我们很高兴与大家分享在Devpost上举办的第一届微软Azure人工智能黑客竞赛的获奖者。我们欢迎所有背景和技能水平的开发者加入并提交任何形式的人工智能项目，无论是使用Azure人工智能来增强现有的应用程序和预先训练的机器学习（ML）模型，还是从头构建ML模型。900多人参加了会议，提交了69个项目。非常感谢所有参赛者，并向获奖者表示祝贺。第一名垃圾  由内森·格洛弗和斯蒂芬·莫特提交的《垃圾桶》是一个智能垃圾箱，旨在帮助人们做出更明智的回收决定。我最喜欢的是观看垃圾桶的完整演示！当你看到的不仅仅是智能，还有它在现实世界中如何应用的端到端场景时，它非常强大。这个团队使用了许多Azure服务来连接硬件、智能和表示层，您可以看到这是一个经过充分研究的体系结构，可以在多个场景中重用。在这种情况下，azurecustomvision是一个很好的选择，它使团队能够用很少的培训数据创建一个性能良好的模型。我们回收的越多，模型就越好。很高兴看到安装说明中包含了构建独特版本的垃圾桶，这样用户就可以通过在本地社区内正确回收垃圾来帮助环境这一社区方法具有难以置信的可扩展性。亚军Niza Siwale的应用程序使用Azure机器学习服务从图像中识别作物病害，并公开发布研究结果，以便任何人都可以跟踪疾病爆发。这也为政府机构提供了实时更新，以便迅速采取行动并向受影响社区提供支持。正如尼扎所引用的，这个项目对非洲可能有2亿以农业为生的农民有着不可思议的影响。创建一个简单的Android应用程序，用户可以拍摄作物照片，分析每个农民是否在需要信息时获取信息，用户还可以将自己的发现反馈给周围的社区，让每个人都更加了解信息和联系。使用流行的Keras框架和Azure机器学习服务，这个项目构建并部署了一个可以从应用程序调用的良好的植物病害识别模型。任何未来的工作或模型的改进版本都可以在开发周期中进行监视和部署。由此，可以跟踪模型随时间的发展。第三位水位异常探测器roykincaid的项目使用一种超声波传感器来识别水位的剧烈变化，这种传感器可以用来探测潜在的洪水和自然灾害。这些信息可以用来为人们提供足够的警告，以便他们最好地为环境的重大变化做好准备。水位异常探测器也有利于长期分析气候变化的影响。这是端到端智能解决方案的另一个很好的例子。Roy在这个项目的硬件和连接部分非常熟练，所以看到azurecognitiveservices的异常检测器API的简单集成以及Roy可以多快地开始使用该服务，真是太棒了。很多物联网场景都有类似的检测速率和水平的需求，我希望在未来看到罗伊暗示的咖啡液位检测器（为我注册一个吧！）。在一个我们都想尽自己的力量来帮助环境的世界里，这是一个很好的例子，说明了监控意味着我们可以测量随着时间的推移而发生的变化，并在出现问题时发出警报。参与其中我们要感谢所有参与azureai黑客竞赛的人，包括我们的参与者、评委和开发人员。我们非常渴望看到这些项目如何继续进展，并期待着在未来可能主办另一次黑客竞赛。加入全球人工智能社区，加入我们即将到来的全球人工智能训练营。有关详细信息，请参考Microsoft Azure AI Hackathon官方规则。