XebiConFr15 - Les algorithmes du machine learning

1 298 vues

Publié le

Le Machine Learning, sous-ensemble de l'Intelligence Artificielle, est la discipline donnant à un ordinateur la capacité d'apprendre sans avoir été explicitement programmé, en se basant sur des données d'entrée.

Systèmes de recommandations, détection de fraude, prédiction de ventes, segmentation de clients: ses champs d'applications sont nombreux. Venez découvrir à travers cette présentation ce qui se cache derrière ces mots, quels algorithmes existent, comment ils fonctionnent, avec quels outils, dans quel cas et comment les utiliser.

Par Yoann Benoit & Alban Phelip, consultants Xebia

La vidéo de la conférence est à retrouver sur : http://www.xebicon.fr/programme.html

Publié dans : Logiciels
0 commentaire
7 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
1 298
Sur SlideShare
0
Issues des intégrations
0
Intégrations
10
Actions
Partages
0
Téléchargements
111
Commentaires
0
J’aime
7
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

XebiConFr15 - Les algorithmes du machine learning

  1. 1. #XebiConFr @YoannBENOIT @AlbanPhelip 1 Les algorithmes du Machine Learning
  2. 2. #XebiConFr Data Scientist Data Engineer Yoann Alban 2
  3. 3. #XebiConFr ➔ Présentation générale et cas d’utilisation ➔ Systèmes de recommandation ➔ Apprentissage non supervisé ➔ Apprentissage supervisé ➔ Le Machine Learning dans la vraie vie ➔ L’avenir... Agenda 3
  4. 4. #XebiConFr Machine Learning Kézako ? 4
  5. 5. #XebiConFr 5
  6. 6. #XebiConFr “ Le Machine Learning est le champ d'étude qui donne aux ordinateurs la capacité d'apprendre sans être explicitement programmés ” -- Arthur Samuel 6
  7. 7. #XebiConFr Pourquoi ? Quand ? Où ? 7
  8. 8. #XebiConFr 8
  9. 9. #XebiConFr 9 Les domaines
  10. 10. #XebiConFr Quelques cas d’utilisation 10
  11. 11. #XebiConFr 11 Connaissance client
  12. 12. #XebiConFr 12 Segmentation client Segmentation usages web Connaissance client Élaboration de scores Satisfaction client
  13. 13. #XebiConFr 13 Connaissance du marché
  14. 14. #XebiConFr 14 Analyse de tendance Connaissance du marché Analyse des réseaux sociaux Analyse de sentiments Détection de communauté
  15. 15. #XebiConFr 15 Optimisation Marketing
  16. 16. #XebiConFr 16 Optimisation Marketing Attribution Allocation
  17. 17. #XebiConFr 17 Analyse personnalisée
  18. 18. #XebiConFr 18 Analyse personnalisée Targeting & Retargeting Recommandations Campagnes promotionnelles
  19. 19. #XebiConFr 19 Détection
  20. 20. #XebiConFr 20 Détection Fraude Anomalies Pannes Personnes / Objets
  21. 21. #XebiConFr 21 Prédiction
  22. 22. #XebiConFr 22 Prédiction Ventes Trafic Consommation
  23. 23. #XebiConFr Les grandes familles d’ algorithmes 23
  24. 24. #XebiConFr 24 Beaucoup d’algorithmes Regroupés en grandes familles
  25. 25. #XebiConFr 25 Beaucoup d’algorithmes Regroupés en grandes familles
  26. 26. #XebiConFr 26
  27. 27. #XebiConFr Systèmes de Recommandation 27
  28. 28. #XebiConFr Recommandations Non Personnalisées 28
  29. 29. #XebiConFr Recommandations Personnalisées 29
  30. 30. #XebiConFr Recommandations Personnalisées 30
  31. 31. #XebiConFr Recommandations Personnalisées 31
  32. 32. #XebiConFr 32 Recommandations Personnalisées
  33. 33. #XebiConFr 33 Recommandations Personnalisées
  34. 34. #XebiConFr 34 Recommandations Personnalisées
  35. 35. #XebiConFr 35 Recommandations Personnalisées
  36. 36. #XebiConFr Recommandations Personnalisées 36
  37. 37. #XebiConFr Recommandations Personnalisées 37
  38. 38. #XebiConFr Recommandations Personnalisées 38
  39. 39. #XebiConFr Recommandations Personnalisées 39
  40. 40. #XebiConFr Filtrage Collaboratif 40 Comment générer les recommandations ?
  41. 41. #XebiConFr Filtrage Collaboratif 41 User Factors Item Factors Comment générer les recommandations ?
  42. 42. #XebiConFr Filtrage Collaboratif 42 User Factors Item Factors Comment générer les recommandations ?
  43. 43. #XebiConFr Filtrage Collaboratif 43 User Factors Item Factors Comment générer les recommandations ?
  44. 44. #XebiConFr 44 Recommandations Personnalisées
  45. 45. #XebiConFr 45 Recommandations Personnalisées
  46. 46. #XebiConFr 46 Beaucoup d’algorithmes Regroupés en grandes familles
  47. 47. #XebiConFr Apprentissage non supervisé 47
  48. 48. #XebiConFr 48
  49. 49. #XebiConFr Les nouveaux forfaits PaperPlane™ arrivent ! 49
  50. 50. #XebiConFr Nom Conso data Conso appel Dupont 0,85 Go 1h09 Dupond 12,56 Go 7h25 Tournesol 4,56 Go 2h35 ... ... ... Consommation moyenne par mois 50
  51. 51. #XebiConFr Représentation graphique 51
  52. 52. #XebiConFr Clustering 52
  53. 53. #XebiConFr Clustering 53
  54. 54. #XebiConFr Clustering 54
  55. 55. #XebiConFr Clustering 55
  56. 56. #XebiConFr Clustering 56
  57. 57. #XebiConFr Clustering 57
  58. 58. #XebiConFr Clustering 58
  59. 59. #XebiConFr Clustering 59
  60. 60. #XebiConFr Clustering 60
  61. 61. #XebiConFr Centroïdes Data Appel Rouge 1,56 Go 1h07 Bleu 4,01 Go 3h04 Vert 8,02 Go 3h59 Centroïdes 61
  62. 62. #XebiConFr Nom Data Appel A320 2 Go 1h Boeing 747 4 Go 3h A380 8 Go Illimité Les forfaits PaperPlane™ 62
  63. 63. #XebiConFr Apprentissage non supervisé Démarche globale 63
  64. 64. #XebiConFr 64 Beaucoup d’algorithmes Regroupés en grandes familles
  65. 65. #XebiConFr Apprentissage Supervisé Régression 65
  66. 66. #XebiConFr 66
  67. 67. #XebiConFr Prix des forfaits en fonction de l’âge Nom Age Prix forfait Dupont 24 ans 22 € Dupond 43 ans 28 € Tournesol 56 ans 42 € ... ... ... 67
  68. 68. #XebiConFr Prix des forfaits en fonction de l’âge 68
  69. 69. #XebiConFr Prix des forfaits en fonction de l’âge 69 Under-Fitting
  70. 70. #XebiConFr Prix des forfaits en fonction de l’âge 70 Over-Fitting
  71. 71. #XebiConFr Prix des forfaits en fonction de l’âge 71 Just Right
  72. 72. #XebiConFr Prédiction pour un nouveau client 72
  73. 73. #XebiConFr Prédiction pour un nouveau client 73
  74. 74. #XebiConFr Apprentissage Supervisé Classification 74
  75. 75. #XebiConFr 75
  76. 76. #XebiConFr Les clients vont-ils changer de forfait avec la nouvelle offre ? Nom Ratio Go consommés / disponibles Changement ? Dupont 0.4 Non Dupond 1.2 Oui Tournesol 0.6 Non ... ... ... 76
  77. 77. #XebiConFr Changement de forfait 77
  78. 78. #XebiConFr Changement de forfait 78
  79. 79. #XebiConFr Changement de forfait 79
  80. 80. #XebiConFr Prédiction pour un nouveau client 80
  81. 81. #XebiConFr Prédiction pour un nouveau client 81
  82. 82. #XebiConFr Les clients vont-ils changer de forfait avec la nouvelle offre ? Nom Ratio Go consommés / disponibles Changement ? Dupont 0.4 Non Dupond 1.2 Oui Tournesol 0.6 Non Hadock 0.1 Oui ... ... ... 82
  83. 83. #XebiConFr Autre organisation des données 83
  84. 84. #XebiConFr Apprentissage de règles 84 Oui
  85. 85. #XebiConFr Apprentissage de règles 85 OuiNon < 0.7 > 0.7
  86. 86. #XebiConFr Apprentissage de règles 86 Oui < 0.7 > 0.7 < 0.2 NonOui > 0.2
  87. 87. #XebiConFr Prédiction pour un nouveau client 87 Oui < 0.7 > 0.7 < 0.2 NonOui > 0.2 Ratio actuel: 0.45
  88. 88. #XebiConFr Prédiction pour un nouveau client 88 Oui < 0.7 > 0.7 < 0.2 NonOui > 0.2 Ratio actuel: 0.45
  89. 89. #XebiConFr Prédiction pour un nouveau client 89 Oui < 0.7 > 0.7 < 0.2 NonOui > 0.2 Ratio actuel: 0.45
  90. 90. #XebiConFr Méthodes d’ensemble 90
  91. 91. #XebiConFr ➔ Objectif : Créer plusieurs arbres et rassembler les prédictions pour prendre une décision finale plus stable Random Forest 91
  92. 92. #XebiConFr ➔ Principe ◆ Sélection aléatoire d’un sous-ensemble de données ◆ Sélection aléatoire d’un sous-ensemble de features ➔ Moins interprétable mais gain en stabilité et robustesse Random Forest 92
  93. 93. #XebiConFr Apprentissage supervisé Démarche globale 93
  94. 94. #XebiConFr 94 Beaucoup d’algorithmes Regroupés en grandes familles
  95. 95. #XebiConFr Tout ça c’est bien beau... 95
  96. 96. #XebiConFr 96
  97. 97. #XebiConFr Texte brut Aberrations Format Encoding ... Données manquantes 97
  98. 98. #XebiConFr Le Feature Engineering 98
  99. 99. #XebiConFr Nettoyer 99
  100. 100. #XebiConFr Construire 100
  101. 101. #XebiConFr Expérimenter 101
  102. 102. #XebiConFr Les Technologies 102
  103. 103. #XebiConFr Avoir les bons outils 103
  104. 104. #XebiConFr 104 Les outils
  105. 105. #XebiConFr 105 Les outils
  106. 106. #XebiConFr Mise en production 106
  107. 107. #XebiConFr 107
  108. 108. #XebiConFr You need a team! 108
  109. 109. #XebiConFr 109
  110. 110. #XebiConFr 110
  111. 111. #XebiConFr Les nouvelles applications 111
  112. 112. #XebiConFr Le Deep Learning 112
  113. 113. #XebiConFr 113
  114. 114. #XebiConFr 114
  115. 115. #XebiConFr Merci 115

×