nop 
C’est typiquement ce qu’on peut tres bien faire avec un modele de markov caché ou une chaine de markov. Allez soyons fous, avec un complex event processing… mais c’est moins vendeur.
Lorsque l’industrie découvre que l’informatique, c’est pas juste les ERP, MES & co 
Déconne pas, on lance en même temps le chantier du MES et je peux te dire que c’est un sacrée foutoir ( comment communiquer avec Wonderware…)
alors ca marchera pas trop vu que ce que l’on cherche à monitorer ne remplit pas la condition de markov ( sinon on fait deja ca depuis longtemps . par exemple pour un compresseur on prends la température, le débit, la pression à chaque étage , on calcule le rendement polytropique . si ce dernier se casse la binette on anticipe une augmentation de la puissance consommée et on identifie d’ou ça vient ( P,T ou Q) . )
Avec le deeplearning on cherche à créer une mémoire et un système de monitoring qui se souvient des « incidents » et de leurs cause et qui le prends en compte dans l’analyse d’un phénomène pour « deviner » son origine probable.
Comme je le disais un peu plus haut ca reste effectivement un domaine pas encore suffisament developpé. On commence à avoir quelques outils mais rien pour le moment assez clair et simple pour permettre de rassurer un client final sceptique.
Et comme dis aussi plus haut le deeplearing n est pas la solution miracle pour tous les problemes. Tout comme une base nosql ne convient pas à tous les projets, les archi serverless ne sont pas forcement la meilleure solution, le javascript n est pas le langage ultime pour tous les types d’appli, etc.
Je sais pas où tu es, mais faudrait passer nous voir 
c’est 100% dans ce qu’on propose (surtout les collègues, moi je fais principalement du trafic) en « transfert de techno » dans mon labo 
.
ça serait avec plaisir , mais là on vient de se marier avec S.A.S et Prism . Moi je m’occupe de l’expertise indus sur les compresseur et les turbines .
C’est pas plutôt une application des transformations de Fourr(i)er, ça ?
Je crois que c etait juste un petit troll parce qu effectivement il y a pas d « ia » derriere ce « paint » 
Là par contre derriere celui là il y a un modele de deeplearning : https://magic-sketchpad.glitch.me/
(les resultats sont d ailleurs beaucoup moins bon que sur le premier linké par blackfox… )
Un peu d infos dessus ici : Draw Together with a Neural Network
D’ailleurs hesitez pas à trainer un peu sur le site de magenta ils font pas mal de trucs sympa autour de la creation assistée par du deeplearning
Ah mais clairement. J’ai juste pas pu passé à coté de ce mauvais jeu de mot.
Pour compléter: Il y a une chouette vidéo avec une chouette visualisation (et un chouette nom: MarI/o) d’une IA qui joue à Super Mario World qui permet de bien visualiser la structure d’un réseau de neurone:
Maintenant pour reconnaître et classifier des images, il faut faire un effort d’imagination et remplacer les petits carrés par une image couleur (donc potentiellement beaucoup plus d’input), probablement plein de neurones intermédiaires, et plein de neurone de sortie (qui ne correspondent plus à ABXY← ↑ → ↓ mais à « lapin bélier », « iron man », « bouteille d’eau », etc…
Haha oui c’était juste pour la blague mon lien
Je suis ce topic avec intérêt, je trouve ça passionnant même si je n’y comprends pas grand chose ^^’
Un post interressant de Lex Fridman (prof au MIT) qui presente les differents type d’architecture standard de modele de deep learing : https://medium.com/tensorflow/mit-deep-learning-basics-introduction-and-overview-with-tensorflow-355bcd26baf0
Une bonne occasion de parler aussi de son cours que j ai oublié dans mon post initial. J avais suivi celui de 2017 qui etait consacré au deep learning et plus precisement à la conduite autonome. Les cours sont tres interressants mais j avais quand meme trouvé qu il manquait le “practical” et le “for coders” qui font vraiment la force des cours de fastai. Vous pouvez trouver tout ca ici : https://deeplearning.mit.edu/
Il y a par contre un truc assez fun avec ces cours c est ce petit outil en ligne https://selfdrivingcars.mit.edu/deeptraffic/ qui vous permet de tres facilement faire tourner un reseau de neurones qui va apprendre à slalomer le plus vite possible dans une “simulation” de circulation
Sa chaine youtube contient aussi des videos interressantes et particulierement cette serie d entretiens avec differents chercheurs en IA : https://www.youtube.com/playlist?list=PLrAXtmErZgOdP_8GztsuKi9nrraNbKKp4
Je ne l’ai pas encore testé mais on m’a recommandé ça https://course.elementsofai.com/
A priori une très bonne intro générale à l’IA avec de très bonnes descriptions et les exercices qui vont avec.
Je ne connaissais pas merci pour la découverte
J ai parcouru rapidement, ca a l’air bien fait et assez interressant pour avoir une vision sur l IA en general. Par contre ca n est pas juste avec ces cours que tu seras capable de faire un modele pour resoudre un « vrai » problème
Ca tombe bien le but étant de donner une bonne vision générale 
Oui on a remarqué ça aussi : que ça soit en Master ou après, ils ont tendance à sortir : “oh on va faire ça avec le Deep Learning, on aura ce que l’on veut…” Euh… Oui mais non…
Après, avec explications et tout ils comprennent… mais c’est dingue cette “facilité”, hop, le DL règle tout…
Et encore, je ne vous parle pas des étudiants : oh mais je sais comment marche le DL, j’utilise X ou Y de Machin et puis voilà…
M’enfin…
Je sais pas encore ce que ça vaut mais ce livre vient de proposer sur mes mailling list :
J ai feuilleté l’intro ca a l’air interressant et puis bon l auteur connait un peu le sujet d apres ce que j’ai lu sur lui.
SInon un post assez interressant aussi sur les dangers de l’IA : I’m an AI researcher, and here’s what scares me about AI | by Rachel Thomas | Medium (non ca ne parle pas de robots tueurs qui vont reduire l’humanité à l’esclavage… )
Un papier interressant sur comment entrer un peu dans la « boite noire » d’un modele de classification d’image : ici (meme si vous comprenez pas en detail regardez les images d’exemples elles sont assez parlantes )
Il y a aussi une implementation pytorch dispo : là (j’ai pas encore testé)
Au dela du titre sensationaliste, c’est rare que l’on parle d’un modèle spécifique dans la presse, et c’est juste un article parmi une palanquée.
C’est peut-être juste une façon qu’a trouvé OpenAI de faire parler d’eux 