This Meetup is past

82 people went

IMPRÓ

Ó utca 4. VI. ker. · Budapest

How to find us

Megközelítés: 3-as (kék) metróval az Arany János utcai vagy kisföldalattival az Opera megállóig, vagy 4-6 villamossal az Oktogonig

Location image of event venue

Details

Eloadások

Stocker Dániel: http://jorder.net , mini adatbázis a böngészoben Lukács Péter ( Digital Natives (http://digitalnatives.hu)): Mixgar.com Schmidt András ( Q-Gears (http://qgears.com)): Mitol lesz gyors egy autonóm robot? Dezsényi László ( NETAVIS (http://www.netavis.net)): Egy gépi látás feladat anatómiája Maróy Ákos (eu.edge (http://euedge.com)): Folyadékhutéses számítógépek

Részletek

Stocker Dániel: http://jorder.net , mini adatbázis a böngészoben

Böngészoben moködo adatbázisok létjogosultsága, a konkrét elonyök ellenére, nem magától értetodo. Eloadásunkban sorra vesszük ezeket az el?nyöket a jOrder segítségével, teszünk egy rövid kitekintést a "versenytársakra", majd egy példán keresztül szemléltetjük, miért a jOrder a leggyorsabb, natív támogatás nélküli, nyílt forraskódú JavaScript adatbázis."jOrder"

http://jorder.net

http://github.com/danstocker/jorder/wiki

Lukács Péter ( Digital Natives (http://digitalnatives.hu)): Mixgar.com

A mixgart eloször saját magunknak kezdtük el kifejleszteni, hogy az irodában demokratizálni tudjuk a zenehallgatást. Gyorsan rájöttünk, hogy ez egy elég általános, sokakat érinto probléma, így elkezdtünk az elso prototípus után egy üzleti megoldást is fejleszteni.

Az eloadáson arról fogunk beszélni, hogy

- milyen algoritmus alapján állítjuk össze azt a zenei listát, aminek a felhasználók többsége örülni fog,

- milyen külso szolgáltatásokat, API-kat használunk mindehhez, és hogy

- mindezt miért a webre találtuk ki.

Schmidt András ( Q-Gears (http://qgears.com)): Mitol lesz gyors egy autonóm robot?

Ha gyors autonóm robotot akarunk építeni, akkor a nyers ero mellett a legnagyobb kérdés a vezérlés minosége. Hogyan csináljunk gyors és pontos vezérlést.

Dezsényi László ( NETAVIS (http://www.netavis.net)): Egy gépi látás feladat anatómiája

Nehézségek, zsákutcák, megoldások egy éles gépi látás feladat megvalósítása során. Szó esik majd: A kipróbált algoritmusokról (háttér modell, KLT tracker, él megtartó szorés …), hogy miért kerültek, illetve nem kerültek felhasználásra. Mit is kell még figyelembe venni, hogy az alkalmazás valós körülmények között megállja a helyét.Alternatív megoldási lehetoségekrol röviden.

Maróy Ákos (eu.edge (http://euedge.com)): Folyadékhutéses számítógépek Miért önt az ember vizet a számítógépbe?

A beugró szokás szerint 700 Ft, amit a terembérletre fordítunk. Köszönjük, hogy támogatjátok az esemény függetlenségét.

Eloadásötleted van? Írj nekünk az [masked] címre. Köszönjük!