Jonas Bostelmann

@jonasbostelmann
175 Followers
185 Following
33 Posts

Wenn 16 Leute etwas über einen Fluss transportieren wollen, würden wir nicht auf die Idee kommen, alle ein eigenes Boot zu bauen. Stattdessen bauen wir gemeinsam eine Brücke. Bei 16 Bundesländern sieht die Realität in der Softwareentwicklung aber oft anders aus.
Warum das so ist erklärt uns @jonasbostelmann in seiner Keynote.

#PrototypeDemos

Habt ihr euch schon euer Ticket für unseren nächsten Demo Day am 3. März in Berlin geklickt? Nein? Dann entgeht euch unter anderem die Keynote von @jonasbostelmann! In „Digitale Infrastruktur für eine GeoKI-Anwendung in der öffentlichen Verwaltung“ berichtet er, welche Rolle FOSS, Cloud-Infrastrukturen, SaaS und offene Geodaten bei der Entwicklung einer KI-Anwendung im öffentlichen Dienst spielen.

Holt euch euer Ticket hier:
https://prototypefund.de/demo-day/.

Prototype Fund - Demo Day

Auf dem Demo Day präsentieren die Förderprojekte die Ergebnisse ihrer 6-monatigen Arbeit.

Prototype Fund
@alsternerd @lgln_devops Ja, man merkt, dass wir auf einem städtischen Gebiet trainiert haben. Auf den Felden ist die Klassifikation noch sehr random.
@piratenpanda @lgln_devops Ja, malen oder direkt die Geometrie übernehmen. Die Lizenz muss das aber auch erlauben. Schau dir mal diese beiden Links an:
https://zenodo.org/records/10401144
https://pretalx.com/fossgis2024/talk/JAS9RR/
Building footprints Oldenburg derived from aerial imagery

This data set contains 78038 georeferenced polygons representing all building footprints within the administrative boundaries of the city of Oldenburg, Lower Saxony, Germany. These geometries were created by a deep learning-based image segmentation. The model for this was trained at the State Office of Lower Saxony for Geoinformation and Surveying (LGLN). We publish this data under the CC0 license. You can do whatever you want with it. There are no restrictions.If you do something great with the data set, we'd love to hear about it: [email protected] you use this dataset, you are welcome to reference it - but you don't have to.Would you like builiding footprints for another area? We'd love to hear about it.

Zenodo

Generation 5 KI-Gebäudeerkennung und Generation 1 KI-versiegelte-Flächen-Erkennung

KI-Training: @lgln_devops
Visualisierung: #QGIS
Animation: MoviePy
#FOSSGIS #OpenSource #OpenData

Ich suche Verstärkung für mein Team.

Beim Skalieren unserer KI-Anwendungen wollen wir nachhaltiger, effizienter und transparenter werden und eine ressourcenschonende Cloud-Infrastruktur aufbauen. Dabei brauchen wir Unterstützung und suchen eine Person, die Spaß an diesem Job hätte:

Software-Architekt/-in (m/w/d) Schwerpunkt: Machine Learning Infrastructure

Mehr Infos:
https://karriere.niedersachsen.de/stellenausschreibungen/software-architekt-in-m-w-d-schwerpunkt-machine-learning-infrastructure-101248.html

Vielleicht kennt ihr eine passende Person oder habt selbst Interesse an dem Job. 😀

Software-Architekt/-in (m/w/d) Schwerpunkt: Machine Learning Infrastructure

Karriereportal.de
@geoObserver Funktioniert sehr gut bei mir und war direkt hilfreich für die Visualisierung der (vorläufigen) Ergebnisse der KI-Gebäudeerkennung. Hat mir mühevolles Raussuchen der WMS-Links erspart! Sowas sollte es für alle Bundesländer geben!
Wir waren auf der #FOSSGIS2024 😀 Hier ist eine Übersicht unserer Vorträge mit Links zu den Aufzeichnungen, Folien, Daten und Stellenausschreibungen: https://file.ki.lgln.niedersachsen.dev/f/a657b5a0f6684a5aa353/
LGLN_at_FOSSGIS2024.md

Share link for LGLN_at_FOSSGIS2024.md.

Files
Deep-Learning: KI Gebäudeerkennung am LGLN

Über die automatisierte Gebäudeerkennung mit Unterstützung von KI hatte ich bereits in [1] und [2] berichtet. Auf der FOSSGIS2024 informierten Uwe Breitkopf und Jonas Bostelmann vom LGLN (Landesamt…

#geoObserver
@cartocalypse jetzt habe ich noch gelernt, wie man die Transparenz der Linien zeitabhängig anpassen kann. 🙂