Decoded©
-
Python Avancé – Astuce n°1 : Les décorateurs
Lorsqu’on fait du Machine Learning en Python, on n’a pas nécessairement besoin de toutes les caractéristiques de ce langage: scikit-learn, numpy et pandas sont très bien développées et ne nécessitent pas beaucoup plus de connaissances que des bases en Programmation Orientée Objet et un peu de méthode.
Lire la suite -
Projet Data: Les 5 étapes cruciales
Débuter en data science c’est immanquablement se lancer dans la réalisation de projets qui peuvent prendre du temps. Comme tout projet il faut savoir s’organiser, prioriser les tâches et se fixer des étapes pour pouvoir en suivre l’évolution et rectifier la donne si besoin.
Lire la suite -
Intelligence Artificielle : Quelles limites ?
Connaissez vous Spot ? Un robot déployé dans les espaces verts de Singapour pour faire respecter la distanciation sociale. La nouvelle a donné du grain à moudre aux alarmistes de l’usage de l’IA sans limite . Il est vrai que l’image de ce robot se promenant entre les habitants pour les rappeler à l’ordre pourrait sortir d’un épisode de Black Mirror.
Lire la suite -
Correlation entre variables: comment mesurer la dépendance ?
En Data science, il est primordial de découvrir et quantifier à quel point deux variables sont liées. Ces relations peuvent être complexes et ne sont pas forcément visibles. Or certaines de ces dépendances affaiblissent les performances d’algorithme de Machine Learning comme des régressions linéaires. Il devient alors impératif de mieux préparer vos données.
Lire la suite -
Machine Learning : Performance and interpretability
Performance and interpretability: A necessary trade-off? Over the last decade, an increasing number of companies have embraced the digital transformation by incorporating Artificial Intelligence methods in the way they conceive their products and define their processes. Gathering, analyzing, and harnessing the data have been considered as essential drivers for business growth in an increasingly number […]
Lire la suite -
Types de variables en Python : si on clarifiait la dynamique ?
Python s’est depuis quelques temps imposé comme un des leaders sur le marché des langages de programmation pour la Data Science: simple à prendre en main pour des personnes avec un passé de statisticien, bien fourni en librairies, capable de tout, c’est un fidèle compagnon de route du Data Scientist.
Lire la suite -
Au delà du Machine Learning: l’Analyse de Survie
Lorsqu’on débute un projet de Data Science, il est très important de réfléchir à la modélisation du problème en question.
Lire la suite -
Machine Learning & Python : Par où commencer?
Python s’est imposé en quelques années comme le langage référence pour le Machine Learning. Nombreux à vouloir commencer à programmer en Python, nous sommes tout aussi nombreux à avoir réalisé que commencer tout seul un langage informatique et assimiler les notions de Machine Learning n’est pas aisé.
Lire la suite -
Peut-on avoir confiance aux prédictions d’une IA : L’approche LIME
Dans un précédent article, nous avons discuté des limites de l’intelligence artificielle en nuançant la vision hollywoodienne d’un robot qui dépasserait l’homme et lui dicterait sa conduite.
Lire la suite -
Intelligence artificielle et Créativité : Mythe ou réalité ?
Dans un précédent article, nous avons discuté des limites de l’intelligence artificielle en comparaison avec le cerveau humain. Si la prise d’initiative semblait décisive dans cette comparaison, y aurait-il d’autre spécificités propres à l’homme? L’intelligence artificielle peut-elle par exemple faire preuve de créativité ?
Lire la suite -
Text Mining – Appel du 18 Juin
Qui d’entre vous n’a jamais rêvé d’une analyse de textes automatisée ? Avec le Machine Learning, certaines perspectives auparavant de l’ordre de l’imaginaire sont désormais accessibles.
Lire la suite -
Deep learning & Style transfer
Avez-vous déjà souhaité pouvoir peindre comme Van Gogh? Reproduire l’esthétique de Monet dans des paysages modernes? Dans cet article, nous allons vous présenter une technique utilisant le Deep Learning pour appliquer à une image d’origine le style d’une autre. Cette technique d’optimisation est connue sous le nom de neural style transfer (ou transfert de style), décrite pour la première fois dans l’article de Leon A. Gatys, A Neural Algorithm of Artistic Style.
Lire la suite
The newsletter of the future
Get a glimpse of the future straight to your inbox. Subscribe to discover tomorrow’s tech trends, exclusive tips, and offers just for our community.
