Я сейчас занимаюсь тем, что помогаю акаунту в несколько десятков разработчиков зарелизить проект качественно и в срок. Среди прочего у проекта есть проблема с разбиением задач на тикеты в JIRA. Просто для понимания масштаба – проекту год, разработчиков грубо говоря три дюжины, номер последнего тикета 12000+. При этом много тикетов с тегов investigate, много тикетов в результате которых создается pull request на 20 строк при том, что для достижения результата который «можно пощупать руками» (tangible) нужно 100 строк и остальные 80 строк размазаны по другим спринтам и другим командам. Это ведет к следующим проблемам

Только ленивый не использует в качестве введения для своих аналитических, маркетинговых и Бог знает еще каких материалов изъезженный шаблон: «Мы живем в эпоху глобальных вызовов и беспрецедентного давления по всем фронтам, включая IT-инфраструктуру многих предприятий». Автор, не будучи ленивым, тоже вынужден упомянуть данный факт. Тем более что это святая правда. Но вернемся к цели данной статьи. Она весьма незамысловата и ставит перед собой задачу предложить читателю неформальный анализ ситуации, обрушившейся на бизнес. Не секрет, что перед бизнесом в полный рост встал вопрос о доступности IT-решений, на которые он полагался в течении многих лет и в развитие которых были инвестированы значительные ресурсы. Однако данная публикация не содержит исчерпывающего описания всех навалившихся проблем или попыток разобраться в вопросе «Кто виноват?». Цель данной статьи — поразмышлять, что можно сделать для минимизации возможных потерь и рисков и как обеспечить бесперебойную работу IT-инфраструктуры предприятия.

Машинное обучение — своего рода универсальная палочка-выручалочка, когда речь идет о больших объемах информации и необходимости их обработать, структурировать и извлечь из этого пользу.

А что если речь идет о градостроительстве и урбанистике — как тут может помочь машинное обучение и какую информацию мы можем использовать?

Введение

Технология компьютерного зрения — это область искусственного интеллекта и машинного обучения, основной целью которой является понимание содержания цифровых изображений. 

Технология компьютерного зрения универсальна и может быть внедрена во многих отраслях, таких как ритейл, производство, сельское хозяйство, здравоохранение, безопасность и др. 

При том что сама технология является зрелой, рынок ее применения находится на начальной стадии развития, но благодаря преимуществам компьютерного зрения он имеет потенциал роста. По данным Mordor Intelligence, совокупный годовой темп роста в ближайшие пять лет может составить 7,36 %.