SlideShare une entreprise Scribd logo
1  sur  21
Télécharger pour lire hors ligne
# ML.NET :
introduction au
Machine Learning
pour les
développeurs .NET
Julien Chable – NCIT/OPEN NC
julien.chable@ncit.nc
Julien CHABLE – Associé NC IT
MVP Office Apps & Services
Consultant SharePoint / O365
Architecture et Développeur .NET
Email : julien.chable@ncit.nc
Twitter : @JChable
Titre de présentation
Pourquoi le
Machine
Learning ?
Utiliser pour
les tâches qui
sont trop
complexes à
coder par des
hommes
Titre de présentation
Quels sont les problèmes que vous
pouvez résoudre avec le ML ?
# Classification/catégorisation binaire
• Analyse de Sentiment (disponible aussi dans
Azure Cognitive Services)
• Détection de Spam
• Détection de fraude à la carte bancaire
• Prédiction de maladie (cœur, foie, …)
# Classification multiple
• Classification d’anomalies
• Classification d’images (ex : iris des fleurs)
• MNIST
Titre de présentation
Quels sont les problèmes que vous
pouvez résoudre avec le ML ?
#Recommandations
• Recommandation de produits
• Recommandations de films
• Recommandations de plats
#Régression / Prédiction
• Prédiction de prix à venir
• Prévision de ventes de soda selon T°
• Prédiction de la demande
Titre de présentation
Quels sont les problèmes que vous
pouvez résoudre avec le ML ?
#Détection d’anomalies
• Détection des pics de consommation /
vente
• Détection des pics
• Détection de fraude à la CB
#Apprentissage selon résultat
• Voiture à conduite autonome
Titre de présentation
Avez-vous les données ?
# La ML nécessite des données, BEAUCOUP de données et les
BONNES !
# Pertinence
• Pour connaître la probabilité d’avoir un cancer du foie votre jeu de
données est le budget consacré aux activités sportives d’une
personne
• Vous devez aussi connaître la consommation d’alcool et de tabac, si
les personnes possèdent une hépatite B/C, si les personnes
consomment des anabolisants (sportifs), le poids/taille de la
personne (facteur obésité), le nombre d’heure et la nature des
activités
# Quantité
• Le plus de données vous avez, le mieux ce sera
• Oui mais combien ➔ le plus !
• Mais encore ? ➔ définir à partir de la taille de vos données, d’une
heuristique statistique, analogie ou de domaine d’expertise
Titre de présentation
Avez-vous les données ?
# Précision de la données
• Une données faiblement précise donnera des
résultats imprécis voire aberrants/incorrects
• Le manque de précision de la données peut rendre
votre problème encore plus problématique
# De bonnes prédictions nécessitent :
• Des données de qualité et nettoyé/calibré
• Beaucoup de données
• Transformation de données
• Bien définir les Features (propriétés mesurables du
phénomène mesuré)
Titre de présentation
Titre de présentation
Poser des questions qui ont des
réponses
Appliquer la bonne méthode pour
trouver les bonnes réponses
# Machine Learning .NET :
ML .NET
Titre de présentation
ML.NET c’est quoi ?
# C’est un framework de Machine Learning pour les développeurs
.NET :
• Open Source (licence MIT) :
https://github.com/dotnet/machinelearning
• Pour .NET Core et .NET Fx 4.6.1+
• Multi plateforme (Linux, Mac & Windows)
# Permet de développer/d’entrainer ses propres modèles et
d’intégrer du ML dans vos applications .NET
# Rend accessible le ML aux développeurs .NET sans expertise sur
le fonctionnement sous-jacent des modèles ML
# Originalement développer par Microsoft Research pour Windows,
Bing, Azure, Office, etc
Titre de présentation
ML.NET c’est quoi ?
# Scénario Online et Offline
# Support d’extensions (Tensorflow, CNTK, Accord, …)
# Support ONNX (Open Neural Network Exchange format)
# Permet de réalisation des prédications :
• Classification/Catégorisation
• Régression/Prédiction de valeurs
• Détection d’anomalie
• Recommandations
# Glossaire : https://docs.microsoft.com/fr-
fr/dotnet/machine-learning/resources/glossary
Titre de présentation
ML.NET c’est quoi ?
Titre de présentation
Fonctionnement
1. Charger et
transformer les
données
2. Choisir
l’algorithme
d’apprentissage
3. Entrainer le
modèle
4. Evaluer le
modèle
Titre de présentation
Fonctionnement - Exemple
1. Charger et transformer les données
1. Pipeline / Workflow
2. TextLoader (CSV)
3. ColumnCopier, CategoricalOneHotVectorizer,
2. Choisir l’algorithme d’apprentissage
1. FastTreeRegressor (Gradient boosting) – Prix
d’un taxi
2. FastTreeBinaryClassifier (conversion en
probabilité / étalonnage) – Analyse de
sentiment
3. Evaluer le modèle
Titre de présentation
Catalogues des algorithmes
d’apprentissage et résolution
Titre de présentation
Exemple
#ML.NET possède un repo Github
contenant un ensemble d’exemple prêt à
l’emploi à tester :
https://github.com/dotnet/machinelear
ning-samples
#Bonne connexion requise : le repo fait
presque 1 Go (n’oubliez pas le --depth 1
sur votre git clone)
Titre de présentation
Usages ML.NET vs Azure Cognitive
Services
# Embarquer du ML directement dans vos applications .NET
# Scénario Offline
• ML spécifique
• Support container Azure Cognitive Services
# Scénario Hybride
# Quand les services préconfigurés Azure Cognitive Services ne
résout pas vos problèmes
# Attention : vous devenez votre propre fournisseur de données et
responsable des performances et de la pertinence de votre
traitement ➔ Bienvenue dans le monde du ML
Titre de présentation
Quelques liens
# ML.NET Github repo :
https://github.com/dotnet/machinelearning
# ML.NET samples Github repo :
https://github.com/dotnet/machinelearning
-samples
# Tensorflow : https://www.tensorflow.org
# Accord .NET : http://accord-framework.net
# ONNX : https://onnx.ai/
Titre de présentation
Merci !!! ☺ Des questions ?
Contactez moi :
julien.chable@ncit.nc
Titre de présentation

Contenu connexe

Tendances

Tendances (20)

aOS Nouméa 2020 - 28/02/2020 - Le Serverless avec Azure Function
aOS Nouméa 2020 - 28/02/2020 - Le Serverless avec Azure FunctionaOS Nouméa 2020 - 28/02/2020 - Le Serverless avec Azure Function
aOS Nouméa 2020 - 28/02/2020 - Le Serverless avec Azure Function
 
aOS Tahiti 2020 - 28/02/2020 - Le Serverless avec Azure Function
aOS Tahiti 2020 - 28/02/2020 - Le Serverless avec Azure FunctionaOS Tahiti 2020 - 28/02/2020 - Le Serverless avec Azure Function
aOS Tahiti 2020 - 28/02/2020 - Le Serverless avec Azure Function
 
2019-02-28 aOS Nouméa - 5 - Teams du brainstorming à l’implémentation - Sabri...
2019-02-28 aOS Nouméa - 5 - Teams du brainstorming à l’implémentation - Sabri...2019-02-28 aOS Nouméa - 5 - Teams du brainstorming à l’implémentation - Sabri...
2019-02-28 aOS Nouméa - 5 - Teams du brainstorming à l’implémentation - Sabri...
 
La GED et le Collaboratif avec Office 365
La GED et le Collaboratif avec Office 365La GED et le Collaboratif avec Office 365
La GED et le Collaboratif avec Office 365
 
2SeeU Conférence plénière - Nouveautés d'Office 365
2SeeU Conférence plénière - Nouveautés d'Office 3652SeeU Conférence plénière - Nouveautés d'Office 365
2SeeU Conférence plénière - Nouveautés d'Office 365
 
Comment utiliser Microsoft Teams ?
Comment utiliser Microsoft Teams ?Comment utiliser Microsoft Teams ?
Comment utiliser Microsoft Teams ?
 
Télétravail et collaboration avec Microsoft Teams - aOS Solidarité Calédonie ...
Télétravail et collaboration avec Microsoft Teams - aOS Solidarité Calédonie ...Télétravail et collaboration avec Microsoft Teams - aOS Solidarité Calédonie ...
Télétravail et collaboration avec Microsoft Teams - aOS Solidarité Calédonie ...
 
Présentation skype
Présentation skypePrésentation skype
Présentation skype
 
Les Groupes Office 365 pour les écoles et les universités
Les Groupes Office 365 pour les écoles et les universitésLes Groupes Office 365 pour les écoles et les universités
Les Groupes Office 365 pour les écoles et les universités
 
Modern Workplace Conference Paris 2021 - Automatisons l'administration d'Offi...
Modern Workplace Conference Paris 2021 - Automatisons l'administration d'Offi...Modern Workplace Conference Paris 2021 - Automatisons l'administration d'Offi...
Modern Workplace Conference Paris 2021 - Automatisons l'administration d'Offi...
 
Presentation des Essentiels de MS Office365
Presentation des Essentiels de MS Office365Presentation des Essentiels de MS Office365
Presentation des Essentiels de MS Office365
 
Pourquoi Azure a changé ma vie de développeur SharePoint
Pourquoi Azure a changé ma vie de développeur SharePointPourquoi Azure a changé ma vie de développeur SharePoint
Pourquoi Azure a changé ma vie de développeur SharePoint
 
Qu'est ce qu'office 365
Qu'est ce qu'office 365Qu'est ce qu'office 365
Qu'est ce qu'office 365
 
Introduction à Power Apps et Microsoft Flow
Introduction à Power Apps et Microsoft FlowIntroduction à Power Apps et Microsoft Flow
Introduction à Power Apps et Microsoft Flow
 
Astoine Maroc : Microsoft Office 365 - Communication et Collaboration Cloud F...
Astoine Maroc : Microsoft Office 365 - Communication et Collaboration Cloud F...Astoine Maroc : Microsoft Office 365 - Communication et Collaboration Cloud F...
Astoine Maroc : Microsoft Office 365 - Communication et Collaboration Cloud F...
 
System Center Operations Manager et la supervision des applications (.Net et ...
System Center Operations Manager et la supervision des applications (.Net et ...System Center Operations Manager et la supervision des applications (.Net et ...
System Center Operations Manager et la supervision des applications (.Net et ...
 
SharePoint dans le Nuage toutes les options 2014-04-14
SharePoint dans le Nuage  toutes les options   2014-04-14SharePoint dans le Nuage  toutes les options   2014-04-14
SharePoint dans le Nuage toutes les options 2014-04-14
 
Innover avec SharePoint 2013
Innover avec SharePoint 2013Innover avec SharePoint 2013
Innover avec SharePoint 2013
 
AOS Strasbourg Eudo
AOS Strasbourg EudoAOS Strasbourg Eudo
AOS Strasbourg Eudo
 
2019-06-04 aOS Strasbourg - Teams-SP-Dyn 2 - Suis-je passé à Teams pour ma co...
2019-06-04 aOS Strasbourg - Teams-SP-Dyn 2 - Suis-je passé à Teams pour ma co...2019-06-04 aOS Strasbourg - Teams-SP-Dyn 2 - Suis-je passé à Teams pour ma co...
2019-06-04 aOS Strasbourg - Teams-SP-Dyn 2 - Suis-je passé à Teams pour ma co...
 

Similaire à Diginova - Session sur le machine learning avec ML.NET

CHAP 1 PRÉSENTATION GENERALE.pdf
CHAP 1 PRÉSENTATION GENERALE.pdfCHAP 1 PRÉSENTATION GENERALE.pdf
CHAP 1 PRÉSENTATION GENERALE.pdf
amine17157
 
0 a005g formation-introduction-a-ibm-spss-modeler-et-au-data-mining-v16
0 a005g formation-introduction-a-ibm-spss-modeler-et-au-data-mining-v160 a005g formation-introduction-a-ibm-spss-modeler-et-au-data-mining-v16
0 a005g formation-introduction-a-ibm-spss-modeler-et-au-data-mining-v16
CERTyou Formation
 
BUSINESS INTELIGENCE : Exploitation d'un Datamart
BUSINESS INTELIGENCE : Exploitation d'un DatamartBUSINESS INTELIGENCE : Exploitation d'un Datamart
BUSINESS INTELIGENCE : Exploitation d'un Datamart
Falitokiniaina Rabearison
 

Similaire à Diginova - Session sur le machine learning avec ML.NET (20)

Introduction au Machine Learning
Introduction au Machine Learning Introduction au Machine Learning
Introduction au Machine Learning
 
SQL Server et les développeurs
SQL Server et les développeurs SQL Server et les développeurs
SQL Server et les développeurs
 
CHAP 1 PRÉSENTATION GENERALE.pdf
CHAP 1 PRÉSENTATION GENERALE.pdfCHAP 1 PRÉSENTATION GENERALE.pdf
CHAP 1 PRÉSENTATION GENERALE.pdf
 
Comment faire parler les data des candidats ?
Comment faire parler les data des candidats ?Comment faire parler les data des candidats ?
Comment faire parler les data des candidats ?
 
Visite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des donnéesVisite guidée au pays de la donnée - Traitement automatique des données
Visite guidée au pays de la donnée - Traitement automatique des données
 
Le Data Engineer qui veut se faire aussi gros que le Data Scientist
Le Data Engineer qui veut se faire aussi gros que le Data ScientistLe Data Engineer qui veut se faire aussi gros que le Data Scientist
Le Data Engineer qui veut se faire aussi gros que le Data Scientist
 
Morning Tech#1 BigData - Oxalide Academy
Morning Tech#1 BigData - Oxalide AcademyMorning Tech#1 BigData - Oxalide Academy
Morning Tech#1 BigData - Oxalide Academy
 
Ritme data solutions : Plateforme Data Science COsMO
Ritme data solutions : Plateforme Data Science COsMORitme data solutions : Plateforme Data Science COsMO
Ritme data solutions : Plateforme Data Science COsMO
 
Intelligence artificielle : du buzz à la réalité [webinaire]
Intelligence artificielle : du buzz à la réalité [webinaire] Intelligence artificielle : du buzz à la réalité [webinaire]
Intelligence artificielle : du buzz à la réalité [webinaire]
 
0 a005g formation-introduction-a-ibm-spss-modeler-et-au-data-mining-v16
0 a005g formation-introduction-a-ibm-spss-modeler-et-au-data-mining-v160 a005g formation-introduction-a-ibm-spss-modeler-et-au-data-mining-v16
0 a005g formation-introduction-a-ibm-spss-modeler-et-au-data-mining-v16
 
Chap1Concepts-FondamentauxBD.pdf
Chap1Concepts-FondamentauxBD.pdfChap1Concepts-FondamentauxBD.pdf
Chap1Concepts-FondamentauxBD.pdf
 
3 enjeux imprévus pour produire de la valeur avec la donnée
3 enjeux imprévus pour produire de la valeur avec la donnée3 enjeux imprévus pour produire de la valeur avec la donnée
3 enjeux imprévus pour produire de la valeur avec la donnée
 
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
 
Introduction aux systèmes de recommandation part 3.pptx
Introduction aux systèmes  de recommandation part 3.pptxIntroduction aux systèmes  de recommandation part 3.pptx
Introduction aux systèmes de recommandation part 3.pptx
 
IBM Information Management - Pas de décision de qualité sans informations de ...
IBM Information Management - Pas de décision de qualité sans informations de ...IBM Information Management - Pas de décision de qualité sans informations de ...
IBM Information Management - Pas de décision de qualité sans informations de ...
 
PerfUG Comment tester et optimiser la performance d'un SI ?
PerfUG Comment tester et optimiser la performance d'un SI ?PerfUG Comment tester et optimiser la performance d'un SI ?
PerfUG Comment tester et optimiser la performance d'un SI ?
 
BUSINESS INTELIGENCE : Exploitation d'un Datamart
BUSINESS INTELIGENCE : Exploitation d'un DatamartBUSINESS INTELIGENCE : Exploitation d'un Datamart
BUSINESS INTELIGENCE : Exploitation d'un Datamart
 
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...
Déjeuner-débat EIM360 | Machine Learning et Transformation Digitale, un duo g...
 
Intelligence artificielle, l'avènement du marketing augmenté
Intelligence artificielle, l'avènement du marketing augmentéIntelligence artificielle, l'avènement du marketing augmenté
Intelligence artificielle, l'avènement du marketing augmenté
 
Démystifions le machine learning avec spark par David Martin pour le Salon B...
Démystifions le machine learning avec spark par David Martin pour le Salon B...Démystifions le machine learning avec spark par David Martin pour le Salon B...
Démystifions le machine learning avec spark par David Martin pour le Salon B...
 

Plus de Julien Chable

Plus de Julien Chable (14)

Créer l'Intranet de son entreprise avec SharePoint Online
Créer l'Intranet de son entreprise avec SharePoint OnlineCréer l'Intranet de son entreprise avec SharePoint Online
Créer l'Intranet de son entreprise avec SharePoint Online
 
Azure Day - Serverless avec les Azure functions
Azure Day - Serverless avec les Azure functionsAzure Day - Serverless avec les Azure functions
Azure Day - Serverless avec les Azure functions
 
Microsoft Afterworks Noumea 09/08/2017 - Délivrer des applications dans le C...
Microsoft Afterworks Noumea  09/08/2017 - Délivrer des applications dans le C...Microsoft Afterworks Noumea  09/08/2017 - Délivrer des applications dans le C...
Microsoft Afterworks Noumea 09/08/2017 - Délivrer des applications dans le C...
 
Afterworks MS Noumea - Développer des applications pour le Cloud avec le Clou...
Afterworks MS Noumea - Développer des applications pour le Cloud avec le Clou...Afterworks MS Noumea - Développer des applications pour le Cloud avec le Clou...
Afterworks MS Noumea - Développer des applications pour le Cloud avec le Clou...
 
MEDEF NC - Ptit Déjeuner du numérique - GED et collaboration avec SharePoint/...
MEDEF NC - Ptit Déjeuner du numérique - GED et collaboration avec SharePoint/...MEDEF NC - Ptit Déjeuner du numérique - GED et collaboration avec SharePoint/...
MEDEF NC - Ptit Déjeuner du numérique - GED et collaboration avec SharePoint/...
 
Afterworks MS 2017 - Développement avec Visual Studio et .NET Core
Afterworks MS 2017 - Développement avec Visual Studio et .NET CoreAfterworks MS 2017 - Développement avec Visual Studio et .NET Core
Afterworks MS 2017 - Développement avec Visual Studio et .NET Core
 
Smartday 2017 - Importance des API dans l'Open Data
Smartday 2017 - Importance des API dans l'Open DataSmartday 2017 - Importance des API dans l'Open Data
Smartday 2017 - Importance des API dans l'Open Data
 
L'écosystème Docker pour les Dev .net et les Ops windows
L'écosystème Docker pour les Dev .net et les Ops windowsL'écosystème Docker pour les Dev .net et les Ops windows
L'écosystème Docker pour les Dev .net et les Ops windows
 
Présentation Lycée Lapérouse @Noumea - Le collaboartif en entreprise avec Off...
Présentation Lycée Lapérouse @Noumea - Le collaboartif en entreprise avec Off...Présentation Lycée Lapérouse @Noumea - Le collaboartif en entreprise avec Off...
Présentation Lycée Lapérouse @Noumea - Le collaboartif en entreprise avec Off...
 
Visual studio 2017 Launch keynote - Afterworks@Noumea
Visual studio 2017 Launch keynote - Afterworks@NoumeaVisual studio 2017 Launch keynote - Afterworks@Noumea
Visual studio 2017 Launch keynote - Afterworks@Noumea
 
Introduction DevOps & containarization des applications
Introduction DevOps & containarization des applicationsIntroduction DevOps & containarization des applications
Introduction DevOps & containarization des applications
 
Afterworks @Nouméa - DevOps, approche par container et Docker
Afterworks @Nouméa - DevOps, approche par container et DockerAfterworks @Nouméa - DevOps, approche par container et Docker
Afterworks @Nouméa - DevOps, approche par container et Docker
 
Développer avec les technologies Microsoft : productivité et open source
Développer avec les technologies Microsoft : productivité et open sourceDévelopper avec les technologies Microsoft : productivité et open source
Développer avec les technologies Microsoft : productivité et open source
 
Productivité et plateforme dans un monde "Cloud First, Mobile first"
Productivité et plateforme dans un monde "Cloud First, Mobile first"Productivité et plateforme dans un monde "Cloud First, Mobile first"
Productivité et plateforme dans un monde "Cloud First, Mobile first"
 

Diginova - Session sur le machine learning avec ML.NET

  • 1.
  • 2. # ML.NET : introduction au Machine Learning pour les développeurs .NET Julien Chable – NCIT/OPEN NC julien.chable@ncit.nc
  • 3. Julien CHABLE – Associé NC IT MVP Office Apps & Services Consultant SharePoint / O365 Architecture et Développeur .NET Email : julien.chable@ncit.nc Twitter : @JChable Titre de présentation
  • 4. Pourquoi le Machine Learning ? Utiliser pour les tâches qui sont trop complexes à coder par des hommes Titre de présentation
  • 5. Quels sont les problèmes que vous pouvez résoudre avec le ML ? # Classification/catégorisation binaire • Analyse de Sentiment (disponible aussi dans Azure Cognitive Services) • Détection de Spam • Détection de fraude à la carte bancaire • Prédiction de maladie (cœur, foie, …) # Classification multiple • Classification d’anomalies • Classification d’images (ex : iris des fleurs) • MNIST Titre de présentation
  • 6. Quels sont les problèmes que vous pouvez résoudre avec le ML ? #Recommandations • Recommandation de produits • Recommandations de films • Recommandations de plats #Régression / Prédiction • Prédiction de prix à venir • Prévision de ventes de soda selon T° • Prédiction de la demande Titre de présentation
  • 7. Quels sont les problèmes que vous pouvez résoudre avec le ML ? #Détection d’anomalies • Détection des pics de consommation / vente • Détection des pics • Détection de fraude à la CB #Apprentissage selon résultat • Voiture à conduite autonome Titre de présentation
  • 8. Avez-vous les données ? # La ML nécessite des données, BEAUCOUP de données et les BONNES ! # Pertinence • Pour connaître la probabilité d’avoir un cancer du foie votre jeu de données est le budget consacré aux activités sportives d’une personne • Vous devez aussi connaître la consommation d’alcool et de tabac, si les personnes possèdent une hépatite B/C, si les personnes consomment des anabolisants (sportifs), le poids/taille de la personne (facteur obésité), le nombre d’heure et la nature des activités # Quantité • Le plus de données vous avez, le mieux ce sera • Oui mais combien ➔ le plus ! • Mais encore ? ➔ définir à partir de la taille de vos données, d’une heuristique statistique, analogie ou de domaine d’expertise Titre de présentation
  • 9. Avez-vous les données ? # Précision de la données • Une données faiblement précise donnera des résultats imprécis voire aberrants/incorrects • Le manque de précision de la données peut rendre votre problème encore plus problématique # De bonnes prédictions nécessitent : • Des données de qualité et nettoyé/calibré • Beaucoup de données • Transformation de données • Bien définir les Features (propriétés mesurables du phénomène mesuré) Titre de présentation
  • 10. Titre de présentation Poser des questions qui ont des réponses Appliquer la bonne méthode pour trouver les bonnes réponses
  • 11. # Machine Learning .NET : ML .NET Titre de présentation
  • 12. ML.NET c’est quoi ? # C’est un framework de Machine Learning pour les développeurs .NET : • Open Source (licence MIT) : https://github.com/dotnet/machinelearning • Pour .NET Core et .NET Fx 4.6.1+ • Multi plateforme (Linux, Mac & Windows) # Permet de développer/d’entrainer ses propres modèles et d’intégrer du ML dans vos applications .NET # Rend accessible le ML aux développeurs .NET sans expertise sur le fonctionnement sous-jacent des modèles ML # Originalement développer par Microsoft Research pour Windows, Bing, Azure, Office, etc Titre de présentation
  • 13. ML.NET c’est quoi ? # Scénario Online et Offline # Support d’extensions (Tensorflow, CNTK, Accord, …) # Support ONNX (Open Neural Network Exchange format) # Permet de réalisation des prédications : • Classification/Catégorisation • Régression/Prédiction de valeurs • Détection d’anomalie • Recommandations # Glossaire : https://docs.microsoft.com/fr- fr/dotnet/machine-learning/resources/glossary Titre de présentation
  • 14. ML.NET c’est quoi ? Titre de présentation
  • 15. Fonctionnement 1. Charger et transformer les données 2. Choisir l’algorithme d’apprentissage 3. Entrainer le modèle 4. Evaluer le modèle Titre de présentation
  • 16. Fonctionnement - Exemple 1. Charger et transformer les données 1. Pipeline / Workflow 2. TextLoader (CSV) 3. ColumnCopier, CategoricalOneHotVectorizer, 2. Choisir l’algorithme d’apprentissage 1. FastTreeRegressor (Gradient boosting) – Prix d’un taxi 2. FastTreeBinaryClassifier (conversion en probabilité / étalonnage) – Analyse de sentiment 3. Evaluer le modèle Titre de présentation
  • 17. Catalogues des algorithmes d’apprentissage et résolution Titre de présentation
  • 18. Exemple #ML.NET possède un repo Github contenant un ensemble d’exemple prêt à l’emploi à tester : https://github.com/dotnet/machinelear ning-samples #Bonne connexion requise : le repo fait presque 1 Go (n’oubliez pas le --depth 1 sur votre git clone) Titre de présentation
  • 19. Usages ML.NET vs Azure Cognitive Services # Embarquer du ML directement dans vos applications .NET # Scénario Offline • ML spécifique • Support container Azure Cognitive Services # Scénario Hybride # Quand les services préconfigurés Azure Cognitive Services ne résout pas vos problèmes # Attention : vous devenez votre propre fournisseur de données et responsable des performances et de la pertinence de votre traitement ➔ Bienvenue dans le monde du ML Titre de présentation
  • 20. Quelques liens # ML.NET Github repo : https://github.com/dotnet/machinelearning # ML.NET samples Github repo : https://github.com/dotnet/machinelearning -samples # Tensorflow : https://www.tensorflow.org # Accord .NET : http://accord-framework.net # ONNX : https://onnx.ai/ Titre de présentation
  • 21. Merci !!! ☺ Des questions ? Contactez moi : julien.chable@ncit.nc Titre de présentation