Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

Cocoaheads Montpellier - Machine Learning & Apple

22 vues

Publié le

Introduction au Machine Learning dans les environnements.

Support de présentation pour le talk au Cocoaheads Montpellier du 17 janvier 2019.

Les sources du projet demo sont disponibles ici: https://github.com/davidy4ng/CocoaheadsMtp-ML-Apple-Pokedex

Publié dans : Ingénierie
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Cocoaheads Montpellier - Machine Learning & Apple

  1. 1. MACHINE LEARNING & APPLE COCOAHEADS MONTPELLIER 17/02/2019
  2. 2. MACHINE LEARNING & APPLE QUI SUIS-JE ? ▸ ! David Yang ▸ 📱 Développeur iOS ▸ 💼 @IdeanFrance (Backelite) ▸ @davidy4ng ▸ david.y4ng.fr ▸ swift-baguette.slack.com ▸ #montpellier-irl ▸ comm-montpellier.slack.com ▸ #cocoaheads
  3. 3. MACHINE LEARNING & APPLE C’EST QUOI LE MACHINE LEARNING ? 🤔
  4. 4. MACHINE LEARNING & APPLE C’EST QUOI LE MACHINE LEARNING ? ▸ Le « machine learning » (apprentissage automatique en français), c’est un champ d’étude de l’intelligence artificielle qui se fonde sur des approches statistiques pour donner aux ordinateurs la capacité d’ « apprendre » à partir de données et à résoudre des tâches et ce sans y avoir été explicitement programmés.
  5. 5. MACHINE LEARNING & APPLE ET APPLE DANS TOUT ÇA ? ▸ CoreML a été introduit à la WWDC17 ▸ Utilisation de modèles ML dans les environnements Apple (nos applications) ▸ Outils de conversion de modèles open-source vers le format Apple (mlmodel) ▸ Create ML a été introduit à la WWDC18 ▸ Création de nos propres modèles à partir de nos propres données
  6. 6. MACHINE LEARNING & APPLE ET CONCRÈTEMENT EN QUOI ÇA CONSISTE ? ▸ Des données : ▸ pour « entrainer » votre modèle ▸ ces données sont alors utilisées pour l’entraînement et la validation de votre modèle ▸ pour « tester » votre modèle ▸ en utilisant des données qui n’avaient pas été utilisées pour entrainer votre modèle
  7. 7. MACHINE LEARNING & APPLE CAS CONCRET Pokédex !! (notre modèle)
  8. 8. MACHINE LEARNING & APPLE POUR LE RÉALISER 1. Entrainer son modèle ‣ En lui fournissant des images de Pokémon et leur nom 2. Tester son modèle ‣ En vérifiant que la prédiction pour une image est correcte 3. Répéter les étapes 1 et 2 jusqu’à obtenir un résultat satisfaisant 4. Utilisation de son modèle ‣ Dans une application CREATE ML WORKFLOW
  9. 9. MACHINE LEARNING & APPLE LIVE CODING ‣ Présentation de l’application de démo Pokédex ‣ Création d’un modèle de classification d’image via Xcode (playground) ‣ Live Demo
  10. 10. MACHINE LEARNING & APPLE POUR ALLER PLUS LOIN… ‣ Plus on a de données, plus notre modèle sera fiable. ‣ Il est possible d’améliorer l’entrainement de notre modèle avec des paramètres prédéfinis : ‣ nombre d’itérations ‣ augmenter les données avec des options (rotation, flip, exposition, etc). ‣ Create ML met à disposition des outils accessibles, mais le machine learning / intelligence artificielle reste un domaine d’expertise à part entière.
  11. 11. MACHINE LEARNING & APPLE POUR ALLER PLUS LOIN… ‣ Il existe d’autres type de modèles avec Create ML ‣ MLTextClassifier ‣ MLRegressor
  12. 12. MACHINE LEARNING & APPLE … ET APPLE DANS TOUT ÇA ? ▸ Siri ▸ Suggestions ▸ Détection de visage ▸ Liseuse de carte bancaire ▸ …
  13. 13. MACHINE LEARNING & APPLE COCOAHEADS MONTPELLIER 17/02/2019

×