Impact of deep learning in Agriculture

Transcript

1. Impact du Deep Learning en Agriculture Yannick Serge Obam AI/ML Engineer, isoMora Google Developer Expert en Machine Learning @OBAMSerge 1
2. Audience idéale • les Enthousiastes en ML, Développeurs en ML, Data Scientist, ingenieur Agronome et Agriculteurs 2
3. Agenda • Les Enjeux Actuels de l’Agriculture • Qu’est ce que le Deep Learning • Utilisation de l’IA dans l’agriculture • Les Cas d’utilisations 3
4. Les enjeux de l’agriculture 4
5. Les axes majeurs tfhub.dev NLP 5 • La prévisiblité • La compétivité • Le respect de l’environnement • Son propre quotidien
6. Qu’est-ce que le Deep Learning 6
8. Deep Learning 8
9. Utilisation du deep learning dans l’agriculture 9
10. Les objectifs - la collecte de données - l’apport d’outils - l’amélioration du rendement de l’exploitation tfhub.dev NLP 10 Digital Information world
11. Optimisation de la gestion de la culture tfhub.dev NLP 11
12. Amélioration du bien-être animal en élevage tfhub.dev NLP 12
13. Amélioration du quotidien de l’agriculteur tfhub.dev NLP 13
14. tfhub.dev NLP 14
15. Cas d’utilisation 15
16. Plantix tfhub.dev NLP 16 Microsoft
17. SowIt tfhub.dev NLP 17 AgriPredict
18. Hello tracker tfhub.dev NLP 18
19. Agrix Tech tfhub.dev NLP 19
20. isoMora - GreenDoctor tfhub.dev NLP 20 https://github.com/obeshor/Plant-Diseases-Detector
21. isoMora - isoCassava tfhub.dev NLP 21
22. Quelques inconvenients 22
23. A retenir 23
24. Questions 24
25. Slides disponible ici https://bit.ly/3HE5zhw 25
27. Merci! Yannick Serge Obam AI/ML Engineer, isoMora ML GDE @OBAMSerge