Маленький преданонс. В августе-ноябре 2018 года мы в Информационная культура и Ассоциация участников рынка данных, а конкретно я лично проводили обследование открытых интерфейсов государственных информсистем и иных информационных систем под госрегулированием на предмет раскрытия из них персональных данных пользователей.
Только на основе общедоступной информации. Результаты не были публичными, их направили в Минсвязь, Роскомнадзор, Генпрокуратуру, что-то всё ещё в работе, а многое уже исправлено.
Около половины найденного - это сведения из удостоверяющих центров, государственных и не очень. И как раз в их случае большая часть найденного уже исправлена, а остальные не исправят пока их явно не "пнешь" похоже.
Лично я долго думал что делать с найденным. Можно ли делать общедоступными результаты этого исследования? Можно ли рассказывать о путях вылова раскрытия перс. данных в информационных системах.
В итоге ту часть исследования которая касается удостоверяющих центров мы будем делать общедоступной. Это подробный анализ систем с конкретными путями воспроизведения и скриншотами по 17 УЦ в которых выявлена эта история (из примерно 50% существующих которые мы проверили).
Сейчас есть развилка:
1. Сделать это в виде собственного доклада, после перепроверки и дополнения информацией о том что было исправлено в итоге после чего рассылать пресс-релиз.
2. Поделиться с одним из крупных федеральных изданий под то что у них будет 1-2 журналиста готовых проверить то что тогда было выявлено и что исправлено и написать об этом качественный материал сославшись на Инфокультуру и Ассоциацию. Может быть даже провести это исследование повторно охватив 100% УЦ.
Если есть идеи и предложения как это лучше сделать - пишите мне на [email protected]
#openness#investigations#gis#personaldata
Маленький преданонс. В августе-ноябре 2018 года мы в Информационная культура и Ассоциация участников рынка данных, а конкретно я лично проводили обследование открытых интерфейсов государственных информсистем и иных информационных систем под госрегулированием на предмет раскрытия из них персональных данных пользователей.
Только на основе общедоступной информации. Результаты не были публичными, их направили в Минсвязь, Роскомнадзор, Генпрокуратуру, что-то всё ещё в работе, а многое уже исправлено.
Около половины найденного - это сведения из удостоверяющих центров, государственных и не очень. И как раз в их случае большая часть найденного уже исправлена, а остальные не исправят пока их явно не "пнешь" похоже.
Лично я долго думал что делать с найденным. Можно ли делать общедоступными результаты этого исследования? Можно ли рассказывать о путях вылова раскрытия перс. данных в информационных системах.
В итоге ту часть исследования которая касается удостоверяющих центров мы будем делать общедоступной. Это подробный анализ систем с конкретными путями воспроизведения и скриншотами по 17 УЦ в которых выявлена эта история (из примерно 50% существующих которые мы проверили).
Сейчас есть развилка:
1. Сделать это в виде собственного доклада, после перепроверки и дополнения информацией о том что было исправлено в итоге после чего рассылать пресс-релиз.
2. Поделиться с одним из крупных федеральных изданий под то что у них будет 1-2 журналиста готовых проверить то что тогда было выявлено и что исправлено и написать об этом качественный материал сославшись на Инфокультуру и Ассоциацию. Может быть даже провести это исследование повторно охватив 100% УЦ.
Если есть идеи и предложения как это лучше сделать - пишите мне на [email protected]
#openness#investigations#gis#personaldata
Выделение объектов на Лидаре с помощью ML
LiDAR (Light identification, Detection and Ranging) - крутая штука. Это технология получения и обработки информации с помощью активных оптических систем (лазеров). Такой "лазерный дальнометр" для картирования объектов в 3Д и еще с координатами. Используется повсеместно в куче индустрий от беспилотных автомобилей до майнинга. Даже на айфонах есть (но не на моем 😢). На картинке, например, "лидарная" карта залива Линнхейвен в Вирджинии 🤩.
Но я даже не про красивые картинки. Они же просто красивые, а пользы сами по себе приносят мало. Польза есть, если, например, из этих моделей, по сути точек с координатами, вытаскивать реальные объекты. То есть делать сегментацию 💡.
Об этом и интересная статья на Медиуме: Introducing Segment-Lidar: Revolutionizing Unsupervised Instance Segmentation of Aerial LiDAR Data, которая рассказывает как применять крутейший алгоритм по выделению объектов SAM от компании Meta для выделения объектов на геопространственных данных, полученных с помощью Лидара (картинка 2). Статья, собственно, представляет собой пошаговую инструкцию, как это делать с помощью модуля в Питоне segment-lidar.
📖Medium
💻Github
#GIS#ML
Выделение объектов на Лидаре с помощью ML
LiDAR (Light identification, Detection and Ranging) - крутая штука. Это технология получения и обработки информации с помощью активных оптических систем (лазеров). Такой "лазерный дальнометр" для картирования объектов в 3Д и еще с координатами. Используется повсеместно в куче индустрий от беспилотных автомобилей до майнинга. Даже на айфонах есть (но не на моем 😢). На картинке, например, "лидарная" карта залива Линнхейвен в Вирджинии 🤩.
Но я даже не про красивые картинки. Они же просто красивые, а пользы сами по себе приносят мало. Польза есть, если, например, из этих моделей, по сути точек с координатами, вытаскивать реальные объекты. То есть делать сегментацию 💡.
Об этом и интересная статья на Медиуме: Introducing Segment-Lidar: Revolutionizing Unsupervised Instance Segmentation of Aerial LiDAR Data, которая рассказывает как применять крутейший алгоритм по выделению объектов SAM от компании Meta для выделения объектов на геопространственных данных, полученных с помощью Лидара (картинка 2). Статья, собственно, представляет собой пошаговую инструкцию, как это делать с помощью модуля в Питоне segment-lidar.
📖Medium
💻Github
#GIS#ML
#вакансия#ML#datascience#computervision#fulltime#CV#GIS
Вакансия: Computer Vision Engineer
Компания: «ОЭЗ ППТ «Алабуга»
Локация: Республика Татарстан, г. Елабуга
Формат работы: Офис
ЗП: от 375 000 ₽
Мы расширяем штат и ищем увлеченного инженера по компьютерному зрению для работы над инновационными проектами в сфере ГИС.
Чем предстоит заниматься:
- разработка и доработка моделей для детектирования и сопровождения объектов;
- определение расстояния до объектов и ориентация в пространстве по видеоданным;
- полный цикл разработки CV моделей: от постановки задачи до готового решения;
- оптимизация и внедрение собственных моделей;
- разработка внутренних инструментов для эксплуатации моделей;
- интеграция CV в прикладные решения;
- в перспективе координация Data Science команды.
Требования к кандидату:
- уверенные знания нейронных сетей (CNN, RNN, YOLO, семантическая сегментация);
- опыт работы с Python и библиотеками для анализа данных (Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch, Keras);
- опыт работы с микрокомпьютерами (Raspberry Pi, Orange Pi) и NPU модулями;
- умение работать с видеопотоками (RTSP, MJPEG);
- умение анализировать задачи и данные, а также предлагать эффективные технические решения;
- опыт в обработке изображений и анализе данных;
- знание Docker и CI/CD (GitLab CI, Jenkins, Bamboo);
- ответственность и нацеленность на результат.
- опыт работы с камерами и 3D сканерами будет плюсом.
Условия:
- работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе;
- стабильная, официальная и своевременная заработная плата (обсуждается по результатам собеседования);
- график работы: 5/2 с 8:00 до 17:00;
- транспорт до работы;
- доступ к инфраструктуре мирового класса, включая современные офисы с необходимым для работы оборудованием и жилые комплексы;
- гарантия профессионального роста и участие в уникальных и стратегических проектах.
Если Вы ищете возможности для роста и готовы погрузиться в масштабные проекты, которые приносят реальную пользу, свяжитесь с нами!
Контакты для связи:@anastasiya_alabuga
#вакансия#ML#datascience#computervision#fulltime#CV#GIS
Вакансия: Computer Vision Engineer
Компания: «ОЭЗ ППТ «Алабуга»
Локация: Республика Татарстан, г. Елабуга
Формат работы: Офис
ЗП: от 375 000 ₽
Мы расширяем штат и ищем увлеченного инженера по компьютерному зрению для работы над инновационными проектами в сфере геоинформационных систем.
Чем предстоит заниматься:
- разработка и доработка моделей для детектирования и сопровождения объектов;
- определение расстояния до объектов и ориентация в пространстве по видеоданным;
- полный цикл разработки CV моделей: от постановки задачи до готового решения;
- оптимизация и внедрение собственных моделей;
- разработка внутренних инструментов для эксплуатации моделей;
- интеграция CV в прикладные решения;
- написание кода для обработки изображений с использованием Python, TensorFlow, PyTorch и др.
- в перспективе координация Data Science команды.
Требования к кандидату:
- уверенные знания нейронных сетей (CNN, RNN, YOLO, семантическая сегментация);
- опыт работы с Python и библиотеками для анализа данных (Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch, Keras);
- опыт работы с микрокомпьютерами (Raspberry Pi, Orange Pi) и NPU модулями;
- умение работать с видеопотоками (RTSP, MJPEG);
- умение анализировать задачи и данные, а также предлагать эффективные технические решения;
- опыт в обработке изображений и анализе данных;
- знание Docker и CI/CD (GitLab CI, Jenkins, Bamboo);
- ответственность и нацеленность на результат.
- опыт работы с камерами и 3D сканерами будет плюсом.
Условия:
- работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе;
- стабильная, официальная и своевременная заработная плата (обсуждается по результатам собеседования);
- график работы: 5/2 с 8:00 до 17:00;
- транспорт до работы;
- доступ к инфраструктуре мирового класса, включая современные офисы с необходимым для работы оборудованием и жилые комплексы;
- гарантия профессионального роста и участие в уникальных и стратегических проектах.
Если Вы ищете возможности для роста и готовы погрузиться в масштабные проекты, которые приносят реальную пользу, свяжитесь с нами!
Контакты для связи:@anastasiya_alabuga
https://docs.djangoproject.com/en/1.11/ref/contrib/gis/
#GeoDjango intends to be a world-class #geographic#Web#framework. Its goal is to make it as easy as possible to build #GIS Web applications and harness the power of spatially enabled data.