J’ai eu envie / besoin de jouer avec des modèles de ML pour un projet perso, comme je suis une bille en code, j’ai utilisé le logiciel dataiku (il y a une version « perso gratuite » https://www.dataiku.com/), qui rend super accessible le ML (interface graphique, plein de presets pour les modèles, possibilité de comparer les résultats de plusieurs modèles / paramètrages, etc…)
On peut aussi faire du DL, mais ça demande de mettre les doigts dans le python, je ne me suis pas encore plongé dedans.
Je ne sais pas si c’est adapté pour des vrais codeurs qui veulent contrôler à 100% leur process, mais pour mes bricolages, j’ai gagné tellement de temps !
disclaimer : je n’ai pas d’actions chez eux - malheureusement, ils cartonnent - si mon message ressemble à de la pub, c’est simplement que j’ai kiffé !
Tiens, Python est largement majoritaire dans le domaine du Deep Learning mais je viens de tomber sur un long article sur le domaine pour R.
L’article est très bien expliqué notamment tout l’aspect du deep learning non spécifique à R.
Une 2e partie est attendue. Mon interrogation est qu’ils ne citent pas ni utilisent de library d’IA pour R. Peut-être qu’ils en parleront dans la 2e partie. Si j’ai bien compris dans cette 1ere partie il s’agit de la présentation et de la préparation des données, mais pas de la mise en œuvre.
La 2e partie. En fait c’est sans library spécialisée mais avec celles de bases en R en stats et autres ? C’est fonctionnellement identique à Tensorflow/Keras ? J’ai lu les 2 articles mais en diagonale pour tout ce qui est formule de maths.
Comme le titre de tes articles le disent clairement, ils presentent comment créer un reseau de neurone « from scratch ». C’est donc des articles qui presentent vraiment les concepts de base de fonctionnement d’un reseau de neurones. C’est donc interressant si tu veux te plonger vraiment serieusement dans le domaine. C’est par contre à l’opposé de ce que propose des librairies de plus au niveau type keras (ou fastai) qui elles sont faites pour te masquer au maximum l’aspect tres technique.
Les deux sont interressants mais c’est clairement pas le meme objectif. Pour clarifier si tu veux par exemple faire un modele de reconnaissnce d’image entierrement à la main comme presenté dans l’article ca te prendra tres certainement pres d’un an d’apprentissage. Si tu veux en faire un avec Keras ca te prendra quelques lignes de code.
Il faut surtout voir la portée de ton modèle. Si tu veux différencier des pommes et des oranges, ça va être assez rapide et facile, même from scratch ( c’est le type de projets qu’on donne en master ).
Faire du from scratch aujourd’hui n’a de sens que d’un point de vu pédagogique ou pour contribuer au amélioration du fonctionnement des RNA.
En temps que simple utilisateur, les libs grand public sont juste exceptionnelle.
Oui c’est pour ça que j’ai précisé GROS pdf
Mais en même temps il couvre quand même un domaine assez vaste c’est assez compliqué de faire ça en 15 pages.
Il y a aussi ce « livre » qui est très bien fait GitHub - fastai/fastbook: The fastai book, published as Jupyter Notebooks
Il a été publié en tant que vrai livre (dispo sur Amazon) mais il est aussi dispo gratuitement sur ce repos sous forme de notebook jupyter
Tiens un article intéressant sur l’originalité d’utiliser l’IA comme équipiers virtuels de test. Je trouve que c’est bien vu et visiblement ça semble avoir fait ses preuves sur la Coupe de l’América des kiwis. En tout cas si j’ai bien compris l’article.
Par ailleurs ces bateaux à foils et la présentation de ce site internet sont impressionnants. Et encore je le regarde sur mon smartphone
Pas vraiment une vidéo d’initiation au domaine mais une discussion que j’ai trouvée vraiment passionnante sur les limites des différents types d’algos de machine learning et comment essayer d’aller plus loin.
Je cherchais une application interactive pour mieux comprendre les réseaux de neurones. Et je l’ai trouvé : Neuronify fait par Ovilab !
« Ovilab is a group of developers at the University of Oslo dedicated to create tools that improve everyday science and education. »
On reste un peu sur sa faim car ce tutorial interactif a l’air assez puissant mais finalement avec pas suffisamment d’exemples: apparemment on ne peut pas s’en échanger. Mais ça semble être prévu dans les futurs développements « Possibility to share saved simulations» d’après sa documentation d’utilisation.
Existe-t-il d’autres applications interactive comme celle ci (ou sites internet ?) avec plein d’exemples ?
Neuronify existe aussi pour iOS et en version web:
.