Salut, toutes les personnes.
Remercier toi pour joindre nous.
le Titre de notre parler aujourd'hui
c'est Otterly déroutant! Court-C légalisé, Poilu-N osé, Lisse-C mangé, ou Eurasien?
Juste interroger JMP !
Celles-ci quatre espèce se produire dans même habitat dans Asie, dans Eurasie,
et la question est, comment fais toi dire leur une part?
En utilisant notre Technique FIT, la empreinte identification technique
développé par WildTrack,
nous pouvez en fait dire leur une part.
le présentation volonté être par quatre gens:
Fred Kister, OMS est à la Karlsruhe Institut de technologie en Allemagne
et également une membre de la WildTrack Spécialiste Grouper;
Larissa Slaney, OMS est une Doctorat candidat à Hériot- Watt Université,
Guépards FIT Recherche Projet
et également membre de la WildTrack Spécialiste Grouper.
Zoé bijou et moi même, je suis Ciel Alibhaï, la faculté à Duc Université
et fondateurs de WildTrack et développeurs de la empreinte identification technique
et également membres du WildTrack Spécialiste Grouper.
je suis Aller pour fais une très brève démo, une très, très brève introduction,
et ensuite je vais main plus de pour notre suivant conférencier.
Une part à partir de ultra espèce ce nous travailler au,
WildTrack a une extensif numéro d'éminents espèce ce nous travailler au
dans différentes parties de la monde, variant à partir de la Amour tigre dans Chine
pour le noir rhinocéros dans Afrique pour jaguar dans Brésil.
Tous de leur utilisant dans une forme ou un autre
sont empreinte identification La technologie.
À présent Quel Est-ce que empreinte identification La technologie en fait fais?
Une de la des choses sur la technologie d'identification de l'empreinte, FIT,
est ce ce œuvres comme une ajouter à dans JMP.
C'est conçu pour classer espèce ou sous-espèce
par en utilisant la métrique à partir de la empreintes de pas,
classer sexe, classer âge classer, et même classer personnes.
À présent celles sont tous éléments ce sont obligatoire pour comprendre
la population dynamique de quelconque en voie de disparition espèce,
la essentiel fondation éléments.
le préservation applications d'empreinte identification technique,
la ligne de base Les données au Nombres et Distribution dans formulaire sur :
Les données- conduit scientifique préservation stratégies,
Commerce dans en voie de disparition espèce,
Humain/ animal conflit atténuation,
et tous celles-ci dans une façon volonté être montré
pour représenter la façon dans lequel loutre préservation œuvres.
À présent je vais main toi plus de pour Larissa Slaney, OMS volonté démarrer la traiter de déconfusion.
Remercier toi.
Droit. Remercier toi très beaucoup, Ciel, pour ce génial introduction.
Remercier toi pour JMP, pour permettant nous pour cadeau notre recherche ici.
Étaient très heureux sur ce.
Remercier toi alors beaucoup pour tous de toi pour être ici
et Afficher ce intérêt dans notre recherche.
À présent avant de étaient Aller pour saut, calembour destiné,
dans expliquant notre Les données Analyse avec JMP,
je voudrais aimer pour donner toi quelque Contexte pour ce recherche.
Nous pense ce est vraiment important pour voir à ce dans le contexte
car c'est ne pas juste sur Quel JMP peut faire,
mais comment ce est appliqué dans la monde réel et comment nous scientifiques pouvez utiliser ce pour...
Ce donne nous la opportunité pour Fabriquer changements pour la mieux, fondamentalement.
Notre recherche regards à empreinte Analyse comme Ciel déjà juste mentionné.
Nous sont en regardant à la empreintes de pas de asiatique loutre espèce.
À présent ici toi pouvez voir quatre différent asiatique loutre espèce
et ils sont tous classifié aussi vulnérable ou critique- en voie de disparition par la UICN,
et la domicile gammes superposés,
donc c'est tellement- appelé sympatrique loutre espèce.
Au la Haut la gauche, toi pouvez voir la lisse-c mangé loutre.
Haut droit, toi pouvez voir la asiatique court ou petit- griffé loutre,
bas la gauche, la poilu- nez loutre,
et au bas droit, toi pouvez voir la eurasien loutre.
À présent, pour être pouvoir pour surveiller la différentes espèces,
nous besoin pour collecter Les données, lequel est difficile
avec tel très insaisissable espèce.
Toi à peine jamais voir leur dans la sauvage, mais toi fais voir leur empreintes de pas.
En regardant à celles-ci empreintes de pas pour chaque espèce,
lorsque toi voir à leur ici, elles ou ils voir très similaire, ne fais pas elles ou ils?
À présent, c'est assez rusé pour dire leur une part.
Donc, nous ensemble nous la tâche pour savoir si
là est une façon pour AJUSTER pour distinguer compris entre la empreintes de pas
de celles-ci quatre loutre espèce dans une scientifique et fiable façon.
À présent, nous fais avoir une ajoutée problème ici, car la empreintes avant
de deux de la espèce avoir une Taille chevaucher
et la empreinte postérieure de une autre espèce
est morphologiquement très similaire,
et également Taille- sage assez similaire pour la de face le pied de une autre espèce.
Nous avons a obtenu une multi-classe classification problème ici.
À présent ici toi pouvez voir une carte lequel montre les plages de distribution
de la différent loutre espèce.
le bleu région ici, c'est une eurasien loutre.
Puis la rouge région est le lisse- recouvert loutre.
le jaune vers le bas ici est la petit- griffé o plus,
et ensuite la rose plus de ici est la loutre à nez poilu.
Mais toi pouvez voir ce, même si ce regards aimer une grande région,
il y a en fait juste une quelque pointé îles là.
Quoi est vraiment intéressant sur ce carte, cependant,
ce spectacles toi où leur domicile gammes chevaucher.
Là sont six domaines où
à moins deux, si ne pas même Trois des espèces se chevauchent.
Pour écologistes, c'est vraiment important pour trouver en dehors
où le différent espèce habitent, pour Quel Le degré ,
comment grande la populations sont, et trouver en dehors comme beaucoup comme possible sur
la différent populations
alors ce nous avoir une bien idée de comment en voie de disparition elles ou ils sont.
À présent, Pourquoi est conservation de la loutre important?
Bien, première de tous, les loutres sont classé comme clé de voûte espèce,
et ce moyens ce elles ou ils avoir une effet au leur environnement
disproportionné pour leur abondance.
Juste une quelque personnes pouvez avoir assez une gros impacter.
Ils jouer une vraiment important partie
dans la aliments chaîne et contribuer pour la environnemental équilibre.
Ils sont également vu comme Parapluie espèce,
lequel moyens ce elles ou ils conférer protection pour une grande numéro de autre espèce.
Fondamentalement, si quelque chose arrive pour la les loutres,
ce volonté avoir une impacter au autre espèce comme bien.
Ils sont également une Indicateur espèce,
alors elles ou ils en fait indiquer la santé de leur environnement.
Ils volonté ne pas habitent dans eaux polluées ou dans pollué marécages.
loutre retour pour une région est toujours bon signe,
car ce moyens la qualité d'eau et zone humide santé est amélioration.
À présent, des menaces pour les loutres. Là sont beaucoup de différent des menaces.
la pollution est la une nous avons déjà mentionné juste à présent.
Mais une autre problème est la Humain faune conflit, habitat perte.
Avec ce également vient perte de proie.
UNE n en augmentant problème, surtout en Asie,
est la illégal Commerce, la illégal faune Commerce.
Ils sont particulièrement après la fourrure, la fourrure Commerce et également après animaux domestiques.
Bébé les loutres sont pris en dehors de la sauvage et utilisé comme animal de compagnie,
lequel est ne pas bien pour loutre préservation à tous.
À présent
comment fais toi approcher une préservation projet aimer ce?
Bien, première de tous, toi besoin pour pense
comment fais toi vouloir pour surveiller la population.
Quoi fais toi vouloir pour voir à?
Fais toi vouloir pour voir à espèce Distribution?
Oui, presque toujours.
Fais toi vouloir pour voir à individuel IDENTIFIANT?
Fais toi vouloir pour trouver en dehors Quel la sexe rapport dans une population est?
le suivant chose toi besoin pour décider est fais toi vouloir pour utiliser envahissant méthodes
ce potentiellement stress ou même faire du mal aux animaux ?
Ou fais toi vouloir pour utiliser non- envahissant les technologies ou méthodes
pour surveiller la espèce lequel volonté ne pas stress et préjudice la animaux?
Nous, à WildTrack,
nous se concentrer au moyens non invasifs pour surveiller espèce.
Dans ce particulier projet,
nous sont complètement mise au point au empreinte identification.
À présent, une fois que toi avoir fabriqué celles les décisions,
toi besoin pour de toute évidence former gens pour vous aider avec la Les données collection
car toi ne peut pas être partout et tu ne peux pas va partout.
Durant fois de pandémies, c'est même Suite difficile.
Alors toi besoin pour former ton équipe tous les deux dans- la personne comme bien comme à distance
alors ce a été une bit de une défi.
Puis toi besoin pour avoir tous la Les données collection,
et la formation et la la collecte de données peut se faire in situ,
lequel moyens dans la champ ou ex- situ, c'est-à-dire dans les zoos
et autre préservation organisations.
Une fois que toi avoir la Les données dans, ce est lorsque toi démarrer la Les données Analyse.
Dans notre Cas, c'est lorsque nous démarrer en utilisant JMP.
Autre typique questions pour quelconque préservation projet est le financement, de cours, et également
en essayant pour avoir préservation politiques améliorées,
et le management stratégies pour préservation pour avoir celles amélioré.
C'est fondamentalement notre finir but. Nous sont collecte tous la Les données.
Nous sont en cours d'analyse tous la Les données pour que à la finir de la journée,
nous peut donner cette information aux gouvernements
ou autre organisations et elles ou ils pouvez prendre une décision éclairée
et Fabriquer mieux préservation Stratégies.
Laisser moi juste va arrière une Suite temps.
Au la la gauche main côté ici, en fait,
toi pouvez voir une de notre beau gardiens de zoo collecte empreintes de pas pour nous.
Au la droit main côté, vous pouvez voir
une empreinte image ce a été envoyé pour nous à partir de la sauvage.
C'est une mystère empreinte.
Nous étaient demandé si nous pouvait s'il te plaît trouver en dehors
lequel espèce laissé cette empreinte derrière.
C'est vraiment Quel nous vouloir,
ce des chercheurs démarrer pour envoyer nous empreintes
et nous pouvez aider leur trouver lequel espèce des vies dans leur région.
Fred volonté, avec un peu de chance plus tard au, aider nous révélons
lequel espèce ce empreinte fait parti pour.
À présent, nous avons demandé nous-mêmes Trois questions de recherche,
et à la moment nous sont toujours mise au point au une.
Ce est une en cours projet.
UNE t la moment, nous sont mise au point au espèce classification.
Pouvez AJUSTER, la empreinte identification La technologie,
identifier ou distinguer
entre le quatre différent espèce de loutre nous sont en regardant à?
Lorsque nous avons a obtenu assez Les données et suffisamment de données particulières,
où nous absolument connaître la personnes,
nous volonté voir à individuel classification et également à sexe classification.
Mais c'est Aller pour être un peu plus loin vers le bas la route.
Jusqu'à présent, nous nous sommes associés à neuf zoos et loutre préservation organisations.
Nous avons été formation leur pour collecter empreintes de pas Suivant notre coupe protocole.
Ce a été, de nouveau, pendant la COVID, assez difficile.
j'ai ne pas été pouvoir pour voir Tout le monde dans la personne,
alors quelque gens j'ai dû s'entraîner à distance,
mais ils ont tous été Tout à fait fantastique, nos zoos et gardiens de zoo,
et avoir vraiment relevé ce défi
et avoir a débuté pour vraiment envoyer dans une parcelle de images
comme toi pouvez voir ici au la la gauche.
C'est toujours globalement beaucoup plus petit goûter Taille que nous vouloir pour avoir.
Comme je dit que c'est un projet en cours, mais il
est assez pour donner nous
la capacité pour à présent pour partager quelques résultats préliminaires avec vous
alors nous pouvez dessiner quelque conclusion.
Nous avons inclus Trois loutre espèce dans ce alors loin.
Nous avons seulement juste a débuté pour commencer pour obtenir h aérien- nez loutre impressions.
Il y a seulement une h loutre au nez aéré en captivité dans la ensemble large monde.
Le sien ou son, je suis ne pas bien sûr, les impressions commencent à peine à arriver,
et nous volonté mettre à jour à une plus tard temps
la résultats avec ce Quatrième espèce dans ce.
Mais pour à présent, étaient Aller pour voir à Trois loutre espèce.
Oui, alors je pense c'est temps pour avoir une plus proche voir à comment nous fais la Les données Analyse
plus de pour Fred.
Remercier toi, Larissa, et allons saut droit dans action.
Comme Ciel mentionné précédemment,
FIT a été développé pour une large numéro de espèce.
Lorsque c'est pleinement développé
ou après sortie production, c'est une ajouter à dans JMP.
Aujourd'hui, je suis Aller pour démontrer quelques parties de la Les données Analyse
et quelque parties du développement avant de ce vient dans production.
Quoi je un m Aller pour dire est, dans général, je juste voulait pour donner toi
une peu bit de une Contexte de la façon dont cela développement est d'habitude terminé.
Notre contribution Les données est collecté
avec très peu d'équipement et très Facile équipement.
C'est une de la principale avantages de AJUSTER,
ce ce pouvez être largement appliqué avec très peu équipement.
Toi seulement besoin une téléphone intelligent et une règle.
Si toi vouloir pour développer AJUSTER des modèles pour certain espèce,
toi démarrer avec une image base de données c'est généralement collecté
de connu personnes comme Larissa mentionné.
Nous donc coopérer avec parcs zoologiques et autre faune centres.
Celles-ci images sont ensuite traité au sein de JMP pour extrait géométrique profils
ce extrait une parcelle de des mesures, angles, distances.
Ce Les données pouvez ensuite être utilisé pour développer AJUSTER des modèles.
le général sortir est ce toi vouloir pour voir à espèce, sexe, personnes.
Si tu es pouvoir pour édition pour les particuliers, toi vouloir pour dessiner conclusion
sur population Taille.
Une fois que toi développer la méthode,
toi absolument vouloir pour teste ça au inconnu personnes.
De nouveau, toi voir à images et avoir une prédiction de la des modèles.
Avantages de AJUSTER basé au biométrique, c'est non invasif.
C'est une standardisé et Coût efficace moyen de surveiller la faune insaisissable
ce ne peut pas être surveillé par direct observation.
Ce pouvez être mis en œuvre pour presque toute espèce ce feuilles une empreinte.
Ce pouvez être combiné avec d'autres non- envahissant méthodes
et traverser- validé des modèles généralement avoir une haut précision.
Comment pour construire celles-ci des modèles est quelque chose ce je voudrais aimer pour démo.
Quoi je suis Aller pour démo aujourd'hui cherche techniquement
à différent empreintes de pas.
Toi voir au la Haut la gauche, toi voir une pied arrière
de une asiatique à petites griffes loutre.
Au la Haut droit, toi voir une la gauche le devant d'une loutre à poil lisse,
au la bas la gauche, une la gauche de face de une eurasien loutre,
et au la droit main côté, toi voir une empreinte du pied droit
à partir de une inconnu loutre à partir de Népal.
Quoi nous sont Aller pour fais aujourd'hui est nous traiter celles-ci images.
Puis je suis Aller pour Afficher toi comment pour développer rapidement
une classification maquette dans JMP.
Puis je vais voir Quel la prédictions
de celles-ci rapidement développer méthodes sont Aller pour être.
Ce tous départs
avec image Analyse.
C'est basé sur un script la mise en oeuvre dans AJUSTER.
Dans la première étape, toi d'habitude régler la Taille de une image
alors ce la empreinte est clairement visible et la dominateur partie de la champ.
Dans commande pour être reproductible,
c'est important ce empreintes de pas sont aligné Suivant défini rotation points.
Pour les loutres, celles-ci sont rotation points au dessous de la seconde et la Quatrième doigt de pied.
Puis toi ensemble une défini ensemble de point de repère points.
De nouveau, pour les loutres, ce est espèce- spécifique.
Mais pour les autres, j'ai choisi 11 Repères.
Ils sont dans la centre.
Pardon, oublié une étape.
De cours, toi besoin pour définir une escalader première.
Ici nous a obtenu 10 centimètres. Ce est ici.
Toi pouvez ajouter quelque Additionnel information.
Juste pour garder ce Facile, je volonté Nom e c'est la grève asiatique à griffes courtes loutre.
Puis toi ensemble 11 point de repère points.
Toi pouvait, pour exemple, utiliser un Coût air une fonction
si toi vouloir pour Fabriquer ce comme précis que possible, évidemment,
mais pour temps raison, je vais juste rapidement Cours par leur.
Après réglage 11 Repères, toi dériver Additionnel points,
qui aident points ce sont également utilisé
pour extrait biométrique information.
Une fois que vous avez terminé ce,
tu vas juste démarrer une Nouveau table et toi va pour une stylo dessiner.
je vais juste rapidement Cours par Trois Suite images.
De nouveau, toi besoin pour redimensionner leur.
À présent, avec ce image, toi pouvez voir c'est à l'envers vers le bas.
Quoi je aimer sur JMP est ce
la image la fenêtre pouvez en fait fais quelque image pré- En traitement.
À présent, c'est droit de face. Pardon, je besoin pour retourner ce une Suite temps.
Pouvez fais quelque image En traitement dans JMP et alors toi ne fais pas avoir pour changement
dans entre logiciels.
C'est quelque chose ce je vraiment aimer ce je pouvez fais tous ma travailler
dans une Logiciel autre que de changer dans compris entre nombreuses Logiciel.
De nouveau, je mentionné 11 point de repère points.
Ce temps, je vais juste va plus de leur rapide et sale,
et espérer ce la prédiction volonté être précis assez
c'est une Loutre eurasienne.
De nouveau, je va ajouter
juste deux Suite fois, une pour la à revêtement lisse loutre.
De nouveau, je volonté ensemble la 11 Repères,
et Quel la Repères sont utilisé pour, je vais Afficher toi dans une seconde.
Dériver points, ajouter une ligne.
Une dernier temps, la mystère empreinte dont Larissa a parlé
ce a été envoyé pour nous à partir de une projet dans Népal,
ce est, pour ma connaissances, Faire quelque loutre surveillance là.
Une de la espèce a pas été vu pour à moins 30 années.
1, 2, 3, 4, 5, 6 .
Qu'est-ce que différent dans ici est-ce toi avoir une différent escalader.
Ce escalader facteur est quelque chose ce je besoin pour régler dans ici.
De nouveau, je vais rapidement Cliquez sur par la images.
Ce est en temps normal terminé une peu bit plus fastidieux,
mais pour démo Saké, je vais essayer de Cliquez sur par leur rapidement.
Et ce est une inconnu
espèce.
Quoi toi finir en haut avec c'était la enduit lisse.
Quoi toi finir en haut est
une gros Les données table .
Celles-ci sont points pour
évaluer la qualité de la point de repère, lequel je a fait ne pas va dans dans ici.
Toi avoir X et Oui coordonnées pour chaque point de repère.
Celles-ci X et Oui coordonnées sont dérivé
pour calculer une grande numéro de des mesures.
Il y a Suite que 100 distances dérivé, quelque angles et quelque domaines.
Il y a assez une parcelle de information extrait en dehors de une Célibataire empreinte.
Si toi répéter ce étape ce j'ai vient de montrer plusieurs fois,
tu vas finir en haut avec une Les données table aimer ce.
Ce est la Les données table ce Je vais pour démo la prédiction maquette au.
Si toi avoir une voir Quel nous avoir ici,
si toi voir à la distributions ou espèce ou cible variable,
toi voir ce je avoir 405 traité images de eurasien les loutres,
278 asiatique à griffes courtes les loutres, et 127 à revêtement lisse les loutres.
C'est ne pas à la perfection également- groupes distribués,
mais à moins chaque grouper a une taille d'échantillon assez importante,
lequel volonté avec un peu de chance travailler pour la modélisation.
N'importe quand toi vouloir pour fais toute sorte de supervisé la modélisation,
c'est une bien idée pour diviser vos données dans formation et test Les données.
Ce pouvez être très facilement terminé dans JMP.
Toi avoir pour Fabriquer validation colonne dans la prédictif la modélisation Plate-forme.
Quoi j'ai terminé est je au hasard diviser mes données en 80 % de données d'entraînement
et 20 pour cent test Les données,
où je testerai la des modèles ce étaient Aller pour construire au
et voir comment elles ou ils effectuer.
Tous droit, alors j'ai précédemment terminé ce.
Quoi je vais fais à présent est je vais juste sélectionner mes données d'entraînement,
lequel sont 648 Lignes,
et je volonté juste avoir une voir dans une Les données voir.
Ce est 648 observations.
je vais rapidement enregistrer ce comme ma formation ensemble.
De nouveau, si toi avoir une voir à la distribution,
toi pouvait voir ce nous avoir,
100 à revêtement lisse loutre impressions, 324 eurasien loutre impressions, et 223 ASC.
C'est la même Distribution pourcentages comme avec la précédent Les données ensemble.
Dans la suivant étape,
je volonté sauter en dehors une gros partie quand cela vient pour prédictif la modélisation,
ce est une variable sélection.
je supposer ce je avoir non avant connaissances, alors juste ajouter dans tous variables
ce sont disponible.
je avoir non idée lequel maquette est Aller pour travailler meilleur.
Quoi je suis Aller pour fais ici est je vais utiliser la plateforme de sélection de modèles
ce compare nombreuses différent machine apprentissage des modèles
ce sont mis en œuvre dans JMP et juste comparer étape performance au ce
spécifique tâche.
De nouveau, ma cible variable est la espèce.
Ce est la une ce je voudrais aimer pour prédire.
Dans total, je avoir 209 mesures
extrait à partir de ma données d'empreinte et celles-ci sont ma X variables.
Celles-ci sont tous les facteurs ce pouvez potentiellement être utilisé.
Quoi toi voir vers le bas ici est toi pouvez choisir la méthode ce toi voudrais courir
et toi pouvez fondamentalement choisir par tous la prédiction méthodes.
Mais pour arguments Saké et pour Durée,
je vais seulement Cours méthodes ce je connaître ce volonté Cours par rapidement.
Toi pouvez de nouveau Fabriquer ce reproductible par réglage une Aléatoire planter.
Qu'est-ce que également bien sur une plateforme de criblage de modèles
est toi pouvez ajouter une interne validation étape.
Nous déjà diviser notre Les données dans formation et test ensemble.
Mais dans commande pour avoir une validation interne au celles-ci des modèles
ce je suis va se développer,
je vais ajouter pli en k validation croisée.
je vais juste mettre une cocher dans ici alors ce là sont nombreuses des modèles
sont évalués en utilisant le k-fold validation croisée méthode.
D'accord, si je juste Cliquez sur rapidement, va au Cours.
je vais avoir une sommaire perspectives.
je vais voir ce quatre de ma des modèles
avoir été évalué.
Vous allez avoir carré aérien,
tu vas avoir des mesures de performance pour ces différents modèles,
et toi pouvez juste dire lequel une est la meilleur.
Toi juste sélectionner la dominant une.
Toi pouvez voir dans la formation ou dans l'ensemble de test
lequel volonté également donner toi une mauvaise classification taux.
Toi pouvez voir ce mauvaise classification taux pour Forêt d'amorçage a été assez impressionnant.
C'est presque 95 pour cent de la Les données a été correctement classé
dans la validation ensemble.
Pour arguments Saké, allons dire, ce la Forêt de Bootstrap,
la Arbre de décision, et la Analyse discriminante
étaient la Trois meilleur des modèles et je suis ne pas Bien sur lequel une est la meilleur.
je pouvez juste Cours celles Trois des modèles tel que sélectionné.
Ils vont pop en haut dans leur respectif Plate-forme.
Quoi je pouvez fais est je vais juste
enregistrer la prédiction formule dans ma Dépôt de formules.
je vais fais ce pour la Modèle d'arbre de décision, alors je pouvez Fermer ce.
je vais fais ce
pour la Analyse discriminante, qui est faite ici.
Dernier mais ne pas moins, je pouvez fais ça pour la Forêt d'amorçage maquette
ici.
Quoi je avoir à présent est...
Quelqu'un je pouvez Fermer, je suis Pardon.
je avoir Trois des modèles dans ma Dépôt de formules.
je à présent vouloir pour évaluer comment celles-ci des modèles effectuer au Nouveau Les données.
De nouveau, je va dans ma table de données initiale
et je sélectionner ma test ensemble,
alors tous la variables ce avoir choisi au hasard
comme une validation ensemble.
je vais juste rapidement enregistrer ce comme Test Régler.
Dans la suivant étape, je pouvez techniquement
ouvrir ma Dépôt de formule et je pouvez Cours tous ceux des modèles dans la Nouveau Les données table.
je volonté Cours leur au la test ensemble.
je vouloir pour Cours tous Trois de la des modèles.
je pouvez fais une maquette Comparaison
où je cours tout la Trois des modèles au la test ensemble.
C'est en fait Quel je voulait pour Afficher.
Vous allez voir vers le bas ici, je espérer toi pouvez voir ce.
Essayer pour Zoom dans une peu bit ce
la mauvaise classification les taux de ces modèles étaient en fait assez meugler.
Ensemble d'essai est Nouveau Les données ce a ne pas vu sur les modèles
et là a été une mauvaise classification taux
pour la Arbre de décision maquette de 16 pour cent, tandis que la Analyse discriminante
et la Forêt d'amorçage
seulement eu une mauvaise classification taux de 12 pour cent.
Toi avoir la le plus élevé air carré évaluer pour la Forêt de Bootstrap,
et là sont nombreuses autre métrique ce toi vouloir pour voir à.
Pour nous, la plus important métrique est la prédiction, droit ou tort.
je d'habitude voir une parcelle à la mauvaise classification taux.
Mais de toute évidence, tous la autre métrique
peut être utilisé pour évaluer et produire bien des modèles.
Dernier mais ne pas moins,
nous vouloir pour avoir une voir de comment celles-ci des modèles
en fait effectuer au la empreintes de pas ce étaient juste précédemment traité.
De nouveau, nous va arrière dans notre... Maintenant, où est-ce?
dans notre Dépôt de formules et bien Cours ce
à quatre images ce nous précédemment
traité.
Si nous ouvrir ce Les données table,
toi pouvez avoir une voir à la prédiction.
Quoi nous pouvez voir ici. je ferai ce une peu bit Suite de toute évidence.
Alors ce a été
la original Les données,
et si je juste voir dans la espèce pour la première maquette,
tout a été prédit correctement.
le première maquette a été la Arbre de décision ce prédit ASC pour ASC,
eurasien loutre pour eurasien loutre, à revêtement lisse pour à revêtement lisse,
et même avec la Analyse discriminante et même avec la Amorcer Forêt.
Tous les trois des modèles en fait prédit la bonne espèce pour la images
que nous avons traité, et tous des modèles étaient également cohérent
sur leur prédiction lorsque ce vient pour la eurasien loutre.
je suis Faire ma Doctorat surtout au la eurasien loutre espèce.
Ce a été également quelque chose ce je voudrais avoir deviné comme une expert
au ce particulier espèce empreinte.
Alors c'est assez cohérent et ce œuvres vraiment bien.
De toute évidence, toi pouvez ajouter Suite pas et tu peux amende régler
ton classification évaluer encore plus si toi voir Suite dans caractéristique sélection.
Mais je pense Quel je voulait pour Afficher toi avec ce démo est comment facilement une question
de quoi espèce ce est pouvez être a répondu en utilisant JMP.
je espérer ce a été assez intuitif.
Laisser moi dessiner quelque conclusion au ce, quelque résultats.
Quoi je vraiment aimer sur JMP est une génial tous- dans- une Solution.
je pouvez extrait biométrique Les données à partir de images dans la AJUSTER ajouter à.
je ne fais pas avoir pour changer Logiciel pour fais la Les données Analyse.
Directement, ma extrait biométrique Les données pouvez être analysé.
Et ne pas seulement analysé dans une descriptif façon,
je pouvez construire classification des modèles.
Il y a Etat- de- la art machine apprentissage des modèles mis en œuvre dans ce,
et alors c'est une une- et- tous Solution.
Il y a de toute évidence autre façons pour fais ça aussi,
mais je juste aimer la praticité.
Pour notre particulier recherche question,
alors notre loutre espèce spécifique classification des modèles à ce étape,
comment beaucoup Les données nous avoir, elles ou ils avoir effectué très bien.
Ils sont pouvoir pour protéger la espèce
de Célibataire inconnu loutre empreintes de pas avec haut classification taux.
Pour exemple, ici
neural rapporter, lequel je a fait ne pas Cours dans ce Exemple
car la Durée est une Un peu plus longtemps,
eu une mauvaise classification taux de seulement 10 pourcent au la même test ensemble.
Ce pouvait même augmenter la classification précision de une autre deux pour cent.
Si toi plonger dans Plus profond, toi pouvez même augmenter ce une peu bit Suite.
Une chose ce notre expérience à partir de travaillant avec empreintes de pas dans la champ
augmente la précision de la classification par assez une parcelle
est plutôt que travaillant avec des empreintes uniques
est pour travailler avec les sentiers.
Une animal, en fonction, dépendemment au où toi sont, en fonction, dépendemment au la substrat,
n'est-ce pas seulement partir une Célibataire empreinte.
Sans Aller aussi beaucoup dans détail, une empreinte pouvez être une assez complexe question
car ce varie une parcelle avec la substrat ce une animal
est en mouvement par avec la vitesse de une animal avec la portail.
Là pouvez être assez une bit de bruit et Contexte variation.
Si vous travailler avec plusieurs empreintes de pas et prendre une moyen de une prédiction
au lieu de Célibataire empreintes de pas,
toi pouvez adresse ce variation assez une bit Suite.
Ce vient surtout important lorsque toi vouloir pour voir à individuel identification.
Dernier mais ne pas moins,
JMP est également génial pour Gain connaissances au la importance de variables.
Il y a nombreuses façons dans JMP
ce toi pouvez voir dans lequel sont en fait les variables
ce sont contribuant la plus pour prédictions.
Toi pouvez Soit voir à arbre- basé méthodes,
où toi voir à la arbres de classement et où la divise sont terminé.
Toi pouvez voir dans colonne contributions de nouveau pour arbre- basé méthodes,
si toi travailler avec Amorçage F forêt, ou XGBoost, ou quelque chose aimer ce.
Toi pouvez voir lequel Colonnes choisissent en fait comment de nombreux fois.
Toi pouvait voir dans la prédiction profileur
si toi utiliser la Ordinaire la modélisation Plate-forme dans JMP.
Toi pouvez techniquement avoir une voir de quoi le prédiction de ton maquette,
comment c'est Aller pour changement Si vous changement certain valeurs.
Ou toi pouvez fais quelque chose aimer une Analyse discriminante,
où toi juste suivre
la Rapports F de comment variables sont choisi.
Ce volonté ensuite, de nouveau, donner toi une beaucoup d'idées
car ce vraiment dépend au ton question.
Fais toi vouloir pour avoir une prédiction d'un conseiller externe
de Quel espèce tu es en regardant à?
Ou fais toi vouloir pour donner une guide pour travailler sur le terrain
de lequel des mesures sont valeur en regardant dans
lorsque tu es dans champ,
lorsque toi vouloir pour Fabriquer la classement sur le sujet,
aimer juste au expert connaissances?
Ouais, alors c'est fondamentalement ce à partir de ma côté.
je voudrais aimer pour remercier tous la contribuant parcs zoologiques et faune parcs OMS permis nous
pour travailler avec leur beaux animaux et partager Les données avec nous.
Surtout, je voudrais aimer pour remercier la grâce Yoxon à partir de la IOSF,
la loutre survie solidifier OMS a obtenu nous dans contact avec de nombreux de leur,
KHYS, notre Maison de Karlsruhe de Jeune Scientifiques
OMS financé cette étude,
et plus surtout, Joseph Morgan à partir de JMP,
qui est très utile Quand cela vient à la modélisation et AJUSTER.
Puis il a été donnant moi conseils
Suite que une fois que lorsque je avoir quelconque JSL script questions.
Ouais, c'est jolie beaucoup ce à partir de ma côté.
Remercier toi très beaucoup pour écoute alors loin, toutes les personnes.
je juste vraiment vouloir pour rond en haut ici.
je penser que Ciel, et Larissa, et Fred ont magnifiquement décrit
la défis nous sommes confrontés dans identifier celles-ci différentes espèces de loutres
environ la monde et la façon dans lequel JMP pouvez aider nous
classer leur et apporter un peu de clarté pour ce image.
Où sont elles ou ils et comment de nombreux sont là?
Identifiant aimer pour juste rapidement parler sur qu'est-ce que c'est suivant.
Comment sont nous bâtiment au ce?
Une de la des choses étaient Faire est bâtiment
artificiel intelligence dans ce image alors ce ce volonté Autoriser nous pour
filtre et sorte une beaucoup plus grand le volume de Les données comme ce vient dans.
Comme tous les deux Fred et Larissa avoir mentionné, nous besoin Suite Les données.
Artificiel intelligence a la potentiel,
lequel nous avons déjà exposé dans certains début formation
et test et champ Les données
comme toi pouvez voir à la bas de cet écran.
Étaient obtenir raisonnablement bonne précision dans notre initiale essais avec IA.
Nous pense ce ce volonté jamais donner nous assez la résolution ce JMP volonté donner nous.
Quoi étaient visée pour fais est avoir une Plateforme IA
lequel volonté être facile pour scientifiques citoyens pour alimentation Les données dans.
Bien avoir JMP comme la classificateur de niveau supérieur au ce Plate-forme par en intégrant ce.
Mais la clé ici vraiment est ce cette preuve au sol cryptique
la gauche derrière par les loutres et tous la autre espèce
y a-t-il pour nous pour décoder si nous pouvez trouver une façon pour fais ce.
Ce vraiment est transformateur dans préservation
pour être pouvoir pour avoir une technique pas cher et rapide
pour connaître où celles-ci en voie de disparition espèce sont.
Étaient très optimiste qu'en utilisant un ligne de base IA classificateur
avec JMP comme une final classificateur, bien être pouvoir pour Fabriquer ce technique
pas seulement livrer la Les données nous besoin, mais intégrer gens tous dans le monde
comme citoyen scientifiques pour être partie de ce.
Étaient vraiment reconnaissant pour la Communauté JMP pour justificatif nous
par ce ensemble voyage.
Étaient constamment fabrication Nouveau foulées.
Nous connaître ce il y a intérêt dans cette communauté,
et nous espérer ce elles ou ils volonté Rejoignez-nous
lorsque notre Nouveau mobile application vient en dehors pour même démarrer collecte Les données eux-mêmes
et pousser ce effronté à l'endroit où nous voulons qu'il soit être,
lequel est une classificateur
pour tous en voie de disparition espèce tous plus de la monde.
Voici pour beaucoup et beaucoup de points au la carte,
et remercier toi tous pour écoute.
