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

Il est fortement recommandĂ© d’avoir Ă©tudiĂ© le tutoriel #1 et le tutoriel #2 avant celui-ci car on y trouve de nombreux Ă©lĂ©ments communs qui ne sont pas re-expliquĂ©s ici. Cet article commente le tutoriel Tensorflow #3 de Magnus Erik Hvass Pedersen  : Keras API. Le code est ici et la vidĂ©o ici (en anglais). Les convolutions ne sont pas […]

Tensorflow – Notes sur le Tutoriel #1 de Magnus Erik Hvass Pedersen – Simple Linear Model

Cet article commente le tutoriel Tensorflow #1 de Magnus Erik Hvass Pedersen  : Simple Linear Model. La vidĂ©o du tutoriel est ci-dessous (en anglais). A moins d’ĂŞtre dĂ©jĂ  bien familier avec Tensorflow (Tf) et le Machine Learning (ML), il est peu probable que tout soit très clair pour vous – non pas que ce tutoriel est mauvais […]

Random Forest

Cet article explique les forĂŞts alĂ©atoires (Random Forest) en commentant le cours INTRODUCTION TO RANDOM FORESTS de Jeremy Howard (probablement le meilleur formateur au Machine Learning et au Deep Learning). Le principe de la formation retenue par Jeremy est toujours de partir du code, de l’expliquer, d’arriver ensuite Ă  la thĂ©orie. On apprend en codant. Ceci suppose de […]

Recension de Machine Learning with TensorFlow de Nishant Shula

Le livre est publiĂ© par les Ă©ditions MEAP Edition (Manning Edition), un Ă©diteur qui prĂ©sente de très nombreux livres sur le machine learning. La version Ă©tudiĂ©e ici est sortie en 2017. L’auteur est Nishant Shula.

Anaconda

Si vous travaillez en local, c’est Ă  dire si vous n’utilisez que les ressources de votre ordinateur pour vos dĂ©veloppements, alors choisissez d’installer Anaconda. Comme le dit Wikipedia : Anaconda est une distribution libre et open source1 des langages de programmation Python et R appliquĂ© au dĂ©veloppement d’applications dĂ©diĂ©es Ă  la science des donnĂ©es et Ă  l’apprentissage automatique (traitement de donnĂ©es Ă  […]

Le Cloud pour le deep learning

Si vous envisagez le Machine Learning, a fortiori le Deep Learning (apprentissage profond), de manière sĂ©rieuse, alors inĂ©luctablement se pose Ă  un moment, la question de l’hĂ©bergement de vos logiciels et de vos donnĂ©es. Si vous ĂŞtes Ă  l’aise avec le HW, vous pouvez bien sĂ»r crĂ©er votre propre Deep Learning Box, ce qui vous […]

Repérer les cancers

Dans un article du Figaro du 29/05/2018, intitulĂ© « Un ordinateur pour repĂ©rer les cancers », on apprenait qu’un rĂ©seau de neurones (CNN) entraĂ®nĂ© sur des images de mĂ©lanomes effectuait de meilleurs diagnostics que des dermatologues. Je suis nullement Ă©tonnĂ© du rĂ©sultat. Je vais mĂŞme tenter de le dĂ©mystifier. Un ordinateur a rĂ©ussi Ă  ĂŞtre meilleur que […]