やあ、みんな。
感謝あなた為に接合我ら。
の題名の私たちの話今日
それはオタリーです紛らわしい！ ショートC法律で定められた、ヘアリーNオセド、スムースCオーテッド、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生息地のアジア、のユーラシア、
との質問は、どうやって行うあなた教えて彼ら離れて？
使用する私たちのFIT技術、のフットプリント身元技術
発展したにワイルドトラック、
私たちできる実際に教えて彼ら離れて。
のプレゼンテーション意思なれに四人：
フレッドキストナー、誰はでのカールスルーエドイツ工科大学
とまたaメンバーののワイルドトラックスペシャリストグループ;
ラリッサスレイニー誰はa博士号候補者でヘリオット-ワット大学、
フィットチーターリサーチ計画
とまたメンバーののワイルドトラックスペシャリストグループ。
ゾーイジュエルと自分、私は空アリバイ、学部で公爵大学
と創設者のワイルドトラックと開発者のの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。
私は行きますに行う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の上、
ワイルドトラックもっているを広範囲番号著名な種族それ私たち仕事の上
さまざまな部分でのの世界、範囲からのアムール虎の中国
に黒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1形または別の
それはフットプリント身元テクノロジー。
今何するフットプリント身元テクノロジー実際に行う？
1ののもの約足跡識別技術、FIT、
はそれそれ作品なのでを加えるのJMP。
これは設計に分類する種族または亜種
に使用しての指標からの足跡、
分類するセックス、分類する年クラス、と平分類する個人。
今それらのそれは全て要素それそれは必要に理解する
の人口ダイナミクスのどれか絶滅危惧種種族、
の必要不可欠財団要素。
の保全アプリケーションフットプリントの身元技術、
のベースラインデータの上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、
と全てこれらはのa仕方意思なれ示した
に代表するの仕方のどれのカワウソ保全動作します。
今病気手あなた以上にラリッサスレイニー誰意思始めるの処理するの混乱解消。
感謝あなた。
右。 感謝あなたとても多くの、空、為にこれすごい前書き。
感謝あなたにJMP、為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約それ。
感謝あなたそれで多くの為に全てのあなたにここに
と見せるこれ興味の私たちのリサーチ。
今前そうだった行きますにジャンプ、駄洒落意図されました、
の中へ説明する私たちのデータ分析とJMP、
私だろうお気に入りに与えるあなたいくつかバックグラウンドにこれリサーチ。
私達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約何JMPできる、
しかしどうやってこれは適用のの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...
これ与える我らの機会に作る変化為にのより良い、基本的。
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。
私達それは見ているでの足跡のアジア人カワウソ種族。
今ここあなたできる見る四違うアジア人カワウソ種族
と彼らは全て分類された脆弱性としてまたは批判的に-絶滅危惧種にのIUCN、
との家範囲重なった、
そんなわけで-と呼ばれる同所的なカワウソ種族。
の上の上左、あなたできる見るの滑らかな cオーテッドカワウソ。
上右、あなたできる見るのアジア人短いまた小さな-爪付きカワウソ、
下左、の毛むくじゃら鼻のカワウソ、
とで下右、あなたできる見るのユーラシアカワウソ。
今、になれできるにモニターの異なる種、
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の野生、しかしあなた行う見る彼らの足跡。
見ているでこれらは足跡為にそれぞれの種、
いつあなた見るで彼らここ、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、私たち設定我らの仕事にかどうかを調べる
そこのはa仕方為にフィットに区別の間にの足跡
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、私たち行う持ってるを追加した問題ここ、なぜならの正面の足跡
の2のの種族持ってるaサイズオーバーラップ
との後ろの足跡の別種族
は形態的にとても似ている、
とまたサイズ-賢いとても似ているにのフロント足の別種族。
私たちは得たaマルチクラス分類問題ここ。
今ここあなたできる見るa地図どれの分布範囲を示します
のの違うカワウソ種族。
の青い範囲ここ、それはaユーラシアカワウソ。
それでの赤範囲それはスムーズ-コーティングされたカワウソ。
の黄色下ここはの小さな-かぎづめ oター、
とそれからのピンク以上ここ毛むくじゃらのカワウソです。
しかしあなたできる見るそれ、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。
何は本当面白い約これ地図ですが、
それショーあなたどこ彼らの家範囲重なります。
そこにはそれは六エリアどこ
で少しでも2、もしもいいえ平三種が重複しています。
為に自然保護主義者、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、
どうやって大きいの人口それは、と探すアウトなので多くのなので可能約
の違う人口
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、最初の全て、カワウソそれは分類されたキーストーンとして種族、
とそれ意味それ彼ら持ってるを効果の上彼らの環境
不均衡なに彼らの豊富。
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
のの食物鎖と助けるにの環境平衡。
彼らはまた見たなので傘種族、
どれの意味それ彼ら与える保護にa大きい番号の他の種族。
基本的、もしもなにか起こるにのカワウソ、
それ意思持ってるを影響の上他の種族なので良い。
彼らはまたをインジケータ種族、
それで彼ら実際に示すの健康の彼らの環境。
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。
カワウソ戻るにを範囲は常に良い兆候、
なぜならそれ意味水質と湿地健康は改善しています。
今、脅威にカワウソ。 そこにはそれはロットの違う脅威。
汚染はの1私たちはすでに言及されたただ今。
しかし別問題はの人間野生動物対立、生息地損失。
とそれまた来る損失の獲物。
あn増加している問題は、特にアジアで、
はの違法トレード、の違法野生動物トレード。
彼らそれは特に毛皮の後、の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ったアウトのの野生でペットとして使用され、
どれのはいいえ良い為にカワウソ保全で全て。
今
どうやって行うあなたアプローチa保全事業お気に入りこれ？
良い、最初の全て、あなた必要に考える
方法について行うあなた欲しいですにモニターの人口。
何行うあなた欲しいですに見るで？
行うあなた欲しいですに見るで種族分布？
はい、ほとんどいつも。
行うあなた欲しいですに見るで個人ID？
行うあなた欲しいですに探すアウト何のセックス比内部a人口は？
の次ものあなた必要に決めますは行うあなた欲しいですに使用する侵襲的なメソッド
それ潜在的にストレスまた平動物に害を与える？
または行うあなた欲しいですに使用する非侵襲的なテクノロジーまたメソッド
にモニターの種族どれの意思いいえストレスと危害の動物？
私達、でワイルドトラック、
私たち集中の上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の上フットプリント身元。
今、一度あなた持ってる作るそれらの決定、
あなた必要に明らかに訓練人あなたを助けることとのデータコレクション
なぜならあなたできない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。
その間回のパンデミック、これは平もっと難しい。
そうあなた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。
それであなた必要に得る全てのデータコレクション、
とのトレーニングとのデータ収集はその場で行うことができ、
どれの意味のの分野また元-その場、つまり動物園で
と他の保全組織。
一度あなた得るのデータの、それはいつあなた始めるのデータ分析。
の私たちの場合、それはいつ私たち始める使用してJMP。
他の典型的問題為にどれか保全事業は資金調達、のコース、とまた
しようとしているに得る保全ポリシーが改善され、
と管理戦略為に保全に持ってるそれらの改善されました。
それは基本的私たちの終わりゴール。 私達それは収集全てのデータ。
私達それは分析する全てのデータとなることによってでの終わりのの日、
私たちその情報を政府に提供できます
また他の組織と彼らできる情報に基づいた決定を下す
と作るより良い保全ポリシー。
させて自分ただ行く戻る1もっと時間。
の上の左手側ここ、実際に、
あなたできる見る1の私たちの素晴らしい飼育係収集足跡為に我ら。
の上の右手側、あなたが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の野生。
それはa神秘フットプリント。
私達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命の彼らの範囲。
フレッド意思、うまくいけば後での上、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リサーチクエスチョン、
とでの一瞬私たちそれはまだフォーカシングの上1。
これはを進行中事業。
あtの一瞬、私たちそれはフォーカシングの上種族分類。
できるフィット、の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いるで？
いつ私たちは得た足りるデータと十分な特定のデータ、
どこ私たち絶対知るの個人、
私たち意思見るで個人分類とまたでセックス分類。
しかしそれは行きますになれもう少し下の道。
これまでに9つの動物園と提携し、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フィットプロトコル。
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、
しかし彼らは全てその間絶対素晴らしい、私たちの動物園と飼育係、
と持ってる本当にこの挑戦に立ち上がった
と持ってる始めましたに本当送信のa多くの画像
なのであなたできる見るここの上の左。
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いましたが、
は足りるに与える我ら
の能力に今にシェア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る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ましたに始めるに得る風通しの良い鼻のカワウソ印刷します。
ありますそれだけ1時間鼻の長いカワウソ捕われの身のの全体幅世界。
彼のまた彼女、私はいいえ確かに、印刷物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
の結果とこれ第4種族のそれ。
しかし為に今、そうだった行きます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行うのデータ分析
以上にフレッド。
感謝あなた、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はその間発展した為にa幅番号の種族。
いつこれは完全に発展した
またはその後去る製造、これはを加えるの中へJMP。
今日、私は行きますに示すいくつかの部分ののデータ分析
といくつか開発の一部前それ来るの中へ製造。
何私午前行きますにいうは、の全般的、私ただ欲しかったに与えるあなた
a少し少しのaバックグラウンドこの方法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1のの主要利点のフィット、
それそれできるなれ広く適用されるととても少し装置。
君はそれだけ必要aスマートフォンとaルーラー。
もしもあなた欲しいですに発展させるフィットモデル為に特定種族、
あなた始めるとを画像データベースそれは通常集めました
の知られている個人なのでラリッサ言及された。
私達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ィール
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使用済みに発展させるフィットモデル。
の全般的出力はそれあなた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の編集、あなた欲しいですに描く結論
約人口サイズ。
一度あなた発展させるの方法、
あなた絶対欲しいですにこれをテストするの上わからない個人。
また、あなた見るで画像と得るa予測ののモデル。
利点のフィットベースの上生体認証、これは非侵襲的。
これはa標準化されたと料金効果的とらえどころのない野生生物を監視する方法
それできないなれ監視対象に直接観察。
これできるなれ実装された為にほとんどあらゆる種それ葉aフットプリント。
これできるなれ組み合わせた他の非侵襲的なメソッド
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。
何私は行きますにデモ今日技術的に見ている
で違う足跡。
君は見るの上の上左、あなた見るa後ろ足
のをアジア人小さな爪カワウソ。
の上の上右、あなた見るa左スムースコートのカワウソの正面、
の上の下左、 a左フロントのaユーラシアカワウソ、
との上の右手側、あなた見るa右足のフットプリント
からをわからないカワウソからネパール。
何私たちそれは行きますに行う今日は私たち処理するこれらは画像。
それで私は行きますに見せるあなたどうやってに急速に発展する
a分類モデル内部JMP。
それで病気見る何の予測
のこれらは早く発展させるメソッドそれは行きますになれ。
これ全て始まる
と画像分析。
それはスクリプトベース実装内部フィット。
のの最初ステップ、あなたいつもの調整のサイズのを画像
それでそれのフットプリントは明らかに見えるとの支配する部のの分野。
の注文になれ複製可能な、
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。
為にカワウソ、これらはそれは回転ポイント下の2番目との第4つま先。
それであなた設定a定義済み設定のランドマークポイント。
また、為にカワウソ、これは種族-明確な。
しかし為にその他、私は選ばれた11ランドマーク。
彼らはのの中心。
ごめん、忘れた1ステップ。
のコース、あなた必要に定義a規模最初。
ここ私たち得た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、私意思名前番目ストライキですアジア人短い爪カワウソ。
それであなた設定11ランドマークポイント。
君はできる、為に実例、使う料金空気関数
もしもあなた欲しいですに作るこれなので正確可能な限り、明らかに、
しかし為に時間理由、病気ただ早く走る終えた彼ら。
後設定11ランドマーク、あなた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使用済み
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新着テーブルとあなた行く為にaペン描く。
病気ただ早く走る終えた三もっと画像。
また、あなた必要にサイズ変更彼ら。
今、とこれ画像、あなたできる見るこれは逆さま下。
何私お気に入り約JMPはそれ
の画像窓できる実際に行ういくつか画像プレ処理。
今、これは右フロント。 ごめん、私必要にフリップこれ1もっと時間。
できる行ういくつか画像処理内部JMPとそれであなた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行う全て私の仕事
内部1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、
と望みそれの予測意思なれ正確足りる
それはaユーラシアのカワウソ。
また、私行く追加
ただ2もっと回、 1為にの滑らかなコーティングカワウソ。
また、私意思設定の11ランドマーク、
と何のランドマークそれは使用済み為に、病気見せるあなたのa 2番目。
派生するポイント、行を追加します。
1過去時間、の神秘ラリッサが言った足跡
それだった送信済に我らからa事業のネパール、
それは、に私の知識、やっているいくつかカワウソモニタリングそこの。
1のの種族もっている見られていない為にで少しでも30年。
1、2、3、4、5、6 .
なに違うのここそれですかあなた持ってるa違う規模。
それか規模要素はなにかそれ私必要に調整内部ここ。
また、病気早くクリック終えたの画像。
これは通常は終わりa少し少しもっと退屈な、
しかし為にデモ日本酒、やってみますクリック終えた彼ら早く。
とこれはをわからない
種族。
何あなた終わり上とこれは。。。でしたのスムースコーティング。
何あなた終わり上は
a大きいデータテーブル.
これらはそれはポイント為に
評価するの品質ののランドマーク、どれの私やりましたいいえ行くの中へ内部ここ。
君は得るバツとよ座標為に各ランドマーク。
これらはバツとよ座標それは派生
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多くの情報抽出されたアウトのa独身フットプリント。
もしもあなた繰り返すこれステップそれ私は何度か見せただけで、
あなたは終わり上とaデータテーブルお気に入りこれ。
これはのデータテーブルそれ私は行きますにデモの予測モデルの上。
もしもあなた持ってるa見る何私たち持ってるここ、
もしもあなた見るでのディストリビューションまたは種また目標変数、
あなた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滑らかなコーティングカワウソ。
これはいいえ完全に等しく-分散グループ、
しかしで少しでも各グループもっている非常に大きなサンプルサイズで、
どれの意思うまくいけば仕事為にモデリング。
いつでもあなた欲しいですに行うあらゆる種類の監督されたモデリング、
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内部の予測的なモデリングプラットホーム。
何私は終わりは私無作為にデータを 80% のトレーニング データに分割する
と20パーセントテストデータ、
どこでテストしますかのモデルそれそうだった行きますに建てるの上
と見るどうやって彼ら実行。
全て右、それで私は以前終わりこれ。
何病気行う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私のトレーニング設定。
また、もしもあなた持ってるa見るで配布、
あなたできる見るそれ私たち持ってる、
100滑らかなコーティングカワウソプリント、 324ユーラシアカワウソプリント、と223 ASC。
これはの同じ分布パーセンテージなのでとの前データ設定。
のの次ステップ、
私意思スキップアウトa大きい部いつ来るに予測的なモデリング、
それはa変数選択。
私推定それ私持ってる番号前知識、それでただに追加全て変数
それそれは利用可能。
私持ってる番号考えどれのモデルは行きますに仕事一番。
何私は行きますに行うここは病気モデル 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
それそれは実装されたのJMPそして比較するだけステップパフォーマンスの上これ
明確な仕事。
また、私の目標変数はの種族。
これはの1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
抽出されたから私のフットプリントデータとこれらはそれは私のバツ変数。
これらはそれは全て要因それできる潜在的になれ使用済み。
何あなた見る下ここはあなたできる選ぶの方法それあなた走りたい
とあなたできる基本的選ぶ終えた全ての予測メソッド。
しかし為に引数の日本酒と為にランタイム、
病気それだけ走るメソッドそれ私知るそれ意思走る終えた早く。
君はできるまた作るそれ再現可能なに設定aランダムシード。
なにまた良い約aモデルスクリーニングプラットフォーム
はあなたできる追加を内部検証ステップ。
私達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設定。
しかしの注文に持ってるを内部検証の上これらはモデル
それ私は発展していく、
病気追加k倍交差検証。
病気ただ置くaティックのここそれでそれそこのそれはいくつかのモデル
評価される使用してk倍交差検証方法。
わかった、もしも私ただクリック早く、行くの上走る。
病気持ってるaまとめ見通し。
病気見るそれ四の私のモデル
持ってるその間評価した。
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、
とあなたできるただいうどれの1はの一番。
君はただ選択するの支配的1。
君はできる見るの中への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あなたa誤分類レート。
君はできる見るそれ誤分類レート為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パーセントののデータ正しく分類された
のの検証設定。
為に引数の日本酒、しましょういう、それのブートストラップフォレスト、
の決定木、との判別分析
そうだったの三一番モデルと私はいいえ承知しましたどれの1はの一番。
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。
何私できる行うは病気ただ
保存の予測方式の中へ私のフォーミュラデポ。
病気行うこれ為にの決定木モデル、それで私できる近いこれ。
病気行うこれ
為にの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為にのブートストラップ フォレストモデル
ここ。
何私持ってる今は...
誰か私できる近い、私はごめん。
私持ってる三モデルの私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の上新着データ。
また、私行くの中へ私の初期データテーブル
と私選択する私のテスト設定、
それで全ての変数それ持ってるランダムに選んだ
なのでa検証設定。
病気ただ早く保存これなのでテスト設定。
のの次ステップ、私できる技術的に
開いた私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の新着データテーブル。
私意思走る彼らの上のテスト設定。
私欲しいですに走る全て三ののモデル。
私できる行うaモデル比較
私がすべてを実行する場所の三モデルの上のテスト設定。
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、私望みあなたできる見るこれ。
試すにズームのa少し少しそれ
の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に見られた
とそこのだったa誤分類レート
為にのディシジョン ツリーモデルの16パーセント、その間の判別分析
とのブートストラップ フォレスト
それだけ持っていましたa誤分類レートの12パーセント。
君は持ってるの最高空気四角価値為にの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指標それあなた欲しいですに見るで。
為に我ら、の多くの重要メトリックはの予測、右また違う。
私いつもの見るa多くでの誤分類レート。
しかし明らかに、全ての他の指標
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
実際に実行の上の足跡それそうだったただ以前処理されます。
また、私たち行く戻るの中へ私たちの... さて、それはどこですか？
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
処理されます。
もしも私たち開いたこれデータテーブル、
あなたできる持ってるa見るでの予測。
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。
そうこれだった
のオリジナルデータ、
ともしも私ただ見るの中への種族為にの最初モデル、
すべてのだった予測した正しく。
の最初モデルだったのディシジョン ツリーそれ予測したASC為にASC、
ユーラシアカワウソユーラシアカワウソ、滑らかなコーティング為に滑らかにコーティングされた、
と同じとの判別分析と同じとのブートストラップ森。
3つすべてモデル実際に予測した適切な種にの画像
私たちが処理したもの、と全てモデルそうだったまた一貫性のある
約彼らの予測いつそれ来るにのユーラシアカワウソ。
私はやっている私の博士号主にの上の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したなのでをエキスパート
の上これ特に種族フットプリント。
そう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、あなた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
君の分類さらに評価するもしもあなた見るもっとの中へ特徴選択。
しかし私考える何私欲しかったに見せるあなた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使用してJMP。
私望みこれだったとても直感的。
させて自分描くいくつか結論の上それ、いくつか結果。
何私本当お気に入り約JMPはaすごい全て-の- 1解決。
私できるエキス生体認証データから画像内部のフィット加える。
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行うのデータ分析。
直接、私の抽出された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したのa説明的な仕方、
私できる建てる分類モデル。
あります州-の-の美術機械学ぶモデル実装されたの中へそれ、
とそれでこれはa 1-と-全て解決。
あります明らかに他の方法にそれもやって、
しかし私ただお気に入りの実用性。
為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な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、彼ら持ってる行われたとても良い。
彼らはできるに守るの種族
の独身わからないカワウソ足跡と高い分類レート。
為に実例、ここ
ニューラルネット、どれの私やりましたいいえ走るのこれ例
なぜならのランタイムはaもう少し、
持っていましたa誤分類レートのそれだけ10パーセントの上の同じテスト設定。
これできる平増加の分類正確さの別2パーセント。
もしもあなた飛び込むのもっと深く、あなたできる平増加これa少し少しもっと。
1ものそれ私たちの経験から働くと足跡のの分野
増加するの分類精度にとてもa多く
むしろよりも働く単一の足跡
はに仕事とトレイル。
アン動物、依存するの上どこあなたそれは、依存するの上の基板、
しませんそれだけ離れるa独身フットプリント。
それなし行きます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多くとの基板それを動物
動いている終えたとの速度のを動物とのゲート。
そこにはできるなれとても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ったを平均のa予測
代わりはの独身足跡、
あなた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あなた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インサイトの上の重要性の変数。
ありますいくつかの方法内部JMP
それあなた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の多くのに予測。
君はできるまた見るで木-ベースメソッド、
どこあなた見るでの分類木とどこの分割それは終わり。
君はできる見るの中へ桁貢献また為に木-ベースメソッド、
もしもあなた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んでいるどうやってたくさんの回。
君はできる見るの中への予測プロファイラ
もしもあなた使用するの正常モデリングプラットホーム内部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きますに変化するもし、あんたが変化する特定値。
またはあなたできる行うなにかお気に入りa判別分析、
どこあなたただ従う
のF比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、与えるあなたa多くの洞察
なぜならそれ本当依存するの上君の質問。
行うあなた欲しいですに持ってるa外部アドバイザーによる予測
の何種族あなたは見ているで？
または行うあなた欲しいですに与えるa現場で働くためのガイド
のどれの測定値それは価値見ているの中へ
いつあなたはの中へ分野、
いつあなた欲しいですに作るの主題の分類、
お気に入りただの上エキスパート知識？
うん、それでそれは基本的それから私の側。
私だろうお気に入りに感謝全ての貢献する動物園と野生動物公園誰許可された我ら
に仕事と彼らの美しい動物とシェアデータと我ら。
特に、私だろうお気に入りに感謝グレースヨクソンからのIOSF、
のカワウソサバイバル固い誰得た我らの中へコンタクトとたくさんのの彼ら、
KHYS、私たちのカールスルーエ ハウスヤングの科学者
誰実際にこの研究に資金を提供し、
と多くの重要なことに、ジョセフモーガンからJMP、
誰がとても役に立ったと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アドバイス
もっとよりも一度いつ私得るどれかJSLスクリプト問題。
うん、それはかわいい多くのそれから私の側。
感謝あなたとても多くの為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
の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
その周りの世界との仕方のどれの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？
私はしたいお気に入りにただ早く話約なに次。
どのようにそれは私たち建物の上これ？
1ののものそうだったやっているは建物
人口的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。
人口的知能もっているの潜在的な、
どれの私たちはすでに露出早い段階でトレーニング
とテストと分野データ
なのであなたできる見るでの下のこの画面。
そうだった取得適度に良い精度の私たちのイニシャル試練とAI。
私達考えるそれそれ意思一度もない与える我らとてもの解像度それJMP意思与える我ら。
何そうだった目指してに行うは持ってるをAI プラットフォーム
どれの意思なれ簡単為に市民科学者に餌データの中へ。
良い持ってるJMPなのでの最上位の分類子の上それプラットホームに統合それ。
しかしの鍵ここ本当はそれこの不可解な根拠の証拠
左後ろににカワウソと全ての他の種族
ある為に我らにデコードもし私達できる探すa仕方に行うそれ。
これ本当は変革的なの保全
になれできるに持ってるa安くて早いテクニック
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分類器
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
だけでなく配達のデータ私たち必要、しかし統合人全て世界中
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のJMPコミュニティ為にサポート我ら
終えたこれ全体旅。
そうだった常に作る新着歩みます。
私達知るそれあります興味のこのコミュニティ、
と私たち望み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
と押すこれ前方私たちが望むところへなれ、
どれのはa分類器
為に全て絶滅危惧種種族全て以上の世界。
こちらですにたくさんとたくさんのポイントの上の地図、
と感謝あなた全て為に聞いている。
