Blog
Upalgo Labeling by Ezako désormais disponible via Siemens
Ezako et XPERT : le deep learning pour toutes les plateformes sous-marines
Ezako et XPERT lancent un projet de développement pour adapter les réseaux de neurones à chaque plateforme sous-marine, du drone à l’hydrophone, et améliorer la détection en temps réel des anomalies sous-marines.
Upalgo Labeling rejoint l’Altair Partner Alliance
Altair distribue Upalgo Labeling au sein de l’Altair Partner Alliance : un outil d’annotation de séries temporelles et de données de capteurs, avec propagation des labels.
VASCREEN : détecter les substances dangereuses et illicites dans les bagages
Dans le cadre du programme SecurIT, Ezako et MION développent VASCREEN, une solution de détection des substances potentiellement dangereuses et illicites dans les bagages et les marchandises.
Que faire de vos séries temporelles ?
Ce que sont les séries temporelles, d’où elles viennent, comment le machine learning les exploite, et quel retour en attendre.
Ezako rejoint le programme Minc Scale
Ezako rejoint Minc Scale, un programme qui accompagne les entreprises en croissance à l’international, pour aborder le marché nordique.
Ezako rejoint NVIDIA Inception
Ezako rejoint NVIDIA Inception, le programme qui accompagne les startups de l’intelligence artificielle.
Qu’est-ce que le MTBF, le temps moyen entre pannes ?
Le temps moyen entre pannes dit la fiabilité d’une machine : ce qu’il est, pourquoi il compte, comment le calculer et comment l’améliorer.
Ezako et Alseamar : le deep learning sur les plateformes sous-marines autonomes
Dans le cadre du projet RAPID DASMIA, Ezako et Alseamar développent le deep learning sur des plateformes sous-marines autonomes.
Qu’est-ce que l’apprentissage fédéré ?
L’apprentissage fédéré entraîne un modèle commun sur des données qui restent sur les appareils qui les détiennent : seules les mises à jour du modèle circulent. Ce que c’est, et quand c’est utile.
Une approche deep learning de la détection d’anomalies dans les signaux, avec Safran Aircraft Engines
Des observations anormales dans des séries de capteurs à haute fréquence peuvent rendre inexploitables les spectrogrammes d’un essai moteur. Une approche deep learning pour les détecter, développée avec Safran Aircraft Engines.