y = ax + b

Pour comprendre les rĂ©seaux de neurones, il n’est pas indispensable, contrairement aux idĂ©es reçues, de disposer d’un background mathĂ©matique très Ă©levĂ©. Le niveau du LycĂ©e suffit. Si vous avez compris l’Ă©quation de la droite et la rĂ©gression linĂ©aire, alors vous comprendrez les rĂ©seaux de neurones. C’est ce que cet article tente de dĂ©montrer. Cet article […]

Notes sur la leçon #1 de Fastai – Deep Learning

Les cours de fastai – Deep Learning for Coders, sont parmi les plus intĂ©ressants (les meilleurs Ă  notre avis) disponibles gratuitement sur le Web. L’approche pĂ©dagogique qui consiste Ă  apprendre le DL en codant est très efficiente. Les cours de fastai concernent le Machine Learning et le Deep Learning. Cet article est un ensemble de […]

Notes sur le crash course de @fchollet sur TensorFlow et Keras

Le crash course sur TensorFlow 2.0 de François Chollet @fchollet fondateur de Keras mĂ©rite quelques notes. C’est l’objectif de ce 1er article qui couvre les parties 1, 2 et 3 de l’article. Installation Le code prĂ©sentĂ© est dans l’environnement de Google Colaboratory GCP. On commence par l’installation de tf-nightly-gpu-2.0-preview. Il s’agit de l’installation pour GPU. […]

Notes sur la leçon #3 de Fastai – Deep Learning

En quelques lignes de code, en très peu de temps, grâce aux logiciels de fastai, on rĂ©ussit Ă  se classer parmi les 10% les meilleurs de la compĂ©tition Kaggle – Planet (multi label classification).

Reconnaître automatiquement un drapeau breton

Encore une fois, merci Ă  Jeremy Howard, pour son merveilleux cours sur le Machine Learning. Cet article doit tout (sauf les erreurs) Ă  son cours n°2 : https://course.fast.ai/videos/?lesson=2 Nous dĂ©veloppons ici, dans Google Colab, une application, qui permet de dĂ©tecter automatiquement si un drapeau est un drapeau breton, un drapeau pirate ou un drapeau de […]

Tutoriel – l’apprentissage par renforcement – taxi-v2

L’apprentissage par renforcement est avec les rĂ©seaux de neurones par convolution et les rĂ©seaux de neurones rĂ©currents, celui qui obtient les rĂ©sultats les plus spectaculaires mais son utilitĂ© dans des cas pratiques est discutĂ©e (hormis le domaine du jeu). Pour illustrer l’apprentissage par renforcement, le toolkit choisi est celui de Gym,  et le code celui […]

Les enjeux de l’Intelligence Artificielle pour les Entreprises

L’objectif de cette introduction Ă  l’intelligence artificielle (IA) est d’apporter les connaissances minimales aux dirigeants d’entreprise afin de les aider Ă  dĂ©cider d’une stratĂ©gie Ă  mettre en place pour prendre en compte les bouleversements forndamentaux que l’IA va – sous peu – introduire au sein de leurs entreprises. Description Le programmes de ce sĂ©minaire est […]

Arbre de dĂ©cision – Gini

  Les arbres de dĂ©cision apprennent leurs règles en dĂ©cidant quels attributs mettre Ă  la racine de l’arbre puis de chacun des noeuds. La sĂ©lection d’attributs se fait le plus souvent en calculant soit l’indice Gini soit l’entropie. Pour notre exemple, nous nous inspirons de l’article how decision tree algorithm works. Dans notre exemple, nous avons […]

MNIST – scikit-learn – code d’A. Geron

MNIST est le Hello World du Machine Learning. Le prĂ©sent article commente le code du §3 du livre d’AurĂ©lien Geron. Rappel de ce que nous avons Ă©crit Ă  son sujet. Le livre Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems d’AurĂ©lien Geron est très très bon. Il est complet, profond, bien […]

Tensorflow – Notes sur le Tutoriel #3C de Magnus Erik Hvass Pedersen – Keras API – Functional Model

Ce tutoriel ne peut ĂŞtre li qu’après avoir Ă©tudiĂ© le tutoriel #3c (2ème partie) et le tutoriel #2 car on y trouve de nombreux Ă©lĂ©ments communs qui ne sont pas re-expliquĂ©s ici. Cet article commente le tutoriel Tensorflow #3c de Magnus Erik Hvass Pedersen  : Keras API. Le code est ici et la vidĂ©o ici (en anglais). Les convolutions ne sont […]