Лилли Томас присоединяется к Development Seed в качестве последнего нанятого нами инженера по машинному обучению, и мы очень рады! Она предложит нашей команде переосмыслить и усовершенствовать то, как мы применяем глубокое обучение для извлечения функций из изображений с высоким разрешением, и, расширяя наши технические возможности, она также советует гендерный баланс 75% женщин в нашей команде машинного обучения. !
Первоначально Лилли сосредоточится на применении глубокого обучения с подкреплением, чтобы помочь людям в нанесении на карту дорог по изображениям с высоты птичьего полета. Это новый подход к популярной проблеме (получение дорожных сетей из изображений), поэтому будет интересно посмотреть, может ли и как эта работа предложить альтернативное решение распространенным методам пиксельной сегментации.
Мониторинг нестабильных земель с использованием данных для отслеживания изменений во времени - область, в которой Лилли хорошо разбирается как в профессиональном, так и в личном плане. Она работала с разнородными форматами данных как в Eagleview Technologies, так и в OmniEarth, где мы частично работали вместе, чтобы развернуть и масштабировать конвейеры облачного машинного обучения и помочь получить представление о мерах по экономии ресурсов. Вместе мы работали над проектом, используя классификацию земного покрова по спутниковым снимкам в сочетании с региональными данными о погоде и эвапотранспирацией, чтобы помочь государственным водохозяйственным агентствам Калифорнии нацелить внимание на неэффективных пользователей в пределах их юрисдикции.
Ежедневная работа Лилли превратилась в ее хобби, выходящее за рамки работы. Будучи заядлым серфером из Лос-Анджелеса, она провела время, изучая прибрежную эрозию и ее влияние на ежедневные условия серфинга, чтобы обнаружить отводные течения, используя многоспектральные спутниковые снимки с соотношением полос для конкретных отложений.
Присоединяйтесь ко мне и поприветствуйте Лилли в нашей команде и следите за ее работой на GitHub или скажите привет в Твиттере!
