Käsi auton ratissa

Datan avulla uutta tietoa: Autotalli.comin leasing-autodata

Digitalisaation seurauksena tiedon määrän kasvu on viimeisinä vuosina ollut eksponentiaalisen nopeaa, mitä voitaisiin kuvata tiedon tai tietomäärän tsunamiksi. Useissa yrityksissä dataa kerätään ja varastoidaan huomattavia määriä päivittäin, mutta se voi jäädä hyödyntämättä. Teknologian nopea kehittyminen on mahdollistanut suurien datamäärien analysoinnin, mutta hieman pienemmästäkin määrästä voi saada liiketoiminnallista hyötyä. Oleellinen tekijä on kuitenkin riittävä määrä dataa,…

Jatka lukemista
Tuulimyllyt nurmikolla

eÄlytelli-hankkeessa automatisoidaan vaihdelaatikoiden testausta Moventasin kanssa

Jyväskylän ammattikorkeakoulun IT-instituutti kehittää pilotissaan Moventasin tuulimyllyjen vaihdelaatikoiden testaamiseen liittyvää järjestelmää. Vaihdelaatikoita testataan, jotta tuotteen laadusta voidaan varmistua ennen sen käyttöönottoa. Testauksen automatisointi nopeuttaa tätä vaihetta ja tuottaa entistä vertailukelpoisempia tuloksia. Vaihdelaatikoiden testausjärjestelmä tuottaa suuria määriä dataa, jonka hyödyntäminen vaatii oikeanlaisen ja tarpeeksi nopean tallennusjärjestelmän. Tällöin on mahdollista tuottaa johtopäätöksiä testauksesta käyttäen kehittyneitä analyysimenetelmiä. Kuva:…

Jatka lukemista

JAMKin opiskelijat mukana Kokeilunpaikan tekoälyhaasteessa

Tekoäly on viimeisen vuoden aikana aiheuttanut paljon keskustelua mediassa ja siihen on Suomessakin herätty. Elinkeinoministeri Mika Lintilän toimeksiannosta käynnistettiin 18.5.2017 tekoälyohjelma. Työtä toteuttamaan perustettiin ohjausryhmä, jonka puheenjohtajaksi kutsuttiin Pekka Ala-Pietilä. Ohjausryhmän ensimmäinen väliraportti valmistui lokakuussa 2017 ja tekoälyohjelman on määrä valmistua huhtikuussa 2019 (www.tekoalyaika.fi). Tämän lisäksi valtionneuvoston kanslian Kokeileva Suomi -hanke sekä Motiva järjestivät kaikille…

Jatka lukemista

Näkyvyyden arviointi neuroverkon avulla kelikamerakuvasta

Kehitimme yhteistyössä Ilmatieteen laitoksen (FMI) tekoälyyn pohjautuvan teiden näkyvyyden arviointityökalun kelikameroiden kuvia hyödyntäen. Arviointiin käytettiin esimerkiksi pysäytyskuvia tiesääasemasta tai kelikameroista sekä videokuvaa auton kojelaudan kamerasta. Syväoppimista eli neuroverkkotekniikkaa käytettiin arvioimaan näkyvyyden tasoa kelikameratietojen ja kuvien avulla. Tutkimuksen tarkoituksena oli luokitella havaittu näkyvyys kolmeen luokkaan: normaali, huono ja erittäin huono. Samalla selvitettiin näkyvyysluokkien kriteerit: lumisade, pilvisyys…

Jatka lukemista