
それ潜在的にストレスまた平動物に危害を加えますか？
またはする君欲しいですに使用する非侵襲的テクノロジーまたメソッド
にモニターthe種族どれの意思いいえストレスと危害the動物？
私たち、でWildTrack、
私たち集中オン非侵襲的な方法にモニター種族。
のこれ特に事業、
私たちそれは完全にフォーカシングオンフットプリント身元。
今、一度君持ってる製それらの決定、
君必要に明らかに訓練人あなたを助けることとtheデータコレクション
なぜなら君できませんなれどこにでもそして、あなたはできません行くどこにでも。
その間タイムズのパンデミック、これは平もっと難しい。
それで君必要に訓練君のチーム両方の-人なので良いなのでリモートで
それでそれもっているその間a少しのaチャレンジ。
それで君必要に得るすべてtheデータコレクション、
とtheトレーニングとtheデータ収集はその場で行うことができます、
どれの手段のthe分野また元-その場、つまり動物園で
と他の保全組織。
一度君得るtheデータの、それはいつ君始めるtheデータ分析。
の私たちの場合、それはいつ私たち始めるを使用してJMP。
他の典型的問題ためにどれか保全事業は資金、のコース、とまた
しようとしていますに得る保全ポリシーが改善され、
と管理戦略ために保全に持ってるそれらの改善されました。
それは基本的に私たちの終わりゴール。 私たちそれは収集すべてtheデータ。
私たちそれは分析すべてtheデータとなることによってでthe終わりのthe日、
私たちその情報を政府に提供することができます
また他の組織と彼らできる情報に基づいた決定を行う
と作るより良い保全ポリシー。
させて自分ただ行く戻る一もっと時間。
オンthe左手側ここ、実際に、
君できる見る一の私たちの素晴らしい動物園の飼育係収集足跡ために我ら。
オンthe正しい手側、あなたは見ることができます
aフットプリント画像それだった送信済に我らからthe野生。
それはa神秘フットプリント。
私たちそうだった尋ねたもしも私たちできるお願いします探すアウト
どれの種族その足跡を残しました後ろに。
それは本当何私たち欲しいです、
それ研究者始めるに送信私たちの足跡
と私たちできるヘルプ彼ら探し出すどれの種族生きているの彼らの範囲。
フレッド意思、うまくいけば後でオン、ヘルプ私たちが明らかにする
どれの種族これフットプリント所属に。
今、私たちは尋ねた私たち自身三研究の質問、
とでthe一瞬私たちそれはまだフォーカシングオン一。
これはと進行中事業。
A t the一瞬、私たちそれはフォーカシングオン種族分類。
できるフィット、 theフットプリント身元テクノロジー、
識別また区別
間に四違う種族のカワウソ私たちそれは見てで？
いつ私たちは取得しました足りるデータと十分な特定のデータ、
どこ私たち絶対に知るthe個人、
私たち意思見るで個人分類とまたでセックス分類。
だがそれは行くになれもう少し下the道。
これまでに9つの動物園とチームを組み、カワウソ保全組織。
私たちはその間トレーニング彼らに収集足跡続く私たちのFITプロトコル。
これもっているその間、また、 COVID中、とても挑戦。
私はいいえその間できるに見るみんなの人、
それでいくつか人私はリモートでトレーニングする必要がありました、
しかし彼らはすべてその間絶対素晴らしい、私たちの動物園と動物園の飼育係、
と持ってる本当にこの挑戦に立ち上がった
と持ってる始めたに本当送信のa多くの画像
なので君できる見るここオンthe左。
これはまだ全体多くの小さいサンプルサイズよりも私たち欲しいですに持ってる。
として私進行中のプロジェクトだと言ったが、
は足りるに与える我ら
the能力に今に共有あなたとのいくつかの予備的な結果
それで私たちできる描くいくつか結論。
私たちは含まれています三カワウソ種族のこれそれで遠い。
私たちはそれだけただ始めたに始めるにhを取得風通しの良い-鼻を鳴らしたカワウソプリントします。
ありますそれだけ一h風通しの良いカワウソ拘束力のthe全体幅世界。
彼のまた彼女、私いいえ確かに、プリントが入り始めたばかりです、
と私たち意思アップデートでa後で時間
the結果とこれ第4種族のそれ。
だがために今、そうだった行くに見るで三カワウソ種族。
はい、それで私考えるこれは時間に持ってるaクローザー見るでどうやって私たちするtheデータ分析
以上にフレッド。
感謝君、ラリッサ、としましょうジャンプ真っ直ぐの中へアクション。
お気に入り空言及された以前、
FITはその間発展したためにa幅番号の種族。
いつこれは完全に発展した
または後去る製造、これはと加えるの中へJMP。
今日、私行くにデモンストレーションいくつかの部分のtheデータ分析
といくつか開発の一部前それ来るの中へ製造。
何私午前行くにいうは、の全般的、私ただ欲しかったに与える君
a少し少しのaバックグラウンドどのようにこれの発達はいつもの終わり。
私たちの入力データは集めました
と非常に少ない機器ととても単純装置。
それは一のthe主要利点のフィット、
それそれできるなれ広く適用ととても少し装置。
君はそれだけ必要aスマートフォンとaルーラー。
もしも君欲しいですに発展させるフィットモデルために特定種族、
君始めるとと画像データベースそれは通常です集めました
の既知個人なのでラリッサ言及された。
私たちしたがって協力すると動物園と他の野生動物センター。
これらは画像それはそれから処理済みJMP内にエキス幾何学的プロファイル
それエキスa多くの測定、角度、距離。
これデータできるそれからなれ中古に発展させるフィットモデル。
The全般的出力はそれ君欲しいですに見るで種族、セックス、個人。
もしもあなたはできるに個人向けに編集、君欲しいですに描く結論
だいたい人口サイズ。
一度君発展させるthe方法、
君絶対に欲しいですにこれをテストするオンわからない個人。
また、君見るで画像と得るa予測のtheモデル。
利点のフィットベースオン生体認証、これは非侵襲的。
これはa標準化と費用効果的とらえどころのない野生生物を監視する方法
それできませんなれ監視に直接観察。
これできるなれ実装ためにほとんど任意の種それ葉っぱaフットプリント。
これできるなれ結合他の非侵襲的メソッド
とクロス-検証済みモデル一般的持ってるa高い正確さ。
どのようにに建てるこれらはモデル何かですそれ私だろうお気に入りにデモ。
何私行くにデモ今日技術的に探しています
で違う足跡。
君は見るオンthe上左、君見るa後足
のとアジア人小さな爪カワウソ。
オンthe上正しい、君見るa左ビロードカワウソの前、
オンthe下左、 a左フロントのaユーラシアカワウソ、
とオンthe正しい手側、君見るa右足のフットプリント
からとわからないカワウソからネパール。
何私たちそれは行くにする今日は私たち処理するこれらは画像。
それで私行くに見せる君どうやってに迅速に開発
a分類モデル以内にJMP。
それで病気見る何the予測
のこれらは早く発展させるメソッドそれは行くになれ。
これすべて開始
と画像分析。
それはスクリプトベース実装以内にフィット。
のthe最初ステップ、君いつもの調整theサイズのと画像
それでそれtheフットプリントは明らかに見えるとthe支配的部のthe分野。
の注文になれ複製可能、
これは重要それ足跡それは整列続く定義済み回転ポイント。
ためにカワウソ、これらはそれは回転ポイント下the 2番目とthe第4つま先。
それで君セットするa定義済みセットするのランドマークポイント。
また、ためにカワウソ、これは種族-明確。
だがためにその他、私は選ばれた11ランドマーク。
彼らはのthe中心。
ごめん、忘れた一ステップ。
のコース、君必要に定義a規模最初。
ここ私たち取得しました10センチ。 これはここまで。
君はできる追加いくつか追加情報。
ただに保つそれ単純、私意思名前thストライキですアジア人短い爪カワウソ。
それで君セットする11ランドマークポイント。
君はできる、ために実例、使う費用空気関数
もしも君欲しいですに作るこれなので正確可能な限り、明らかに、
しかしために時間理由、病気ただ早く走る使って彼ら。
後設定11ランドマーク、君派生する追加ポイント、
助けているポイントそれそれはまた中古
にエキス生体認証情報。
一度あなたは終わりそれ、
あなたはただ始めるa新着テーブルと君行くためにaペン描く。
病気ただ早く走る使って三もっと画像。
また、君必要にサイズ変更彼ら。
今、とこれ画像、君できる見るこれは逆さま下。
何私お気に入りだいたいJMPはそれ
the画像窓できる実際にするいくつか画像プレ処理。
今、これは正しいフロント。 ごめん、私必要にフリップこれ一もっと時間。
できるするいくつか画像処理以内にJMPとそれで君しないでください持ってるに変化する
のソフトウェア間。
それはなにかそれ私本当お気に入りそれ私できるするすべてわたしの仕事
以内に一ソフトウェア他の切り替えるよりのの間にいくつかのソフトウェア。
また、私言った11ランドマークポイント。
これ時間、病気ただ行く以上彼ら速くて汚い、
と望むそれthe予測意思なれ正確足りる
それはaユーラシアカワソウ。
また、私行く追加
ただ2もっと時、一ためにtheビロードカワウソカワウソ。
また、私意思セットするthe 11ランドマーク、
と何theランドマークそれは中古ために、病気見せる君のa 2番目。
派生するポイント、行を追加します。
一過去時間、 the神秘ラリッサが言及したフットプリント
それだった送信済に我らからa事業のネパール、
それは、にわたしの知識、やっていくつかカワウソモニタリングそこの。
一のthe種族もっている見られなかったためにで少しでも30年。
1、2、3、4、5、6 。
何ですか違うのここそれは君持ってるa違う規模。
それか規模要素はなにかそれ私必要に調整以内にここ。
また、病気早くクリック使ってthe画像。
これは通常は終わりa少し少しもっと退屈な、
しかしためにデモ酒、やってみますクリック使って彼ら早く。
とこれはとわからない
種族。
何君終わり上とこれは。。。でしたtheビロードカワウソ。
何君終わり上は
a大きいデータテーブル。
これらはそれはポイントために
評価the品質のtheランドマーク、どれの私したいいえ行くの中へ以内にここ。
君は得るバツとY座標ために各ランドマーク。
これらはバツとY座標それは派生
に計算するa大きい番号の測定。
ありますもっとよりも100距離派生、いくつか角度といくつかエリア。
ありますとてもa多くの情報抽出アウトのa独身フットプリント。
もしも君繰り返すこれステップそれ私は数回表示されただけです
あなたは終わり上とaデータテーブルお気に入りこれ。
これはtheデータテーブルそれ私は行きますにデモthe予測モデルオン。
もしも君持ってるa見る何私たち持ってるここ、
もしも君見るでthe分布または種また目標変数、
君見るそれ私持ってる405処理済み画像のユーラシアカワウソ、
278アジア人短い爪カワウソ、と127ビロードカワウソカワウソ。
これはいいえ完全に同様に-分散グループ、
しかしで少しでも各グループもっているかなり重要なサンプルサイズ、
どれの意思うまくいけば仕事ためにモデリング。
いつでも君欲しいですにするあらゆる種類監視ありモデリング、
これはa良い考えにスプリットあなたのデータの中へトレーニングとテストデータ。
これできるなれとても簡単に終わりのJMP。
君は持ってるに作る検証桁以内にthe予測モデリングプラットホーム。
何私は終わりは私無作為に私のデータを80％のトレーニングデータに分割します
と20パーセントテストデータ、
ここでテストしますtheモデルそれそうだった行くに建てるオン
と見るどうやって彼ら実行。
全て正しい、それで私は以前終わりこれ。
何病気する今は病気ただトレーニングデータを選択し、
どれのそれは648行、
と私意思ただ持ってるa見るの中へaデータ見る。
これは648観察。
病気早く保存これなのでわたしのトレーニングセットする。
また、もしも君持ってるa見るで配布、
君できる見るそれ私たち持ってる、
100ビロードカワウソカワウソプリント、 324ユーラシアカワウソプリント、と223 ASC。
これはthe同じ分布パーセンテージなのでとthe前データセットする。
のthe次ステップ、
私意思スキップアウトa大きい部それが来るに予測モデリング、
それはa変数選択。
私推定それ私持ってるいいえ前知識、それでただに追加すべて変数
それそれは利用可能。
私持ってるいいえ考えどれのモデルは行くに仕事一番。
何私行くにするここは病気モデルスクリーニングプラットフォームを使用する
それ比較するいくつかの違う機械学ぶモデル
それそれは実装のJMP比較するだけですステップパフォーマンスオンこれ
明確タスク。
また、わたしの目標変数はthe種族。
これはthe一それ私だろうお気に入りに予測する。
の合計、私持ってる209回の測定
抽出からわたしのフットプリントデータとこれらはそれはわたしのバツ変数。
これらはそれはすべて要因それできる潜在的になれ中古。
何君見る下ここは君できる選ぶthe方法それ君実行したい
と君できる基本的に選ぶ使ってすべてthe予測メソッド。
だがために引数の酒とためにランタイム、
病気それだけ走るメソッドそれ私知るそれ意思走る使って早く。
君はできるまた作るそれ再現性に設定aランダムシード。
何ですかまた良いだいたいaモデルスクリーニングプラットフォーム
は君できる追加と内部検証ステップ。
私たちすでにスプリット私たちのデータの中へトレーニングとテストセットする。
だがの注文に持ってると内部検証オンこれらはモデル
それ私開発するつもり、
病気追加k倍相互検証。
病気ただ置くaダニのここそれでそれそこのそれはいくつかのモデル
評価されますを使用してk倍相互検証方法。
わかった、もしも私ただクリック早く、行くオン走る。
病気持ってるaまとめ見通し。
病気見るそれ四のわたしのモデル
持ってるその間評価されました。
あなたは得るエアスクエア、
あなたは得るこれらのいくつかのモデルのパフォーマンスメトリック、
と君できるただいうどれの一はthe一番。
君はただ選択するthe支配的一。
君はできる見るの中へtheトレーニングまたはテストセットに
どれの意思また与える君a誤分類割合。
君はできる見るそれ誤分類割合ためにブートストラップフォレストだったとても印象的。
これはほとんど95パーセントのtheデータ正しく分類されました
のthe検証セットする。
ために引数の酒、しましょういう、それtheブートストラップフォレスト、
theデシジョンツリー、とthe判別分析
そうだったthe三一番モデルと私いいえ承知しましたどれの一はthe一番。
私できるただ走るそれらの三モデル選択したとおり。
彼らはポップ上の彼らのそれぞれプラットホーム。
何私できるするは病気ただ
保存the予測方式の中へわたしのフォーミュラデポ。
病気するこれためにtheデシジョンツリーモデル、それで私できる選ぶこれ。
病気するこれ
ためにtheここで行われる判別分析。
最後しかしいいえ少しでも、私できるこれを行うためにtheブートストラップフォレストモデル
ここ。
何私持ってる今は...
誰か私できる選ぶ、私ごめん。
私持ってる三モデルのわたしのフォーミュラデポ。
私今欲しいですに評価どうやってこれらはモデル実行オン新着データ。
また、私行くの中へわたしの初期データテーブル
と私選択するわたしのテストセットする、
それですべてthe変数それ持ってるランダムに選んでいる
なのでa検証セットする。
病気ただ早く保存これなのでテストセットする。
のthe次ステップ、私できる技術的に
開いたわたしのフォーミュラデポと私できる走るそれらすべてモデルのthe新着データテーブル。
私意思走る彼らオンtheテストセットする。
私欲しいですに走るすべて三のtheモデル。
私できるするaモデル比較
私がすべてを実行する場所the三モデルオンtheテストセットする。
それは実際に何私欲しかったに見せる。
あなたは見る下ここ、私望む君できる見るこれ。
試すにズームのa少し少しそれ
the誤分類料金これらのモデルのそうだった実際にとても低い。
テストセットは新着データそれもっているいいえモデルで見られた
とそこのだったa誤分類割合
ためにtheデシジョンツリーモデルの16パーセント、その間the判別分析
とtheブートストラップフォレスト
それだけ持っていましたa誤分類割合の12パーセント。
君は持ってるthe最高空気平方価値ためにtheブートストラップフォレスト、
とそこのそれはいくつかの他のメトリックそれ君欲しいですに見るで。
ために我ら、 the多くの重要メトリックはthe予測、正しいまた違う。
私いつもの見るa多くでthe誤分類割合。
だが明らかに、すべてthe他のメトリック
に使えるに評価と生成良いモデル。
最後しかしいいえ少しでも、
私たち欲しいですに持ってるa見るのどうやってこれらはモデル
実際に実行オンthe足跡それそうだったただ以前処理されました。
また、私たち行く戻るの中へ私たちの... さて、どこにありますか？
の私たちのフォーミュラデポと良い走るこれ
で四画像それ私たち以前
処理されました。
もしも私たち開いたこれデータテーブル、
君できる持ってるa見るでthe予測。
何私たちできる見るここ。 作りますそれa少し少しもっと明らかに。
それでこれだった
theオリジナルデータ、
ともしも私ただ見るの中へthe種族ためにthe最初モデル、
すべてのだった予測正しく。
The最初モデルだったtheデシジョンツリーそれ予測ASCためにASC、
ユーラシアカワウソユーラシアカワウソ、ビロードカワウソためにビロードカワウソ、
と同じとthe判別分析と同じとtheブートストラップ森。
3つすべてモデル実際に予測適切な種にthe画像
私たちが処理したこと、とすべてモデルそうだったまた一貫性のある
だいたい彼らの予測いつそれ来るにtheユーラシアカワウソ。
私やってわたしの博士号主にオンtheユーラシアカワウソ種族。
これだったまたなにかそれ私だろう持ってる推測なのでとエキスパート
オンこれ特に種族フットプリント。
それでこれはとても一貫性のあるとそれ作品本当良い。
明らかに、君できる追加もっとステップそして、次のことができます大丈夫曲
君の分類さらにレートもしも君見るもっとの中へ特徴選択。
だが私考える何私欲しかったに見せる君とこれデモはどうやって簡単にa質問
なにかの種族それはできるなれ答えたを使用してJMP。
私望むこれだったとても直感的。
させて自分描くいくつか結論オンそれ、いくつか結果。
何私本当お気に入りだいたいJMPはaすごいすべて-の-一解決。
私できるエキス生体認証データから画像以内にtheフィット加える。
私しないでください持ってるにスイッチソフトウェアにするtheデータ分析。
直接、わたしの抽出生体認証データできるなれ分析した。
といいえそれだけ分析のa記述的仕方、
私できる建てる分類モデル。
あります州-の- the美術機械学ぶモデル実装の中へそれ、
とそれでこれはa一-と-すべて解決。
あります明らかに他の方法にそれもしなさい、
しかし私ただお気に入りthe実用性。
ために私たちの特にリサーチ質問、
それで私たちのカワウソ種族明確分類モデルでこれステージ、
どうやって多くのデータ私たち持ってる、彼ら持ってる実行とても良い。
彼らはできるに守るthe種族
の独身わからないカワウソ足跡と高い分類割合。
ために実例、ここ
ニューラルネット、どれの私したいいえ走るのこれ例
なぜならtheランタイムはaもう少し長く、
持っていましたa誤分類割合のそれだけ10パーセントオンthe同じテストセットする。
これできる平増加the分類正確さの別2パーセント。
もしも君飛び込むのもっと深く、君できる平増加これa少し少しもっと。
一ものそれ私たちの経験から働くと足跡のthe分野
増加しますthe分類精度にとてもa多く
むしろよりも働く単一のフットプリントで
はに仕事とトレイル。
アン動物、依存するオンどこ君それは、依存するオンthe基板、
しませんそれだけ離れるa独身フットプリント。
それなし行くそれも多くのの中へ詳細、 aフットプリントできるなれaとても繁雑案件
なぜならそれ変量a多くとthe基板それと動物
動いている使ってとthe速度のと動物とtheゲート。
三できるなれとてもa少しのノイズとバックグラウンド変化。
もし、あんたが仕事と多数足跡と取ると平均のa予測
代わりはの独身足跡、
君できる住所これ変化とてもa少しもっと。
これ来る特に重要いつ君欲しいですに見るで個人身元。
最後しかしいいえ少しでも、
JMPはまたすごいに利得洞察オンthe重要性の変数。
ありますいくつかの方法以内にJMP
それ君できる見るの中へどれのそれは実際には変数
それそれは貢献するthe多くのに予測。
君はできるまた見るで木-ベースメソッド、
どこ君見るでthe分類木とどこthe分割それは終わり。
君はできる見るの中へ桁貢献またために木-ベースメソッド、
もしも君仕事とブートストラップFオレスト、またXGBoost、またなにかお気に入りそれ。
君はできる見るどれの列実際に選択していますどうやってたくさんの回数。
君はできる見るの中へthe予測プロファイラー
もしも君使用するthe正常モデリングプラットホーム以内にJMP。
君はできる技術的に持ってるa見る何の予測の君のモデル、
どうやってこれは行くに変化するもし、あんたが変化する特定値。
または君できるするなにかお気に入りa判別分析、
どこ君ただ従う
the F値のどうやって変数それは選択されました。
これ意思それから、また、与える君a多くの洞察
なぜならそれ本当依存しますオン君の質問。
する君欲しいですに持ってるa外部アドバイザーからの予測
の何種族あなたは見てで？
またはする君欲しいですに与えるa現場で働くためのガイド
のどれの測定それは価値見ての中へ
いつあなたはの中へ分野、
いつ君欲しいですに作るthe主題の分類、
お気に入りただオンエキスパート知識？
うん、それでそれは基本的にそれからわたしの側。
私だろうお気に入りに感謝すべてthe貢献する動物園と野生動物公園WHO許可された我ら
に仕事と彼らの美しい動物と共有データと我ら。
特に、私だろうお気に入りに感謝グレースヨクソンからthe IOSF、
theカワウソサバイバル固いWHO取得しました我らの中へ連絡先とたくさんのの彼ら、
KHYS、私たちのKarlsruhe Houseヤングの科学者
WHO実際にこの研究に資金を提供し、
と多くの重要なのは、ジョセフモーガンからJMP、
誰がとても役に立ったそれになるとモデリングとフィット。
それで彼もっているその間与える自分助言
もっとよりも一度いつ私得るどれかJSLスクリプティング問題。
うん、それはかわいい多くのそれからわたしの側。
感謝君とても多くのために聞いているそれで遠い、みんな。
私ただ本当欲しいですに円形上ここ。
私と思う空、とラリッサ、とフレッド美しく輪郭を描いた
the課題私たちが直面しているの識別これらはカワウソの異なる種
その周りthe世界とthe仕方のどれのJMPできるヘルプ我ら
分類する彼らと持っていくある程度の明快さにこれ写真。
どこそれは彼らとどうやってたくさんのそれはそこの？
私はお気に入りにただ早くトークだいたい何ですか次。
どのようにそれは私たち建物オンこれ？
一のtheものそうだったやっては建物
人工的な知能の中へこれ写真それでそれそれ意思許可する我らに
フィルターと選別a多くの大きい音量のデータなのでそれ来るの。
として両方フレッドとラリッサ持ってる言った、私たち必要もっとデータ。
人工的な知能もっているthe潜在的、
どれの私たちはすでに露出いくつかの早い段階でトレーニング
とテストと分野データ
なので君できる見るでthe下のこの画面。
そうだった取得合理的に良い精度の私たちのイニシャル裁判とAI。
私たち考えるそれそれ意思一度もない与える我らとてもthe解像度それJMP意思与える我ら。
何そうだった狙うにするは持ってるとAIプラットフォーム
どれの意思なれ簡単ために市民科学者に餌データの中へ。
良い持ってるJMPなのでtheトップレベルの分類子オンそれプラットホームに統合それ。
だがthe鍵ここ本当はそれこの不可解な地上証拠
左後ろににカワウソとすべてthe他の種族
あるために我らにデコードもし私達できる探すa仕方にするそれ。
これ本当はトランスフォーメーションの保全
になれできるに持ってるa安くて速いテクニック
に知るどここれらは絶滅危惧種種族それは。
そうだったとても楽観的それを使用してベースラインAI分類子
JMPでなのでa最後の分類子、良いなれできるに作るそれ技術
だけでなく配達theデータ私たち必要、しかし統合人すべて世界中
なので市民科学者になれ部のそれ。
そうだった本当ありがたいにthe JMPコミュニティためにサポート我ら
使ってこれ全体旅。
そうだった常に作る新着歩幅。
私たち知るそれあります興味のこのコミュニティ、
と私たち望むそれ彼ら意思参加しませんか
いつ私たちの新着モバイルアプリ来るアウトに平始める収集データ彼ら自身
と押すこれ前方行きたいところへなれ、
どれのはa分類子
ためにすべて絶滅危惧種種族すべて以上the世界。
これがにたくさんとたくさんのポイントオンthe地図、
と感謝君すべてために聞いている。
