Germany is evaluating 30 AI tools for its military with a prototype due in 2027

What Happens to a Medical Image Before and After a Model Sees It

Bài viết bắt đầu bằng việc giải thích tại sao các bước tiền xử lý hình ảnh y tế như đọc DICOM, điều chỉnh cửa sổ Hounsfield và resampling voxel là không thể bỏ qua trước khi đưa vào mô hình học sâu. Nó mô tả chi tiết cách các thư viện như SimpleITK và MONAI được dùng để chuyển đổi không gian ảnh về kích thước đồng nhất (ví dụ 1 mm³) và chuẩn hóa intensity bằng Z‑score hoặc histogram matching để giảm sự khác biệt giữa các bộ quét. Sau khi mô hình (thường là một mạng CNN 3D hoặc Transformer được huấn luyện trên PyTorch) xử lý ảnh, bài viết phân tích các bước hậu xử lý như ngưỡng xác suất, ánh xạ nhãn lại về không gian gốc và tính toán chỉ số Dice hoặc AUC để đánh giá hiệu suất. Các thí nghiệm được báo cáo cho thấy việc bỏ qua bước resampling có thể làm giảm Dice score xuống 15 % trong phân đoạn u não, trong khi sử dụng chuẩn hóa intensity tăng AUC lên 0.92 so với 0.84 khi không chuẩn hóa. Bài kết xuất rằng các nhà phát triển cần xem tiền xử lý không phải là bước “boilerplate” mà là một phần thiết yếu của pipeline, và việc ghi lại chính xác các tham số (kích thước voxel, giá trị Hounsfield window, phương pháp chuẩn hóa) là điều cần thiết để tái tạo kết quả và so sánh công bằng giữa các nghiên cứu.

Bài viết giải thích chi tiết quá trình tiền xử lý ảnh y tế, yếu tố quyết định hiệu suất của các mô hình học máy trong lĩnh vực chuyên biệt này.

Transformations that know their context

dlthub cung cấp hai cách chạy transformations: sử dụng dự án dbt có sẵn hoặc transformations native của dlthub. Bài viết so sánh sự khác biệt giữa hai phương pháp này cho người thực hành và nhà ra quyết định kỹ thuật.

Một lập trình viên cần hiểu cách dlthub cung cấp hai cách thực hiện biến đổi dữ liệu (từ dự án dbt cá nhân hoặc biến đổi bản địa của dlthub) để quyết định lựa chọn phương pháp phù hợp với quy mô, tính linh hoạt và chi phí của dự án mình.

How to Use AI to Write DAX Measures: 5 Powerful Prompts for Power BI

How to Use AI to Write DAX Measures: 5 Powerful Prompts for Power BI Writing DAX can sometimes feel less like writing a formula and more like solving a puzzle. You may know exactly what you want to …

SandboxAQ Tests GPS-Free Navigation on Northrop Grumman Drone

SandboxAQ and Northrop Grumman completed the first test combining magnetic and visual navigation on an attritable, one-way attack drone.

Everyone else is shrinking satellites. K2 raised $500m to build giant ones, and put AI in orbit.

K2 Space đang phát triển vệ tinh kích thước lớn thay vì thu nhỏ như xu hướng hiện nay, vừa huy động thành công 500 triệu USD vốn Series D với định giá 6,8 tỷ USD. Công ty tích hợp AI vào các vệ tinh cỡ lớn này nhằm nâng cao hiệu suất hoạt động trong quỹ đạo.

Đọc bài này để hiểu cách các công ty như K2 Space sử dụng quy mô lớn và trí tuệ nhân tạo để cạnh tranh hiệu quả trong thị trường vệ tinh, thay vì chỉ tập trung vào nhỏ hơn, nhẹ hơn.

Robotics roadmaps from around the world spotlight of the month: United States of America

US robotics researchers and industry groups are pushing for a unified national robotics strategy, arguing that America's historically laissez-faire, innovation-first approach has left it dependent on foreign imports for industrial robots despite leading in R&D. The Department of Defense has become a major funder of autonomous systems, with the FY2026 budget requesting $13.4 billion and $53.6 billion proposed for 2027, while private defense-tech venture capital hit $19.8 billion in Q1 2026. Federal robotics funding remains fragmented across NSF, DOE, NIH, NASA, the ARM Institute, and DARPA, with no centralized coordinating body. In response, industry group A3, think tank SCSP, and academics led by Henrik Christensen have each published their own national robotics strategy proposals, while Congress has introduced bills like the National Commission on Robotics Act and American Security Robotics Act to address supply chain vulnerabilities and China-related security concerns.

Day 4: Pandas — Making Sense of Messy, Real-World Data

Day 4: Pandas — Making Sense of Messy, Real-World Data Part 4 of a 50-day journey from zero to building AI agents. Why NumPy alone isn’t enough Yesterday, NumPy gave us fast, clean arrays of pure …