こんにちは、 みんな。
感謝 あなた のために 接合 私たち。
その タイトル の 私たちの 話す 今日
それはオッターリーです 混乱する！ ショートC 法律で定められた、 ヘアリーN osed、 スムースC オート、 または ユーラシア人？
ただ 聞く ジャンプ！
これら 4つ 種 起こる で 同じ 生息地 で アジア、 で ユーラシア、
そして その 質問 は、 どうやって する あなた 教えて 彼ら 離れて？
使用 私たちの FIT技術、 その フットプリント 識別 技術
発展した による ワイルドトラック、
私たちは できる 実は 教えて 彼ら 離れて。
その プレゼンテーション 意思 なれ による 4つ 人々：
フレッド キストナー、 誰が は で その カールスルーエ ドイツの工科大学
そして また a メンバー の その ワイルドトラック スペシャリスト グループ;
ラリッサ スラニー、 誰が は a 博士号 候補者 で ヘリオット- ワット 大学、
FITチーターズ 研究 プロジェクト
そして また メンバー の その 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 そして 自分自身、 私は 空 アリバイ、 学部 で 公爵 大学
そして 創設者 の ワイルドトラック そして 開発者 の その フットプリント 識別 技術
そして 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 行く に する a とても 簡単なデモ、非常に簡単な紹介、
そして 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 それ 私たちは 仕事 の上、
ワイルドトラック もっている 一つの 広範囲にわたる 番号 著名な 種 それ 私たちは 仕事 の上
さまざまな部分で の その 世界、 範囲 から その アムール川 虎 で 中国
に 黒 サイ で アフリカ に ジャガー で ブラジル。
全て の 彼ら 活用する で 1つ 形状 または別の
は フットプリント 識別 テクノロジー。
今 何 する フットプリント 識別 テクノロジー 実は する？
1つ の その もの について 足跡識別技術FIT
は それ それ 作品 として 一つの アドイン で ジャンプ。
その 設計された に 分類する 種 または亜種
による 使用して その メトリクス から その 足跡、
分類する セックス、 分類する 年 クラス、 そして 平 分類する 個人。
今 それらの は 全て 要素 それ は 必須 に 理解する
その 人口 ダイナミクス の どれでも 絶滅危惧種 種、
その 不可欠 財団 要素。
その 保全 アプリケーション フットプリントの 識別 技術、
その ベースライン データ の上 数字 そして 分布 で フォーム:
データ- 駆動された 科学的 保全 戦略、
貿易 で 絶滅危惧種 種、
人間/ 動物 対立 緩和、
そして 全て これら で a 方法 意思 なれ 表示されている
に 代表する その 方法 で 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 スラニー、 誰が 意思 始める その プロセス の 混乱を解消する。
感謝 あなた。
右。 感謝 あなた とても 多くの、 空、 のために これ 素晴らしい 導入。
感謝 あなた に JMP、 のために 許可する 私たち に 現在 私たちの 研究 ここ。
だった とても 喜んで について それ。
感謝 あなた それで 多くの のために 全て の あなた に ここにいて
そして 見せる これ 興味 で 私たちの 研究。
今 前に だった 行く に ジャンプ、 平 意図された、
の中へ 説明 私たちの データ 分析 と JMP、
I だろう のように に 与える あなた いくつかの 背景 に これ 研究。
私たちは 考える それ は 本当に 重要 に 見て で これ で コンテクスト
なぜなら その ない ただ について 何 ジャンプ できる、
しかし どうやって これ は 適用済み で その 現実世界 そして どうやって 私たちは 科学者たち できる 使用 それ に...
それ 与える 私たち その 機会 に 作る 変更 のために その より良い、 基本的に。
私たちの 研究 見た目 で フットプリント 分析 として 空 すでに ただ 言った。
私たちは は 見ている で その 足跡 の アジア人 カワウソ 種。
今 ここ あなた できる 見る 4つ 違う アジア人 カワウソ 種
そして 彼らは 全て 分類された 脆弱である あるいは批判的に 絶滅危惧種 による その 国際自然保護連合（IUCN）
そして その 家 範囲 重なり合った、
だからそれはそう と呼ばれる 同所的な カワウソ 種。
の上 その トップ 左、 あなた できる 見る その スムースC オートミール カワウソ。
トップ 右、 あなた できる 見る その アジア人 短い または 小さい- 爪で引っかかれた カワウソ、
底 左、 その 毛深い 鼻のある カワウソ、
そして で 底 右、 あなた できる 見る その ユーラシア カワウソ。
今、 に なれ できる に モニター その 異なる種、
私たちは 必要 に 集める 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。
あなた しそうにない これまで 見る 彼ら で その 野生、 しかし あなた する 見る 彼らの 足跡。
見ている で これら 足跡 のために それぞれの種、
いつ あなた 見て で 彼ら ここ、 彼らは 見て とても 似ている、 しない 彼らは？
今、 その とても トリック に 教えて 彼ら 離れて。
したがって、 私たちは セット 私たち その タスク に 調べる
そこには は a 方法 のために フィット に 区別する 間 その 足跡
の これら 4つ カワウソ 種 で a 科学的 そして 信頼性のある 方法。
今、 私たちは する 持っている 一つの 追加した 問題 ここ、 なぜなら その 前方の足跡
の 二 の その 種 持っている a サイズ 重複
そして その 後ろ足跡 の 別の 種
は 形態学的に 非常に似ています、
そして また サイズ- 賢い とても 似ている に その フロント 足 の 別の 種。
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 分布範囲を示す
の その 違う カワウソ 種。
その 青 エリア ここ、 それは a ユーラシア カワウソ。
それから その 赤 エリア は スムーズ- コーティングされた カワウソ。
その 黄色 下 ここ は その 小さい- 爪で引っかかれた ター、
そして それから その ピンク 以上 ここ ケバ鼻カワウソです。
しかし あなた できる 見る それ、 それでも それ 見た目 のように a 大きい エリア、
そこには 実は ただ a 少し 点在 島々 そこには。
何 は 本当に 面白い について これ 地図ですが、
それ ショー あなた どこ 彼らの 家 範囲 重複します。
そこには は 六 地域 どこ
で 少しでも 二、 もし ない 平 三つ 種の重複。
のために 自然保護論者、 その 本当に 重要 に 探す 外
ここで 違う 種 ライブ、 に 何 範囲 ,
どうやって 大きい その 人口 は、 そして 探す 外 として 多くの として 可能 について
その 違う 人口
それで それ 私たちは 持っている a 良い アイデア の どうやって 絶滅危惧種 彼らは は。
今、 なぜ は カワウソの保護 重要？
良い、 初め の 全て、 カワウソ は 分類された キーストーンとして 種、
そして それ 手段 それ 彼らは 持っている 一つの 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 持っている とても a 大きい インパクト。
彼らは 遊ぶ a 本当に 重要 一部
で その 食べ物 鎖 そして 貢献する に その 環境 平衡。
彼らは また 見た として 傘 種、
どれの 手段 それ 彼らは 与える 保護 に a 大きい 番号 の 他の 種。
基本的に、 もし 何か 起こる に その カワウソ、
それ 意思 持っている 一つの インパクト の上 他の 種 として 良い。
彼らは また 一つの インジケータ 種、
それで 彼らは 実は 示す その 健康 の 彼らの 環境。
彼らは 意思 ない ライブ で 汚染された水 または で 汚染された 湿地。
カワウソ 戻る に 一つの エリア は 常に良い兆候です。
なぜなら それ 手段 水質 そして 湿地 健康 は 改善しています。
今、 脅威 に カワウソ。 そこには は たくさん の 違う 脅迫。
汚染 は その 1つ 私たちはすでに 言及された ただ 今。
しかし 別の 問題 は その 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。
A n 増加 特にアジアでは、
は その 違法 貿易、 その 違法 野生動物 貿易。
彼らは は 特に 毛皮の後に、 その 毛皮 貿易 そして また 後 ペット。
赤ちゃん カワウソ は 撮影 外 の その 野生でペットとして利用されている
どれの は ない 良い のために カワウソ 保全 で 全て。
今
どうやって する あなた アプローチ a 保全 プロジェクト のように これ？
良い、 初め の 全て、 あなた 必要 に 考える
方法について する あなた 欲しい に モニター その 人口。
何 する あなた 欲しい に 見て で？
する あなた 欲しい に 見て で 種 分布？
はい、 ほとんど いつも。
する あなた 欲しい に 見て で 個人 IDは？
する あなた 欲しい に 探す 外 何 その セックス 比率 内で a 人口 は？
その 次 もの あなた 必要 に 決める は する あなた 欲しい に 使用 侵襲的な 方法
それ 潜在的に ストレス または 平 動物に危害を加えるのですか?
または する あなた 欲しい に 使用 非 侵襲的な テクノロジー または 方法
に モニター その 種 どれの 意思 ない ストレス そして 危害 その 動物ですか？
私たちは、 で ワイルドトラック、
私たちは 集中 の上 非侵襲的な方法 に モニター 種。
で これ 特定の プロジェクト、
私たちは は 完全に 焦点を合わせる の上 フットプリント 識別。
今、 一度 あなた 持っている 作った それらの 決定、
あなた 必要 に 明らかに 電車 人々 あなたを助けるために と その データ コレクション
なぜなら あなた できない なれ どこでも そして、あなたはできない 行く どこにでも。
その間 回 の パンデミック、 その 平 もっと 難しい。
それで あなた 必要 に 電車 あなたの チーム 両方 で- 人 として 良い として 遠隔で
それで それ もっている された a 少し の a チャレンジ。
それから あなた 必要 に 得る 全て その データ コレクション、
そして その トレーニング そして その データ収集は現場で行うことができる。
どれの 手段 で その 分野 または 元- 動物園を意味するsitu
そして 他の 保全 組織。
一度 あなた 得る その データ で、 それ は いつ あなた 始める その データ 分析。
で 私たちの 場合、 それは いつ 私たちは 始める 使用して ジャンプ。
他の 典型的な 問題 のために どれでも 保全 プロジェクト は 資金、 の コース、 そして また
試して に 得る 保全 政策が改善され、
そして 管理 戦略 のために 保全 に 持っている 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。 私たちは は 収集 全て その データ。
私たちは は 分析する 全て その データ となることによって で その 終わり の その 日、
私たちは その情報を政府に提供できる
または 他の 組織 そして 彼らは できる 情報に基づいた決定を下す
そして 作る より良い 保全 ポリシー。
させて 自分 ただ 行く 戻る 1つ もっと 時間。
の上 その 左 手 側 ここ、 実は、
あなた できる 見る 1つ の 私たちの 素敵な 動物園の飼育員 収集 足跡 のために 私たち。
の上 その 右 手 横から見ることができます
a フットプリント 画像 それ だった 送信済み に 私たち から その 野生。
それは a ミステリー フットプリント。
私たちは だった 尋ねた もし 私たちは できた お願いします 探す 外
どれの 種 その足跡を残した 後ろに。
それは 本当に 何 私たちは 欲しい、
それ 研究者 始める に 送信 私たちの足跡
そして 私たちは できる ヘルプ 彼ら 探し出す どれの 種 命 で 彼らの エリア。
フレッド 意思、 うまくいけば 後で の上、 ヘルプ 明らかにする
どれの 種 これ フットプリント 所属する に。
今、 私たちは 尋ねた 私たち自身 三つ 研究上の疑問、
そして で その 一瞬 私たちは は まだ 焦点を合わせる の上 1つ。
これ は 一つの 進行中 プロジェクト。
A t その 一瞬、 私たちは は 焦点を合わせる の上 種 分類。
できる フィット、 その フットプリント 識別 テクノロジー、
識別する または 区別する
間の 4つ 違う 種 の カワウソ 私たちは は 見ている で？
いつ 私たちは 得た 十分 データ そして 十分な特定のデータ、
どこ 私たちは 絶対に 知る その 個人、
私たちは 意思 見て で 個人 分類 そして また で セックス 分類。
しかし それは 行く に なれ もう少し先へ 下 その 道。
これまで9つの動物園と提携し、 カワウソ 保全 組織。
私たちは された トレーニング 彼ら に 集める 足跡 続く 私たちのFIT プロトコル。
これ もっている された、 また、 COVIDの間、 とても 挑戦的。
私は ない された できる に 見る みんな で 人、
それで いくつかの 人々 私は 遠隔でトレーニングしなければならなかったため、
しかし 彼らは 全て された 絶対に 素晴らしいですね、私たちの動物園と飼育員の方々は
そして 持っている 本当にこの挑戦に立ち向かった
そして 持っている 開始 に 本当に 送信 で a 多く の 画像
として あなた できる 見る ここ の上 その 左。
その まだ 全体 多くの 小さい サンプル サイズ よりも 私たちは 欲しい に 持っている。
として I これは進行中のプロジェクトだと言ったが、
は 十分 に 与える 私たち
その 能力 に 今 に 共有 あなたとの予備的な結果
それで 私たちは できる 描く いくつかの 結論。
私たちは 含まれる 三つ カワウソ 種 で これ それで 遠い。
私たちは のみ ただ 開始 に 始める に hを取得する 風通しの良い 鼻のある カワウソ プリント。
そこには のみ 1つ h エアリーノーズカワウソ 捕獲不能 で その 全体 広い 世界。
彼の または 彼女、 私は ない 確かに、印刷物が届き始めたばかりですが
そして 私たちは 意思 アップデート で a 後で 時間
その 結果 と これ 4番目 種 で それ。
しかし のために 今、 だった 行く に 見て で 三つ カワウソ 種。
はい、 それで I 考える その 時間 に 持っている a より近い 見て で どうやって 私たちは する その データ 分析
以上 に フレッド。
感謝 あなた、 ラリッサ、 そして さあ ジャンプ 真っ直ぐ の中へ アクション。
のように 空 言及された 以前、
FITは された 発展した のために a 広い 番号 の 種。
いつ その 完全に 発展した
またはそれ以降 出発 生産、 その 一つの アドイン の中へ ジャンプ。
今日、 私は 行く に 示す 一部の部分 の その データ 分析
そして いくつかの 開発の一部 前に それ 来る の中へ 生産。
何 I 午前 行く に 言う は、 で 一般的な、 I ただ 望んでいた に 与える あなた
a 少し 少し の a 背景 この 発達 は いつもの 終わり。
私たちの 入力 データ は 収集された
と 装備が非常に少ない そして とても 単純 装置。
それは 1つ の その 主要 利点 の フィット、
それ それ できる なれ 広く応用されている と とても 少し 装置。
あなた のみ 必要 a スマートフォン そして a ルーラー。
もし あなた 欲しい に 開発する フィット モデル のために ある 種、
あなた 始める と 一つの 画像 データベース それは通常 収集された
の 知られている 個人 として ラリッサ 言及された。
私たちは したがって 協力する と 動物園 そして 他の 野生動物 センター。
これら 画像 は それから 加工済み JMP内 に 抽出する 幾何学的な プロフィール
それ 抽出する a 多く の 測定値、 角度、 距離。
これ データ できる それから なれ 使用済み に 開発する フィット モデル。
その 一般的な 出力 は それ あなた 欲しい に 見て で 種、 セックス、 個人。
もし あなたは できる に 個人向けの編集、 あなた 欲しい に 描く 結論
について 人口 サイズ。
一度 あなた 開発する その 方法、
あなた 絶対に 欲しい に これをテストする の上 未知 個人。
また、 あなた 見て で 画像 そして 得る a 予測 の その モデル。
利点 の フィット ベース の上 生体認証、 その 非侵襲的。
その a 標準化された そして 料金 効果的 捕まえにくい野生動物を監視する方法
それ できない なれ 監視 による 直接 観察。
それ できる なれ 実装された のために ほとんど あらゆる種 それ 葉 a フットプリント。
それ できる なれ 組み合わせ 他の非 侵襲的な 方法
そして クロス- 検証済み モデル 一般的に 持っている a 高い 正確さ。
どうやって に 建てる これら モデル 何か それ I だろう のように に デモ。
何 私は 行く に デモ 今日 技術的に見て
で 違う 足跡。
あなた 見る の上 その トップ 左、 あなた 見る a 後ろ足
の 一つの アジア人 小さな爪を持つ カワウソ。
の上 その トップ 右、 あなた 見る a 左 スムースコートカワウソの正面、
の上 その 底 左、 a 左 フロント の a ユーラシア カワウソ、
そして の上 その 右 手 側、 あなた 見る a 右足跡
から 一つの 未知 カワウソ から ネパール。
何 私たちは は 行く に する 今日 は 私たちは プロセス これら 画像。
それから 私は 行く 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 内で ジャンプ。
それから 病気 見る 何 その 予測
の これら 素早く 開発する 方法 は 行く に なれ。
それ 全て 始まる
と 画像 分析。
それは スクリプトベース 実装 内で フィット。
で その 初め ステップ、 あなた いつもの 調整する その サイズ の 一つの 画像
それで それ その フットプリント は 明らかに 見える そして その 支配的な 一部 の その 分野。
で 注文 に なれ 再現可能、
その 重要 それ 足跡 は 整列した 続く 定義された 回転 ポイント。
のために カワウソ、 これら は 回転 ポイント 下に その 2番 そして その 4番目 近い。
それから あなた セット a 定義された セット の ランドマーク ポイント。
また、 のために カワウソ、 これ は 種- 特定の。
しかし のために その他、 私は 選ばれた 11 ランドマーク。
彼らは で その 中心。
ごめん、 忘れた 1つ ステップ。
の コース、 あなた 必要 に 定義する a 規模 初め。
ここ 私たちは 得た 10センチ。 これ は ここまで。
あなた できる 追加 いくつかの 追加 情報。
ただ に 保つ それ 単純、 I 意思 名前 番目 ストライキです アジア人 短い爪の カワウソ。
それから あなた セット 11 ランドマーク ポイント。
あなた できた、 のために 実例、 使用する 料金 空気 関数
もし あなた 欲しい に 作る これ として 正確な 可能な限り、明らかに、
しかし のために 時間 理由、 病気 ただ 素早く 走る を通して 彼ら。
後 設定 11 ランドマーク、 あなた 導き出す 追加 ポイント、
役立っている ポイント それ は また 使用済み
に 抽出する 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 新しい テーブル そして あなた 行く のために a ペン 描く。
病気 ただ 素早く 走る を通して 三つ 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 その 利点 下。
何 I のように について ジャンプ は それ
その 画像 ウィンドウ できる 実は する いくつかの 画像 事前 処理。
今、 その 右 フロント。 ごめん、 I 必要 に フリップ これ 1つ もっと 時間。
できる する いくつかの 画像 処理 内で ジャンプ そして それで あなた しない 持っている に 変化
で ソフトウェア間。
それは 何か それ I 本当に のように それ I できる する 全て 私の 仕事
内で 1つ ソフトウェア 他の 切り替えるよりも で 間 いくつかの ソフトウェア。
また、 I 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 素早く汚い、
そして 希望 それ その 予測 意思 なれ 正確な 十分
それは a ユーラシアカワウソ。
また、 I 行く 追加
ただ 二 もっと 回、 1つ のために その 滑らかな毛皮 カワウソ。
また、 I 意思 セット その 11 ランドマーク、
そして 何 その ランドマーク は 使用済み のために、 病気 見せる あなた で a 2番。
導出する ポイント、行を追加します。
1つ 最後 時間、 その ミステリー ラリッサが言及した足跡
それ だった 送信済み に 私たち から a プロジェクト で ネパール、
それ は、 に 私の 知識、 やっている いくつかの カワウソ 監視 そこには。
1つ の その 種 もっている 見られなかった のために で 少しでも 30 年。
1、2、3、4、5、6 .
何ですか 違う で ここ それは あなた 持っている a 違う 規模。
それ 規模 要素 は 何か それ I 必要 に 調整する 内で ここ。
また、 病気 素早く クリック を通して その 画像。
これ は 通常 終わり a 少し 少し もっと面倒な、
しかし のために デモ 酒、 やってみます クリック を通して 彼ら 素早く。
そして これ は 一つの 未知
種。
何 あなた 終わり 上 と これは その 滑らかな毛並み。
何 あなた 終わり 上 は
a 大きい データ テーブル .
これら は ポイント のために
評価する その 品質 の その ランドマーク、 どれの I した ない 行く の中へ 内で ここ。
あなた 得る X そして Y 座標 のために それぞれ ランドマーク。
これら X そして Y 座標 は 派生
に 計算する a 大きい 番号 の 測定値。
そこには もっと よりも 100 距離 派生、 いくつかの 角度 そして いくつかの エリア。
そこには とても a 多く の 情報 抽出された 外 の a シングル フットプリント。
もし あなた 繰り返す これ ステップ それ 私は 数回表示されましたが、
あなたは 終わり 上 と a データ テーブル のように これ。
これ は その データ テーブル それ 私は行きます に デモ その 予測 モデル の上。
もし あなた 持っている a 見て 何 私たちは 持っている ここ、
もし あなた 見て で その 分布 または種 または ターゲット 変数、
あなた 見る それ I 持っている 405 加工済み 画像 の ユーラシア カワウソ、
278 アジア人 短い爪の カワウソ、 そして 127 滑らかな毛皮 カワウソ。
その ない 完璧に 同じように 分散グループ、
しかし で 少しでも それぞれ グループ もっている かなり大きなサンプルサイズで、
どれの 意思 うまくいけば 仕事 のために モデリング。
いつでも あなた 欲しい に する あらゆる種類の 監督された モデリング、
その a 良い アイデア に スプリット あなたのデータ の中へ トレーニング そして テスト データ。
これ できる なれ とても 簡単に 終わり で ジャンプ。
あなた 持っている に 作る 検証 カラム 内で その 予測的な モデリング プラットフォーム。
何 私は 終わり は I ランダムに データを80%のトレーニングデータに分割する
そして 20パーセント テスト データ、
私がテストする場所 その モデル それ だった 行く に 建てる の上
そして 見る どうやって 彼らは 実行する。
全て 右、 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 は 648 行、
そして I 意思 ただ 持っている a 見て の中へ a データ ビュー。
これ は 648 観察。
病気 素早く 保存 これ として 私の トレーニング セット。
また、 もし あなた 持っている a 見て で 分布、
あなた できた 見る それ 私たちは 持っている、
100 滑らかな毛皮 カワウソ 版画、 324 ユーラシア カワウソ 版画、 そして 223 ASC。
その その 同じ 分布 パーセンテージ として と その 前の データ セット。
で その 次 ステップ、
I 意思 スキップ 外 a 大きい 一部 それが 来る に 予測的な モデリング、
それ は a 変数 選択。
I 仮定する それ I 持っている いいえ 前 知識、 それで ただ 追加する 全て 変数
それ は 利用可能。
I 持っている いいえ アイデア どれの モデル は 行く に 仕事 最高。
何 私は 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 は 実装された で ジャンプ そして比較するだけ ステップ パフォーマンス の上 これ
特定の タスク。
また、 私の ターゲット 変数 は その 種。
これ は その 1つ それ I だろう のように に 予測する。
で 合計、 I 持っている 209回の測定
抽出された から 私の フットプリントデータ そして これら は 私の X 変数。
これら 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 その 方法 それ あなた 走りたい
そして あなた できる 基本的に 選ぶ を通して 全て その 予測 方法。
しかし のために 議論の 酒 そして のために ランタイム、
病気 のみ 走る 方法 それ I 知る それ 意思 走る を通して 素早く。
あなた できる また 作る それ 再現可能な による 設定 a ランダム シード。
何ですか また 良い について 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 一つの 内部 検証 ステップ。
私たちは すでに スプリット 私たちの データ の中へ トレーニング そして テスト セット。
しかし で 注文 に 持っている 一つの 内部検証 の上 これら モデル
それ 私は 開発されるだろう、
病気 追加 k-フォールド クロス検証。
病気 ただ 置く a チェックマーク で ここ それで それ そこには は いくつかの モデル
評価される 使用して k-フォールド クロスバリデーション 方法。
わかった、 もし I ただ クリック 素早く、 行く の上 走る。
病気 持っている a まとめ 見通し。
病気 見る それ 4つ の 私の モデル
持っている された 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 これらの複数のモデルのパフォーマンス指標、
そして あなた できる ただ 言う どれの 1つ は その 最高。
あなた ただ 選択 その 支配的な 1つ。
あなた できる 見て の中へ その 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。
あなた できる 見る それ 誤分類 レート のために ブートストラップフォレスト だった とても 印象的な。
その ほとんど 95パーセント の その データ 正しく分類された
で その 検証 セット。
のために 議論の 酒、 さあ 言う、 それ その ブートストラップフォレスト、
その 決定木、 そして その 判別分析
だった その 三つ 最高 モデル そして 私は ない もちろん どれの 1つ は その 最高。
I できる ただ 走る それらの 三つ モデル 選択したとおりです。
彼らは ポップ 上 で 彼らの それぞれ プラットフォーム。
何 I できる する は 病気 ただ
保存 その 予測 式 の中へ 私の フォーミュラデポ。
病気 する これ のために その 決定木モデル、 それで I できる 近い これ。
病気 する これ
のために その ここで行われる判別分析。
最後 しかし ない 少しでも、 I できる これをする のために その ブートストラップフォレスト モデル
ここ。
何 I 持っている 今 は...
誰か I できる 近い、 私は ごめん。
I 持っている 三つ モデル で 私の フォーミュラデポ。
I 今 欲しい に 評価する どうやって これら モデル 実行する の上 新しい データ。
また、 I 行く の中へ 私の 初期データテーブル
そして I 選択 私の テスト セット、
それで 全て その 変数 それ 持っている ランダムに選択している
として a 検証 セット。
病気 ただ 素早く 保存 これ として テスト セット。
で その 次 ステップ、 I できる 技術的に
開ける 私の フォーミュラデポ そして I できる 走る それらすべて モデル で その 新しい データ テーブル。
I 意思 走る 彼ら の上 その テスト セット。
I 欲しい に 走る 全て 三つ の その モデル。
I できる する a モデル 比較
私が運営する その 三つ モデル の上 その テスト セット。
それは 実は 何 I 望んでいた に 見せる。
あなたは 見る 下 ここ、 I 希望 あなた できる 見る これ。
試す に ズーム で a 少し 少し それ
その 誤分類 料金 これらのモデルの だった 実は とても 低い。
テストセット は 新しい データ それ もっている ない モデルに見られる
そして そこには だった a 誤分類 レート
のために その 決定木 モデル の 16パーセント その間 その 判別分析
そして その ブートストラップフォレスト
のみ 持っていた a 誤分類 レート の 12パーセント。
あなた 持っている その 最高 空気 四角 価値 のために その ブートストラップフォレスト、
そして そこには は いくつかの 他の メトリクス それ あなた 欲しい に 見て で。
のために 私たち、 その ほとんど 重要 メトリック は その 予測、 右 または 間違っている。
I いつもの 見て a 多く で その 誤分類 レート。
しかし 明らかに、 全て その 他の メトリクス
使用できる に 評価する そして 生成する 良い モデル。
最後 しかし ない 少しでも、
私たちは 欲しい に 持っている a 見て の どうやって これら モデル
実は 実行する の上 その 足跡 それ だった ただ 以前 処理されました。
また、 私たちは 行く 戻る の中へ 私たちの...さて、どこにあるのでしょうか?
で 私たちの フォーミュラデポ そして 良い 走る これ
で 4つ 画像 それ 私たちは 以前
処理されました。
もし 私たちは 開ける これ データ テーブル、
あなた できる 持っている a 見て で その 予測。
何 私たちは できる 見る ここ。 私は作ります それ a 少し 少し もっと 明らかに。
それで これ だった
その オリジナル データ、
そして もし I ただ 見て の中へ その 種 のために その 初め モデル、
すべて だった 予測された 正しく。
その 初め モデル だった その 決定木 それ 予測された ASC のために ASC、
ユーラシア カワウソ用 ユーラシア カワウソ、 滑らかな毛皮 のために 滑らかな毛皮、
そして 同じ と その 判別分析 そして 同じ と その ブートストラップ 森。
3つすべて モデル 実は 予測された 適切な種 に その 画像
私たちが処理したもの、 そして 全て モデル だった また 一貫性のある
について 彼らの 予測 いつ それ 来る に その 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 その ユーラシア カワウソ 種。
これ だった また 何か それ I だろう 持っている 推測した として 一つの 専門家
の上 これ 特定の 種 フットプリント。
それで その とても 一貫性のある そして それ 作品 本当に 良い。
明らかに、 あなた できる 追加 もっと 手順 そしてあなたは 大丈夫 曲
あなたの 分類 さらに評価する もし あなた 見て もっと の中へ 特徴 選択。
しかし I 考える 何 I 望んでいた に 見せる あなた と これ デモ は どうやって 簡単に a 質問
何の 種 それ は できる なれ 答えた 使用して ジャンプ。
I 希望 これ だった とても 直感的です。
させて 自分 描く いくつかの 結論 の上 それ、 いくつかの 結果。
何 I 本当に のように について ジャンプ は a 素晴らしい 全て- で- 1つ 解決。
I できる 抽出する 生体認証 データ から 画像 内で その フィット アドイン。
I しない 持っている に スイッチ ソフトウェア に する その 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 分析しました。
そして ない のみ 分析された で a 説明的な 方法、
I できる 建てる 分類 モデル。
そこには 州- の- その 美術 機械 学ぶ モデル 実装された の中へ それ、
そして それで その a 1つ- そして- 全て 解決。
そこには 明らかに 他の 方法 に それもそうしてください、
しかし I ただ のように その 実用性。
のために 私たちの 特定の 研究 質問、
それで 私たちの カワウソ 種 特定の 分類 モデル で これ ステージ、
どうやって 多くの データ 私たちは 持っている、 彼らは 持っている 実行された とても 良い。
彼らは できる に 守る その 種
の シングル 未知 カワウソ 足跡 と 高い 分類 レート。
のために 実例、 ここ
ニューラル ネット、 どれの I した ない 走る で これ 例
なぜなら その ランタイム は a もう少し長く、
持っていた a 誤分類 レート の のみ 10パーセント の上 その 同じ テスト セット。
それ できた 平 増加 その 分類 正確さ の 別の 2パーセント。
もし あなた ダイビング で 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つ もの それ 私たちの 経験 から 働く と 足跡 で その 分野
増加する その 分類精度 による とても a 多く
むしろ よりも 働く 単一の足跡付き
は に 仕事 と トレイル。
アン 動物、 依存する の上 どこ あなた は、 依存する の上 その 基板、
しない のみ 離れる a シングル フットプリント。
それなし 行く あまりにも 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 複雑な 案件
なぜなら それ 変数 a 多く と その 基板 それ 一つの 動物
動いている を通して と その スピード の 一つの 動物 と その ゲート。
そこには できる なれ とても a 少し の ノイズ そして 背景 変化。
もしあなたが 仕事 と 複数 足跡 そして 取る 一つの 平均 の a 予測
その代わり の シングル 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 に 見て で 個人 識別。
最後 しかし ない 少しでも、
ジャンプ は また 素晴らしい に 得 洞察 の上 その 重要性 の 変数。
そこには いくつかの 方法 内で ジャンプ
それ あなた できる 見て の中へ どれの は 実際には変数
それ は 貢献する その ほとんど に 予測。
あなた できる どちらか 見て で 木- ベース 方法、
どこ あなた 見て で その 分類ツリー そして どこ その 分割 は 終わり。
あなた できる 見て の中へ カラム 貢献 また のために 木- ベース 方法、
もし あなた 仕事 と ブートストラップF オレステス、 または XGBoost、 または 何か のように それ。
あなた できる 見る どれの 列 実際に選択している どうやって 多くの 回。
あなた できた 見て の中へ その 予測 プロファイラー
もし あなた 使用 その 普通 モデリング プラットフォーム 内で ジャンプ。
あなた できる 技術的に 持っている a 見て 何の 予測 の あなたの モデル、
どうやって その 行く に 変化 もしあなたが 変化 ある 価値観。
または あなた できる する 何か のように a 判別分析、
どこ あなた ただ フォローする
その F比 の どうやって 変数 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 本当に 依存する の上 あなたの 質問。
する あなた 欲しい に 持っている a 外部アドバイザーからの予測
の 何 種 あなたは 見ている で？
または する あなた 欲しい に 与える a 現場での作業ガイド
の どれの 測定値 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 に 作る その 主題に関する分類、
のように ただ の上 専門家 知識？
うん、 それで それは 基本的に それ から 私の 側。
I だろう のように に 感謝 全て その 貢献する 動物園 そして 野生動物 公園 誰が 許可された 私たち
に 仕事 と 彼らの 美しい動物たち そして 共有 データ と 私たち。
特に、 I だろう のように に 感謝 グレース ヨクソン から その IOSF、
その カワウソ 生存 固い 誰が 得た 私たち の中へ 接触 と 多くの の 彼ら、
KHYS、 私たちの カールスルーエハウス ヤングの 科学者たち
誰が 実際にこの研究に資金を提供した
そして ほとんど 重要なのは、 ジョセフ モーガン から JMP、
とても 役立つ となると モデリング そして フィット。
それから 彼 もっている された 与える 自分 アドバイス
もっと よりも 一度 いつ I 得る どれでも 日本語 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 のために リスニング それで 遠い、 みんな。
I ただ 本当に 欲しい に ラウンド 上 ここ。
I と思う 空、 そして ラリッサ、 そして フレッド 美しく輪郭を描いた
その 課題 私たちが直面している で 識別する これら さまざまな種類のカワウソ
その周り その 世界 そして その 方法 で どれの ジャンプ できる ヘルプ 私たち
分類する 彼ら そして 持ってくる ある程度の明確さ に これ 写真。
どこ は 彼らは そして どうやって 多くの は そこには？
私は のように に ただ 素早く 話す について 何ですか 次。
どうやって は 私たちは 建物 の上 これ？
1つ の その もの だった やっている 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 私たち に
フィルター そして 選別 a 多くの より大きい 音量 の データ として それ 来る で。
として 両方 フレッド そして ラリッサ 持っている 言った、 私たちは 必要 もっと データ。
人工的な 知能 もっている その 潜在的、
どれの 私たちは すでに 露出 初期の トレーニング
そして テスト そして 分野 データ
として あなた できる 見る で その 底 の この画面。
だった 取得 適度に 精度が良い で 私たちの イニシャル 試験 と 人工知能。
私たちは 考える それ それ 意思 一度もない 与える 私たち とても その 解決 それ ジャンプ 意思 与える 私たち。
何 だった 目指す に する は 持っている 一つの AIプラットフォーム
どれの 意思 なれ 簡単 のために 市民科学者 に 餌 データ の中へ。
良い 持っている ジャンプ として その トップレベルの分類器 の上 それ プラットフォーム による 統合する それ。
しかし その 鍵 ここ 本当に は それ この不可解な地盤証拠
左 後ろに による カワウソ そして 全て その 他の 種
ありますか のために 私たち に デコード もし私たちが できる 探す a 方法 に する それ。
それ 本当に は 変革的な で 保全
に なれ できる に 持っている a 安くて速い技術
に 知る どこ これら 絶滅危惧種 種 は。
だった とても 楽観的 使用して ベースライン 人工知能 分類器
JMPを使用 として a ファイナル 分類器、 良い なれ できる に 作る それ 技術
だけでなく 届ける その データ 私たちは 必要、 しかし 統合する 人々 全て 世界中で
として 市民 科学者たち に なれ 一部 の それ。
だった 本当に ありがたい に その JMPコミュニティ のために サポート 私たち
を通して これ 全体 旅。
だった 常に 作る 新しい 大きな進歩。
私たちは 知る それ そこには 興味 で このコミュニティ、
そして 私たちは 希望 それ 彼らは 意思 参加しませんか
いつ 私たちの 新しい 携帯 アプリ 来る 外 に 平 始める 収集 データ 彼ら自身
そして 押す これ フォワード 望むところへ なれ、
どれの は a 分類器
のために 全て 絶滅危惧種 種 全て 以上 その 世界。
こちらは に たくさん そして たくさん の ポイント の上 その 地図、
そして 感謝 あなた 全て のために リスニング。
