Les rĂ©seaux de neurones actuels ont des architectures extrĂŞmement complexes qui sont le rĂ©sultat de bricolages astucieux plutĂ´t que d’avancĂ©es thĂ©oriques importantes. ResNet-152 qui date dĂ©jĂ de 2015 avait 517 couches, plus de 60 millions de paramètres et une taille supĂ©rieure Ă 240 MĂ©gas. GPT-3 d’OpenAi, un, modèle de type « transformer » a 175 milliards de paramètres […]
Archives par auteur ia
L’apprentissage automatique et plus particulièrement l’apprentissage profond obtiennent aujourd’hui des performances spectaculaires, inespĂ©rĂ©es il y a quelques annĂ©es, dans certaines domaines comme la vision et le traitement du langage naturel. Le « deep learning« , l’apprentissage profond Ă l’aide de rĂ©seaux de neurones, n’atteint ces prouesses que parce que le volume de donnĂ©es utilisĂ© pour l’apprentissage est […]
Si vous dĂ©butez avec le Machine Learning (ML), ou plus particulièrement avec le Deep Learning (rĂ©seaux de neurones), implĂ©mentĂ© pour microcontrĂ´leurs , et si vous ĂŞtes dĂ©jĂ familiers avec TensorFlow alors ce livre de Pete Warden & Daniel Situnayake est fait pour vous. Le livre fait plus de 460 pages. Il est Ă©ditĂ© chez O’Reilly […]
TensorFlow a créé une certification en avril 2020. Je l’ai obtenue dĂ©but aoĂ»t 2020. Cette certification s’adresse tout d’abord aux dĂ©veloppeurs et aux data scientists qui « souhaitent dĂ©montrer leurs compĂ©tences pratiques en machine learning via la crĂ©ation et l’entraĂ®nement de modèles avec TensorFlow » L’intĂ©rĂŞt de cette certification, outre son aspect promotion de votre expertise, qui vous […]
Il s’agit de tester le code du livre de Michelucci, Advanced Applied Deep Learning de U. Michelucci, § MNIST Classification with Eager Execution Il n’y a lĂ rien de spĂ©cial. Les Ă©tapes sont : RĂ©cupĂ©ration des donnĂ©es Normalisation et one hot encoding Transformation des donnĂ©es en tf.data.Dataset object Construction d’un modèle Keras DĂ©finition de l’optimizer et de […]
TensorFlow 2.0 (Tf) a Ă©té annoncé le 30/09/2019. C’est une bonne nouvelle ! Les versions antĂ©rieures souffraient de nombreux dĂ©fauts dont certains ont Ă©tĂ© corrigĂ©s avec la 2.0. Pour autant, le framework Tf ne s’est pas complètement transformĂ©. C’est toujours « une usine Ă gaz », complexe, mal documentĂ©e et pas toujours performante. Tutoriels sur le site Tf Il […]
Selon le site de recrutement Indeed.com, le salaire d’un ingĂ©nieur en intelligence artificielle, dans la rĂ©gion de San Francisco, est autour de 135K$ et celui d’un ingĂ©nieur spĂ©cialisĂ© en Machine learning de 170K€. Pour l’Ă©lite des experts, qui sont moins de 10 000 dans le monde, ces salaires peuvent monter beaucoup plus haut, au delĂ […]
L’intelligence artificielle et plus particulièrement l’apprentissage profond a l’image d’une technique froide, neutre, dĂ©shumanisĂ©e, objective. C’est ignorer la façon dont on construit les logiciels.
Si les vĂ©hicules autonomes permettent de diminuer la mortalitĂ© sur les routes, alors ce seul argument justifie l’exploration de cette piste.
Mais il y a d’autres raisons que la sĂ©curitĂ© pour intĂ©grer de l’Intelligence Artificielle dans les vĂ©hicules et les rendre plus autonomes, par exemple : diminuer la durĂ©e des trajets, permettre de faire autre chose durant ces trajets, faciliter Ă tous les dĂ©placements
Le TensorFlow Dataset permet de lire facilement les jeux de données utilisés fréquemment en Machine Learning/Deep Learning.