Customs code classification, pose modeling automation, and DeepSeek-OCR

Valeur des informations & solidité de l’argumentation

Les trois présentations apportent des informations pratiques et des retours d’expérience concrets. La première détaille un cas d’usage réel de l’IA dans un domaine réglementé, avec des chiffres de performance et une discussion sur les limites. La deuxième explique clairement la motivation et la méthode pour l’animation procédurale, avec une démonstration convaincante. La troisième offre une vue d’ensemble de DeepSeek-OCR, en abordant à la fois les aspects techniques et applicatifs. L’argumentation est globalement solide, même si certaines affirmations manquent de preuves chiffrées ou de comparaisons avec d’autres approches.

Rigueur scientifique, qualité des sources, adéquation du titre

Les sources citées sont principalement les liens fournis dans la description (arXiv, GitHub, Slack). La présentation de Customs Edge mentionne des données publiques de la CBP, mais sans référence précise. La présentation sur l’animation ne cite pas de sources externes, mais s’appuie sur une démonstration. La présentation sur DeepSeek-OCR mentionne le modèle et ses caractéristiques, mais sans référence à un papier. Le titre est adéquat, car il résume les trois sujets. Les commentaires ne sont pas fournis, donc aucune analyse des tendances n’est possible.

Le titre reflète bien les trois sujets principaux abordés, même si l'ordre diffère légèrement de la présentation.

7/10

Les présentations sont des retours d'expérience concrets, avec des démonstrations, mais sans évaluation critique approfondie ni comparaison systématique avec d'autres approches. Les sources citées sont limitées mais pertinentes (arXiv, GitHub).

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:35Début de la présentation de Zachary Gillette sur la classification des codes douaniers HTS.
• 16:03Début de la présentation d'Arman sur l'utilisation du ML dans les jeux vidéo, avec une démonstration d'animation procédurale.
• 28:50Début de la présentation de Tony Scafani sur le modèle DeepSeek-OCR.
• 1:17:10Discussion sur le papier mHC (manifold hyper-connections) mentionné dans la description.

• mHC (manifold hyper-connections) paper — Mentionné dans la description comme sujet potentiel de discussion.
• San Diego Machine Learning GitHub — Lien vers les notes et vidéos des meetups précédents.
• Slack community — Invitation à rejoindre la communauté Slack pour discuter.

• San Diego Machine Learning GitHub — Les présentations sont probablement disponibles dans ce dépôt.