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

7. 7

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

26. 30

27. Merci! Yannick Serge Obam AI/ML Engineer, isoMora ML GDE @OBAMSerge