рдХреГрддреНрд░рд┐рдо рдмреБрджреНрдзрд┐рдорддреНрддрд╛
рдПрдкреЗрди рд╕реНрд╡рд╛рдпрддреНрдд рд╡рд╛рд╣рди рдирд┐рд░реНрдорд╛рддрд╛рдУрдВ рдХреЗ рд▓рд┐рдП рдЙрдЪреНрдЪ рдЧреБрдгрд╡рддреНрддрд╛ рд╡рд╛рд▓реЗ рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдбреЗрдЯрд╛ рдкреНрд░рджрд╛рди рдХрд░рддрд╛ рд╣реИ

Appen Limited (ASX:APX), जो संगठनों के लिए प्रभावी एआई सिस्टम बनाने के लिए उच्च गुणवत्ता वाले प्रशिक्षण डेटा का अग्रणी प्रदाता है, ने आज स्वायत्त वाहन निर्माताओं के लिए उच्च गुणवत्ता वाले प्रशिक्षण डेटा तक पहुंच सुनिश्चित करने और अपने प्रशिक्षण डेटा निवेश से अधिकतम मूल्य प्राप्त करने के लिए उन्नत क्षमताओं की घोषणा की। उच्च गुणवत्ता वाला प्रशिक्षण डेटा सुनिश्चित करने के लिए आवश्यक है कि स्वायत्त वाहन सुरक्षित रूप से और अपेक्षित रूप से काम करें, और एपेन, जो 7 में से 10 सबसे बड़ी वैश्विक ऑटोमोटिव कंपनियों और टियर 1 सप्लायर्स के साथ काम करता है, 99+% सटीकता के साथ जटिल बहुस्तरीय एआई परियोजनाओं को वितरित कर सकता है।
“यह पर्याप्त नहीं है कि वाहन सिम्युलेटेड या अच्छे मौसम की स्थिति में एक प्रकार की भूगर्भिक स्थिति में अच्छा प्रदर्शन करें, ” एपेन के सीटीओ विल्सन पैंग ने कहा। “उन्हें सभी मौसम की स्थिति में और हर कल्पनीय सड़क परिदृश्य में जो वे वास्तविक दुनिया में मिलेंगे, निर्दोष रूप से प्रदर्शन करना चाहिए। इसका मतलब है कि वाहन के एआई के लिए मशीन लर्निंग (एमएल) मॉडल पर काम करने वाली टीमों को उच्चतम संभव सटीकता के साथ प्रशिक्षण डेटा प्राप्त करने पर ध्यान केंद्रित करना चाहिए ताकि वे सड़क पर तैनात होने से पहले तैनात हो सकें। हमारे ग्राहक हमें अपने सबसे जटिल प्रशिक्षण डेटा एनोटेशन परिदृश्यों पर भरोसा करते हैं क्योंकि हमारे उद्योग-अग्रणी एनोटेशन प्लेटफ़ॉर्म और सेवाएं हमें बहुस्तरीय स्व-ड्राइविंग कार एल्गोरिदम को शक्ति प्रदान करने के लिए आवश्यक उच्च गुणवत्ता प्रदान करने में सक्षम बनाती हैं। ”
सड़क, मौसम और सुरक्षा की स्थिति को समझने और ठीक से प्रतिक्रिया देने के लिए, स्वायत्त वाहनों को कई और कई प्रकार के सेंसर से जटिल, बहुस्तरीय डेटासेट की आवश्यकता होती है। यह न केवल विक्रेता विशेषज्ञता के कारण एक चुनौती प्रस्तुत करता है, बल्कि डेटा एनोटेशन प्रक्रिया के लिए एक बड़ा गुणवत्ता आश्वासन चुनौती भी पैदा करता है क्योंकि जब मॉडल को प्रशिक्षित करने वाली टीमें खराब गुणवत्ता वाले प्रशिक्षण डेटा प्राप्त करती हैं, तो उन्हें अपने मशीन लर्निंग मॉडल के लिए शुद्ध लाभ प्रदान करने के लिए डेटासेट में सुधार की आवश्यकता का पता लगाने के लिए महत्वपूर्ण समय और संसाधनों को बर्बाद करना पड़ता है।
15 से अधिक वर्षों के ऑटोमोटिव उद्योग के अनुभव के साथ, एपेन की डेटा एनोटेशन टीमें नियमित रूप से स्वायत्त वाहन निर्माताओं के साथ काम करती हैं ताकि वे अपने मौजूदा एनोटेटेड डेटा की समीक्षा कर सकें और उन्हें 100% गुणवत्ता के करीब ला सकें ताकि वे अपने प्रशिक्षण डेटा से अधिकतम मूल्य प्राप्त कर सकें। उदाहरण के लिए, अपने बहुस्तरीय स्वायत्त वाहनों एमएल एल्गोरिदम को सक्षम करने के लिए, कुछ निर्माताओं को विभिन्न आयामों के दो विशिष्ट डेटासेट को बांधने की आवश्यकता होती है। यह मैन्युअल रूप से करना बेहद मुश्किल है लेकिन स्वायत्त वाहन मॉडल विकास के लिए महत्वपूर्ण है।
एपेन के कटिंग-एज टेक्नोलॉजी प्लेटफ़ॉर्म के साथ जो 3D पॉइंट क्लाउड एनोटेशन को 99+% के स्तर पर ऑब्जेक्ट ट्रैकिंग प्रदान करता है, ग्राहक अब 2D छवियों के साथ 3D पॉइंट क्लाउड एनोटेशन के साथ एक डेटासेट को एनोटेट कर सकते हैं जो कई आयामों में मैपिंग करते समय 50+ फ्रेम में एक संगत वस्तु आईडी आवश्यकता को संरेखित करता है।
“हमारी परियोजना अभी भी पायलट चरण में है, और हमें उत्पादन तक पहुंचने के लिए चक्र को तेज करने की आवश्यकता थी, जिसके लिए तेजी से हमारे एल्गोरिदम आवश्यकताओं को पूरा करने वाले प्रशिक्षण डेटा की आवश्यकता होती है। एनोटेशन टूल, जिसमें 3D लिडार, उच्च गुणवत्ता वाले नियंत्रण सुविधाएं और कार्य प्रवाह शामिल हैं, पहले से ही एपेन प्लेटफ़ॉर्म में निर्मित है। यह हमें सुनिश्चित करने में मदद कर रहा है कि प्रक्रिया हमारी परियोजना आवश्यकताओं के अनुसार अनुकूलित है, जो हमारी टीम और एपेन टीम के बीच सहयोग को सुविधाजनक बना रही है। हम इस आंतरिक पायलट को उत्पादन में ले जाने की उम्मीद कर रहे हैं, ” ईकारएक्स, एक ऑटोमोटिव प्रौद्योगिकी कंपनी के एक वरिष्ठ परियोजना नेता ने कहा, जो कई वाहन मॉडल के लिए एक बुद्धिमान, जुड़ा हुआ प्लेटफ़ॉर्म बना रही है।
एपेन प्रशिक्षण डेटा प्लेटफ़ॉर्म दुनिया भर के 1 मिलियन से अधिक लोगों से मानव बुद्धिमत्ता को कटिंग-एज मॉडल के साथ जोड़ती है ताकि एमएल परियोजनाओं के लिए उच्चतम गुणवत्ता वाले प्रशिक्षण डेटा बनाया जा सके। एपेन अपने ग्राहकों को जिम्मेदार एआई सुनिश्चित करने में मदद करने के लिए प्रतिबद्ध है – पायलट से उत्पादन तक – नैतिक प्रथाओं और डेटा विविधता पर आधारित, सभी प्रमुख उपयोग के मामलों में।










