雲端\物聯網\傳輸應用
|
2020年4月20日 星期一
‧ 2020\04\20\3S MARKET Daily 智慧產業新資
3S Market 傳遞 智慧應用與價值的商業資訊
Algorithm Helping Police Predict Crime
．非製冷紅外線熱影像感測市場
Coronavirus: Temperature checks in Taiwan metro - AFP
 |
摘自：非製冷紅外成像儀和檢測器報告，Yole Développement 手冊，2019年版
法國 LYON - 2019年1月28日：2018年可能是大公司參與的非製冷紅外線熱成像儀和探測器市場達到臨界點的一年。結果，該行業顯示出驚人的數量和複合成長率（CAGR）。
Yole Développement 的分析師證實：「非製冷的紅外線探測器和熱成像儀市場，看起來很有希望。」他們宣佈在 2018-2024 年期間，價值每年成長 7％。對於測微輻射熱計，大量的商業應用推動了熱成像儀市場的成長。
這些包括熱成像、監視、PVS 和消防。最值得注意的是，2017 年的出貨量超過了 100 萬台，這主要歸功於 FLIR 的 Lepton 核心，和 SEEK Thermal 的成功，到 2021 年將達到 200 萬台！（而武漢肺炎 COVID-19 這變數效應可能再次加深改觀）
YoleDéveloppement（Yole）發布了一份專門針對 IR 成像技術的報告。這項名為「非製冷紅外線熱成像儀和探測器」的技術和市場分析，提供了關鍵非製冷紅外探測器和成像儀的市場數據，包括市場指標和動態。
它提供了對未來技術趨勢，和挑戰的關鍵技術見解。該報告還提供了對紅外線熱成像價值鏈，基礎設施和參與者的深入瞭解。此外， Yole 的調查，還對未冷卻的 IR 檢測器和熱成像儀的商業和國防應用，進行了深入分析。
總體而言，IR 探測器和熱成像器的總出貨量，在 2017 年均實現了成長。Yole 的分析師宣稱：熱成像器為 130 萬部，探測器為 3 億個。這一顯著的成長，歸因於動態的商業細分市場 …… 市場研究和策略諮詢公司，今天為您提供了紅外線熱成像行業的概況。
未冷卻的紅外線熱成像儀業務，仍然受到商業市場的推動，商業市場將繼續快速成長，2018 年至 2024 年的複合年成長率為 15.8％。到 2024 年，這些市場將佔所有出貨量的 93％。 在同一時期，熱成像的出貨量複合年成長率為 9％
「對於微測輻射熱計市場來說，這一應用是必不可少的，這裡的紅外線熱成像儀，可用於工業和商業應用，包括家庭診斷和熱點辨識」，Yole 的 MEMS＆Photonics 技術與市場研究員，研究員 Eric Mounier 博士斷言。
消防是一個有吸引力的機會，2018 年至 2024 年之間的出貨量將達到 20％。潛在市場非常大，全球有 3700 萬消防員。PVS 包括便攜式雙筒望遠鏡、單筒望遠鏡和步槍瞄準具。它們被用於邊境巡邏、執法，並越來越多地用於戶外消費，包括高山運動和狩獵。
這個市場是一個巨大的驚喜，並為全球紅外市場做出了巨大貢獻，預計從 2018 年至 2024 年，該市場的年單位成長率將達到 30％。由於其龐大的狩獵和執法市場，美國是迄今為止最大的市場。
在其他應用中，智慧建築和機器人、車輛是值得注意的。在人們對更好的能源控制的渴望的推動下，智慧建築成為有前途的應用，在 2018 年至 2024 年之間的出貨量，複合年成長率為 75％。然而，這與價格較便宜的紅外探測器和 24GHz 雷達直接競爭。
在這一顯著成長的背後，關鍵人物是誰？首先，LG Innotek 宣稱，將促進其熱成像紅外線攝影機模組業務。 LG是可見光攝影機模組的重要供應廠，並且是 Apple 的供應商，這聽起來令人興奮。
然後，亞馬遜在 2018 年開設了 9 家無收銀員商店，其中包括數百個帶有紅外線感測器的攝影機。預計到 2021 年將有 3,000 家商店。
隨著 CATS60 智慧手機的成功，Caterpillar 推出了功能更強大的 CATS61。在兩年內，它運送了超過 500,000 單位的 CATS60。
除了這些公司以外，傳統的非製冷紅外線播放器，在新產品和技術方面仍然非常活躍。
Leonardo DRS 推出了其 TENUM™640 內核，該內核基於晶圓級封裝的 VOx 微輻射熱計，像素尺寸為 10μmx10μm，使其成為最小的，可在任何地方使用。
 |
| http://www.yole.fr/Uncooled_IR_Imagers_MarketStatus_IRForum.aspx#.XppkyC1cWTc |
ULIS 為智慧建築應用，創建了一個名為ThermEye 的特定產品，並被 Irlynx 選中用於智慧建築項目。市場領先者 FLIR 推出了許多新產品，包括 FLIR One Pro、IntelliRock III和 Saros Dome。
Yole技術與市場分析師 Dimitrios Damianos 博士解釋說：「 SEEK Thermal 的快速成長，也塑造了未冷卻的紅外線景觀。Yole 的技術與市場分析師 Dimitrios Damianos 博士說。「 2017年，SEEK Thermal 的出貨量超過 100,000 套，在 2017 年佔據了可觀的微量輻射熱計市場佔有率。 這個新興市場正在積極進軍市場，並且正在努力解決盡可能多的紅外應用。」
2017 年，總共售出了 130 萬個微輻射熱計。 排名前三的是 FLIR，市場佔有率為 66％；其次是 ULIS，市場佔有率為 13％；SEEK，市場佔有率為 12％。
紅外線探測器更為保守。 2017年，五家公司繼續在價值 2.52 億美元的市場中，佔據近 80％ 的市場佔有率。Excelitas 佔有 43％ 的市佔率，其次是 Nicera（17％）、Murata（11％）、Melexis（7％）和 Heimann（4％）。 ..
有關非製冷紅外線成像器和檢測器報告的詳細說明，請訪問 i-micronews.com 的「成像報告」部分。
在連續四年成功舉辦論壇的鼓舞下，市場研究和策略諮詢公司，及其合作夥伴 CIOE，榮幸地再次宣佈 2019 年舉辦四個不同的論壇，該論壇平均吸引了 100 多名參與者。
紅外線成像將成為該主題的一部分。 每個論壇都在於 9 月初，在中國深圳與 2019 年第21屆中國國際光電博覽會同期舉行。這些活動將介紹光子學行業的市場和技術。
有關該計劃和讚助商的更多資訊：朱莉·羅伯特（Julie Robert）（robert@yole.fr）。
．零售業中的人工智慧 - 10 個當前和未來使用案例
Palexy's AI Solution for Smart Retail
從組裝到售後客戶服務互動，零售業的人工智慧，正在以新方式應用到整個產品和服務週期中，但是零售業者需要以下重要問題的答案：
哪些 AI 應用在零售流程的自動化，或擴充中發揮作用？零售公司如何利用這些技術，在當今的競爭對手中保持領先地位？在未來十年中，有哪些創新正在成為潛在的零售遊戲規則改變者？
在本文中，我們介紹了將 AI 整合到零售行業中的各種案例，這些案例細分為以下子類別：
．銷售和 CRM 應用
．客戶建議
．製造業
．物流與配送
．付款和付款服務
創新是一把雙刃劍，與任何創新成果一樣，它的發展也令人 mixed 貶不一。儘管許多 AI 應用已提高了投資回報率（本案例是零售市場細分中的 AI 案例研究），但其他應用卻已嘗試且未能達到預期，為在此類創新成為行業驅動力之前，仍需克服的障礙提供了啟示。
以下是五個零售領域或階段的， 10 個簡短案例。每種技術都可以讓您大致瞭解一下，AI 技術的使用方式，以及正在作為電子商務和實體營運中，潛在的零售行業標準，進行創建和試行的 AI 技術。
讀者可能會發現零售領域的其他見解，這些見解最近在我們的商業智慧報告中有所介紹。
銷售和 CRM 應用
Emerj 使用 AI 等撰寫了有關 Salesforce、Oracle、SAP 的當前 CRM 應用的完整報告，以進一步瞭解該主題。
Pepper 機器人
2010 年，日本的軟銀電信營運部門，與法國機器人製造商 Aldebaran 合作開發了 Pepper，這是一種可與客戶互動，並「感知人類情感」的類人機器人。
Pepper 在日本已經很流行，在日本它已成為 140 家 SoftBank 行動商店的客戶服務代表和代表。根據 Softbanks Robotics America 的說法，Pepper 在加利福尼亞州帕洛阿爾托和聖莫尼卡的 b88ta 商店的試點，使帕洛阿爾託的人流量增加了 70％，而聖莫尼卡的 Neo-pen 銷售額的 50％ 歸因於 Pepper。
Pepper 在日本已經很流行，在日本它已成為 140 家 SoftBank 行動商店的客戶服務代表和代表。根據 Softbanks Robotics America 的說法，Pepper 在加利福尼亞州帕洛阿爾托和聖莫尼卡的 b88ta 商店的試點，使帕洛阿爾託的人流量增加了 70％，而聖莫尼卡的 Neo-pen 銷售額的 50％ 歸因於 Pepper。
此外，人工智慧的創造，把時間花在時髦的服裝商店 Ave 上，零售商在這裡與客戶互動增加了 98％，人流量增加了 20％，收入增加了 300％。雀巢於 2016 年 1 月宣佈，計劃收購 Pepper 機器人，以將其 1000 個 Nescafes 放在日本。
雖然不是唯一使用的零售機器人，但像 Pepper 這樣的店內機器人似乎至少在一開始會提高商店的興趣和銷量。一旦零售機器人成為「常態」，這是否會逐漸消失，尚待確定。
Conversica
Conversica「銷售助理」軟體，目的在透過辨識，並與網路銷售線索進行對話，來自動化和增強銷售營運流程。 該銷售線索和管理公司聲稱，聽起來很真實的消息，導致平均參與率為 35％。
在一個案例研究中，Star2Star Communications 在 2016 年實施了由 Conversica 支持的銷售代表「 Rachel」，數小時內電子郵件響應率達到 30％。 可客製化的銷售助手軟體，還用於交叉銷售或重新吸引現有潛在客戶。 總部位於新英格蘭的 Boch Automotive，還採用了 Conversica 軟體，這歸因於一個豐田經銷店平均每月增加 60 次銷售。
客戶建議
IBM Watson 認知計算
IBM 的 Watson 向電子商務零售商，提供大量的訂單管理，和客戶參與功能已不再是秘密。 2016年，1-800-Flowers.com 推出了「當您需要時提供禮物」（GWYN），該公司稱其為 AI 禮賓服務。
透過消費者提供的有關禮物接收者的資訊，該軟體透過比較提供給類似接收者的禮物，所提供的細節，來客製化禮物推薦。 GWYN 經驗（我們在聊天機器人案例的更完整的文章中提供了該經驗）試圖透過與使用者進行個人和詳細的對話，來複製門房中門房的角色。 1-800-Flowers Chris McCann 向 Digiday 講話，並指出在兩個月內，70％ 的線上訂單，是透過 GWYN 完成的。
North Face 還採用了 IBM Watson 的認知運算技術，以幫助消費者，根據位置和性別偏好等變量，確定最適合他們的夾克。 例如，十月在冰島遠足，和一月在多倫多通勤，將產生不同的結果。
根據從 55,000 個使用者收集的數據，已發布的 2015 年試點結果產生了 60％ 的點擊率和 75％ 的總銷售轉化率。 請務必注意，我們無法確定這些結果代表的是高於還是低於 North Face 的正常結果，以及這些結果是可持續的還是僅由用戶介面中的新穎性所驅動。
上面是 North Face 對話介面的示例，該介面提示使用者一系列與購買有關的問題。可以肯定地說，可以使用簡單的 if-then 規則，建構類似上述系統的類似系統，而無需任何機器學習。
在這種推薦的問答介面中，使用機器學習的優勢在於，North Face 可以透過此對話引擎，潛在地吸引數萬名消費者。在一定數量的客戶互動中，系統可能會根據「可行」（高購買率或高購物車價值）建議，和不起作用的建議，收集重要的見解和模式，從而使公司有可能隨著時間的推移，獲得越來越多的轉化。
製造業
感興趣的讀者，可以在我們的《機器學習中的製造業》報告中，找到有關此主題的其他見解。
輝煌的製造
通用電氣（GE）的 Brilliant Manufacturing 軟體，在一定程度上受到了 GE 在過去二十年，與客戶製造公司的關係的啟發，其設計目的是使整個製造過程（從設計到分銷和服務）更加高效，從而隨著時間的推移，節省大量成本。該軟體包括適用於一系列製造商的一套分析，和操作智慧工具。
例如，WIP Manager 軟體，為工業和離散製造商，提供了工廠生產線和工廠範圍內，所有正在進行的工作的協作可視性。現在，坐在電腦後面的操作主管，可以即時辨識工作流程中，出現的基於地板的問題，而不必花費時間進行整個製造工廠的耗時演練。
Toray Plastics 是使用，GE 的 Plant Applications 產品的公司的一個例子，該產品使管理層，能夠在整個生產過程中收集粒度數據，並減少有缺陷的產品和浪費的生產力。
Gakushu 學習軟體
嵌入在製造機器人中的 Fanuc 的 Gakushu 學習軟體（「 Gakushu」在日語中是「 learning」），可加速特定任務的「智慧」操作，該任務最初是為點焊和裝配線設計的。
2016年，Fanuc 與 Nvidia 合作，目的在透過 Nvidia 的 GPU 加速機器人的深度學習。 Gakushu 賦予的機器人透過使用收集和儲存數據的感測器，來學習製造任務。
2016年，Fanuc 與 Nvidia 合作，目的在透過 Nvidia 的 GPU 加速機器人的深度學習。 Gakushu 賦予的機器人透過使用收集和儲存數據的感測器，來學習製造任務。
機器人根據及時環境條件，進行調整併調整運動的能力（根據 Fanuc 的研究）可將點焊的週期時間，縮短多達 15％。機器人的學習過程完成後（大約 18 個週期後），感測器將被移除，受過訓練的機器人，將能夠自主完成任務。
機器人的學習，與加速度計相結合的振動控制，可以瞭解機器人的運動，並提供更高的運動穩定性。特斯拉已經在其位於弗里蒙特的工廠，僱用了約 600 名 Fanuc 機器人，據彭博商業週刊報導，早在 2016 年 9 月，該公司就訂購了更多的機器人，以加快製造速度，以便於 2017 年 7 月下一次 Model 3 的交付。
物流與配送
多米諾機器人裝置（DRU）
除了 Domino 聲稱其原型傳送機器人，可以將食物和飲料保持在適當的溫度之外，DRU 的感測器還可以幫助其導航最佳的傳送路徑。
DRU 整合了，以前用於軍事作戰訓練的機器人技術。 2016 年 3 月，DRU 飛行員在澳洲、紐西蘭、比利時、法國、荷蘭、日本和德國推出。 Domino's 沒有提供 DRU 何時可以商業規模推出的日期，但是在接下來的十年中，機器人自動運送食物和其他物品，似乎是一個新興的現實，這似乎是有道理的。
DRU 整合了，以前用於軍事作戰訓練的機器人技術。 2016 年 3 月，DRU 飛行員在澳洲、紐西蘭、比利時、法國、荷蘭、日本和德國推出。 Domino's 沒有提供 DRU 何時可以商業規模推出的日期，但是在接下來的十年中，機器人自動運送食物和其他物品，似乎是一個新興的現實，這似乎是有道理的。
亞馬遜無人機
2016 年 7 月，亞馬遜宣佈與英國政府建立夥伴關係，以實現透過無人機運送小包裹成為現實。 該公司正在與世界各地的航空機構合作，以找出如何在上述機構制定的法規內實施其技術。 亞馬遜的「 Prime Air」被描述為未來的交付系統，可在不到 30 分鐘的時間內安全地運輸和交付 5 磅重的包裹。
如以下影片所示，亞馬遜於 2016 年 12 月進行了首次 13 分鐘的無人飛行。 目前，確定營運和系統的適當安全性和可靠性，是亞馬遜的當務之急。 亞馬遜指出，儘管尚未針對商業用途的預計日期進行任何更新，但亞馬遜正在與「各個國家」的監管機構合作。 與 Domino 的 DRU 概念類似，在未來十年內，似乎有可能大規模地空運自動交付貨物和食物。
付款服務
亞馬遜圍棋
亞馬遜吹捧的實體店，稱為 Amazon Go，採用免結賬技術，允許客戶購物和離開。客戶使用 Amazon Go 應用進行簽入，但是此後，整個購物體驗被設計為自動化的。 感測器會跟蹤客戶，拿起並放入購物籃中的哪些物品，並在離開商店後自動向客戶的 Amazon 帳戶收取費用。
計劃推出的產品並非沒有障礙，並且在 2017 年 3 月底，這家零售巨頭的消息人士宣佈，亞馬遜正在推遲其便利店的開業，同時在自動購物流程中解決「技術故障」 。
PayPal
自 2013 年以來，PayPal 一直利用欺詐檢測算法，來保護客戶的數位交易。在過去的幾年中，安全檢測系統已經學習了成千上萬的購買模式或「功能」，該系統現在（在 MIT Tech Review 提供的案例中）可以解密同時購買音樂會門票的朋友和竊賊之間，具有被盜帳戶列表的同類購買。
LexisNexis 的一項參考研究發現，貝寶（PayPal）的用於交易安全的深度學習方法將欺詐率降低至收入的 0.32％，比大多數電子商務商人的平均水平低 1％。
付款詐欺
欺詐和支付安全是 AI 投資的重要領域，並且有很多欺詐/安全公司值得關注。 Sift Science 是應用機器學習來檢測用戶和付款欺詐的眾多公司之一，這兩者均與零售應用相關。隨著美國電子商務繼續佔零售額的百分比激增（根據美國人口普查局的數據，這種增長一直在持續發生），這種情況將變得更加明顯。
零售業的人工智慧–總結
在許多以零售為重點的 AI 供應商公司的訪談中，我們被告知「大型零售商」（百思買、Target、沃爾瑪等）採用尖端技術的步伐非常慢。由於大多數大型公司都擁有充分利用，當今許多最佳人工智慧技術所需的預算和數據量，因此我們完全可以斷定零售領域的「人工智慧革命」是不可能的。大多數大型零售商在製造，供應鏈物流或客戶服務中，擁有大量對業務非常重要的 AI 應用，可能還需要三到五年的時間。
具有直接，嚴格的投資回報率的應用，最有可能被更廣泛的零售採用。與「將包裹損失減少 6％ 至 10％」相比，「甚至透過案例研究和案例」，「提高客戶參與度」的收益要小得多。我們使用 AI 的零售業高管嘉賓，希望這些大型公司中相對呆板的委員會可能非常關鍵，安全且專注於底線（有關機器學習行業高管的更多見解，請訪問我們的 AI 播客訪談頻道）。
與更大的行業參與者領導的許多 AI 創新領域一樣，未來可能將由領先的行業參與者證明有效的零售 AI 用例來決定。可以肯定地說，世界上每一個大型零售商都在向亞馬遜尋求「下一步」的提示，我們可以預期，相對較小的零售商將在廣泛地關注亞馬遜、沃爾瑪、百思買等。他們對策略的想法。
我們建議對零售 AI 應用感興趣的商人在未來 18 個月內密切關注來自亞馬遜和其他大型參與者的 AI 案例（即真正為公司帶來利潤的應用，而不是繁華的研發項目）的成功牽引力。
．AI 和數據科學如何幫助抗擊冠狀病毒？
COVID - 19 Outbreak Prediction using Machine Learning | Machine Learning Training | Edureka
 |
愛立信（Ericsson）的數百名志願者齊聚一堂，共同應對 COVID-19 開放研究數據集挑戰。 為此，他們正在採購和建構重要的數據集，以幫助世界找到當前應對冠狀病毒最嚴峻挑戰的答案。 在下面了解有關他們及其工作的更多資訊。
挑戰 CORD-19 數據集，其中包含數以萬計的研究論文。它正在迅速發展-比任何研究人員都能閱讀和消化的速度更快。面臨的挑戰是建立工具，以幫助醫學研究人員，提取所需的資訊，即使有更多資訊繼續發布。
3月16日星期一，在美國白宮與美國國立衛生研究院，和喬治敦大學一起，發布了 CORD-19 數據集，並發出了行動號召。
在短短幾天內，來自愛立信的 362 多人，舉手並表示願意參加。志願者包括數據科學家、數據工程師、數據可視化工具專案經理、任務經理、領導者和作家。
挑戰分為九大任務，和多個子任務。所有志願者都被分成了較小的小組，負責子任務。此外，所有工作實際上都在進行中。
九大任務包括：
．對傳播、孵化和環境穩定性了解多少？
．我們對 COVID-19 危險因素了解多少？
．我們對病毒的遺傳學，起源和進化了解多少？
．關於研究的倫理學考慮，已經發表了什麼？
．我們對非藥物干預的有效性了解多少？
．我們對診斷和監視了解多少？
．關於醫療保健的什麼出版物？
．關於信息共享和跨部門合作的出版物已經發表？
．我們對疫苗和治療劑了解多少？
讓我們結識一些人，他們自願花時間來完成上面的一些任務，並了解他們的工作：
從公共衛生監督的角度來看，有什麼出版物？
Nikhil Korati Prasanna 在 GAIA 擔任數據科學家。他的日常工作涉及空間異常檢測、電腦視覺、知識圖和自然語言處理機器學習。
他與他的團隊一起，正在從公共衛生監視的角度，幫助弄清關於診斷的已發表論文。透過這樣做，Nikhil 希望能夠預測臨床結果。該小組還試圖從研究中提取數據，以確定當前暴露程度如何，以指導有關緩解措施的政策建議。
具體來說，他們正在建立一個模型，以學習文獻對國家指導，和最佳實踐指南的說法，例如各州如何利用大學和私人實驗室進行測試。該小組還試圖了解有關，如何與公共衛生官員和公眾交流有關情況的文獻。
為此，Nikhil 的小組正在研究文本摘要，以從大量文章中找到相關數據，然後開發分類模型，根據已發表的文章，預測陽性和陰性的臨床結果。
他們開發的工具將提供最新數據，甚至將更多文章添加到數據集中，包括各種診斷方法，和受影響的人口統計學。 Nikhil 希望在醫學研究人員和公共衛生官員的手中，他的團隊的工作，將帶來更加積極的臨床成果。
我們對正在開發的抗冠狀病毒藥物了解多少？
愛立信軟體開發人員埃米特·摩爾（Emmett Moore）領導著一個團隊，該團隊正在數據庫中，尋找有關疫苗和治療劑的資訊，例如了解正在研發的，抗病毒藥物的有效性和風險。
他的團隊首先集思廣益，對一組關鍵詞，詞組和主題進行了集思廣益，以作為他們在解析文獻時，試圖找出哪些文章，與他們要回答的問題相關的基礎。
埃米特說：「由於我們很少有醫學或製藥專業背景，這被證明很有趣。例如，如果我們試圖查找有關疫苗的論文，那麼會出現哪些單詞或短語？我們希望這將有助於我們丟棄所有題外的論文，並為我們提供更小的數據集。」
同時，團隊中的數據可視化人員，正在研究如何最好地展示團隊的發現。例如，他們可能會使用詞雲，或更簡單的相關論文摘要，來證明關鍵發現。
埃米特（Emmett）希望他的團隊，能夠為醫學研究人員提供幫助，幫助他們研究治療和預防 COVID-19 的話題。由於該數據集包含數以萬計的全文，並且還在繼續成長，因此一個人甚至一大群研究人員，都不可能全部閱讀。埃米特（Emmett）樂觀地認為，諸如機器學習之類的新技術確實可以使社會受益。
關於醫療和 COVID-19 的出版物已經發表？
前英語和寫作老師貝基·普林斯（Becky Prince）現在是一名技術作家。 Becky的小組被分配了任務八，該任務將探討有關醫療和 COVID-19 的已發佈內容。
她的團隊中的數據科學家和數據工程師，目前正在產生想法，並測試各種編碼算法。 貝基的工作是記錄他們的發現。 提交的內容將分為三個類別：準確性、文檔和演示文稿。 每個類別最多有 5 分。 因此，文檔和演示文稿是提交內容的重要組成部分。
貝基希望她的團隊的工作所帶來的影響，將是幫助研究人員更快速，更輕鬆地存取他們所需的特定數據，因為這些數據與抗 COVID-19 的醫療保健有關。
我們如何回答，諸如潛伏期以及病毒的傳染性之類的問題？
Manjeet Attri 是渥太華的一名開發商。 Manjeet 擁有阿爾伯塔大學的科學碩士學位，並且還在印度的愛立信工作了兩年多。在他的團隊中，他的工作是測試、驗證和解決測試用例。
他的團隊的任務，是找到潛伏期範圍，個人具有傳染性的時間，以及病毒的傳播方式的答案。他的團隊開始透過選擇最相關的數據，來使龐大的數據集變得較小，從而使其易於掌握。 Manjeet 負責最終報告，並且已經準備了報告大綱。該大綱將為數據科學家和工程師，提供一個明確的目標。
Manjeet說：「我們正在重新整理數千篇研究論文，以幫助醫療專業人員透過查看我們的答案，在幾秒鐘內找到他們問題的答案。」
我們透過給參與者希望帶來勝利
我對挑戰的反應，和志願者已經完成的工作不知所措。我認為我們可能會招募 20 名志願者，也許有 30 名志願者。相反，我們現在有 360 多個。我們正在努力建構一個結構，以便每個志願者都知道，他們在做什麼，以及與誰在一起工作。我們還嘗試創建資訊流的流程，以便我們共享最佳實踐。
如果我們成功，我們將幫助醫生和公共衛生從業人員獲取關鍵資訊。這可以幫助挽救生命，並減少 COVID-19 對社會和我們社區的影響。這給了參與者希望，在這樣的時代非常重要。對我來說，這就是我們贏得這場比賽的方式。
閱讀更多
要詳細瞭解愛立信，對冠狀病毒大流行的反應，請閱讀我們首席執行官的博客文章：愛立信如何應對冠狀病毒