Use caset

ReactJS:llä tehty visualisointi LAM-pisteistä mitatuista autojen liikennemääristä ja reaaliaikaisesta tavarajunien seurannasta.

Koronapandemian vaikutusta ilmanlaatuun tutkittiin liikennemäärien, sään ja ilmanlaadun mittauksien pohjalta.

Neuroverkon ja siirretyn oppimisen hyödyntäminen keuhkokuumeen tunnistuksessa vähäisellä opetusdatalla.

Helppokäyttöisiä kuvantunnistusdemoja, jotka toimivat verkkoselaimessa. Neuroverkon opetuksessa on käytetty avoimia kuvajoukkoja ja toteutettu käyttäen Keras-kirjastoa. Mallin lataamiseen ja ennustamiseen käytetään Tensorflow.js:ää.

Liikenneviraston tarjoaman avoimen LAM (Liikenteen Automaattinen Mittaus)-pistedatan visualisointi demo käyttäen deck.gl ja react-map-gl kirjastoja.

Ruuhkien tunnistaminen Liikenneviraston kelikameroiden kuvien perusteella käyttäen tekoälyä. Kelikameroiden kuvista laskettiin neuroverkon avulla objektien määrä, josta muodostettiin merkit ja lämpökartta Google mapsin karttapohjaan.

Neuroverkon avulla opetetaan auto ajamaan itsenäisesti videopelissä olevia ratoja.

Neuroverkkoja voidaan käyttää hyvinkin luoviin tarkoituksiin, esimerkiksi kuvien syntetisointiin tyhjästä. Kokeilimme generatiivista mallia realististen kasvojen piirtämiseen ja ehistämiseen.

Jamkin opiskelijatiimin tuotos Future City Challengen (FCC) Jyväskylän haasteeseen. Tavoitteena resurssiviisas kaupunki.

Clickstream (clickpath) on webbisivustolla vierailevien käyttäjien linkkien klikkaussekvenssi. Data-analytiikan avulla tutkimme verkkokaupan klikkaussekvenssistä tuotteiden ostoon liittyvää käyttäytymistä ja mistä sivustoilta Wikipediaan on päädytty.

Ostoskäyttäytymisen analysointi avoimesta ostosdatasta data-analytiikan avulla käyttäen Market Basket Analysis menetelmää (a-priori).

Objektien tunnistaminen neuroverkkojen avulla joko kuvasta tai videokuvasta. Henkilön tunnistusta testattiin objektin tunnistuksen yhteydessä, kun objekti tunnistetaan ihmiseksi. Lisäksi kyseinen objektin tunnistaminen kytkettiin Nao-robottiin.

Maanjäristysdatan analysointi klusterointimenetelmällä ja tulosten visualisointi 3D-mallilla.

Liikenneviraston tarjoaman liikenteen automaattisten mittausasemien (LAM) avoimen datan aikasarja-analyysi ja liikenteen määrien ennustaminen data-analytiikan avulla.