Flux
Détection d'anomalies visuelles automatique : faut-il apprendre du défaut ou de la normalité ?
Programmation Cloud IA DevOps

Détection d'anomalies visuelles automatique : faut-il apprendre du défaut ou de la normalité ?

OCTO Talks ·

Comment bien choisir son modèle de détection d'anomalie visuelles ? La réponse dépend du coût de vos erreurs. Cet article compare deux approches sur un cas industriel, et guide votre choix selon vos contraintes opérationnelles.

Soutenez OCTO Talks en consultant la ressource originale

Lire l'article original

Vous aimez découvrir ces sources ?

Soutenez-moi sur Patreon

Articles similaires

Domain Driven Design: l'essentiel est avant le code
Récent
Programmation Web

Domain Driven Design: l'essentiel est avant le code

Pour beaucoup de développeurs, voir un dossier “Domain” dans le code source d’un projet, visant à isoler la partie métier, et avoir des objets riches avec un nommage cohérent, c’est faire du DDD (Domain Driven Design). C’est certes un bon début, mais réduire le Domain Driven Design à une structure de dossier, c’est passer à côté de l’essentiel. Le DDD, ce n’est pas qu’une affaire de découpage et d’organisation technique. C’est avant tout une approche stratégique. Identifier les différents…

Jérémy Decool
Une semaine pour appréhender l'IA générative dans les métiers du produit
Récent
Programmation Cloud IA DevOps

Une semaine pour appréhender l'IA générative dans les métiers du produit

Pendant cinq jours, une communauté de Product Managers, Product Owners, designers et coachs d'OCTO a mis l'IA générative au centre de son travail : de la théorie le matin à des prototypes fonctionnels en deux jours. Récit d'un format, de ses enseignements, et mode d'emploi pour le rejouer dans votre équipe.

OCTO Talks