Deep Learning in the Wild with Arno CandelSri Ambati
"Deep Learning in the Wild" Meetup at H2O, Mountain View
Livestream: http://t.co/o7p2hYcWgy (includes part 2 with Alex Tellez)
- Powered by the open source machine learning software H2O.ai. Contributors welcome at: https://github.com/h2oai
- To view videos on H2O open source machine learning software, go to: https://www.youtube.com/user/0xdata
Deep learning is an emerging topic in artificial intelligence (AI). A subcategory of machine learning, deep learning deals with the use of neural networks to improve things like speech recognition, computer vision, and natural language processing. It's quickly becoming one of the most sought-after fields in computer science. In the last few years, deep learning has helped forge advances in areas as diverse as object perception, machine translation, and voice recognition--all research topics that have long been difficult for AI researchers to crack.
Dans le cadre de la présentation du programme "Transformation Digitale des Organisations", lancé en 2017 par em Lyon Business School et Visiativ:
https://executive.em-lyon.com/Formations/Diplomes/EMS02-Programme-Transformation-Digitale-des-Organisations#index
Les Metiers de l'Intelligence ArtificielleErol GIRAUDY
Les métiers de l’IA en 2024
Sommaire :
IA Générative" vs "IA Prédictive". 2
Quelles sont les métiers de l'IA ? 4
Pour un pro de l'IA sur ces métiers 5
Les activités des ingénieurs prompts avec l'IA. 8
Quelle est l'impact sur les métiers de l'IA générative 10
L’intelligence artificielle (IA) a un impact significatif sur le monde du travail. Voici quelques points clés : 11
L’intelligence artificielle (IA) a un impact significatif sur le monde du travail, 12
Voici également une liste de métiers qui pourraient être impactés par l’IA dans un avenir proche : 12
Quels sont les autres métiers impactés par l'IA générative? 14
Quelles sont les compétences clés pour travailler avec l'IA générative? 15
Quelles sont les compétences pour travailler dans les métiers de IA Prédictive 16
Comment puis-je apprendre l'IA prédictive? 17
Profil de poste d'un ingénieur IA 19
Quelles sont les perspectives d'emploi pour un ingénieur IA? 21
Conférence plénière sur l'impact de l'utilisation du big data sur la conception d'outils et de produits dans le cadre du 51ème congrès de la Société des Ergonomes de Langue Française (https://self2016.sciencesconf.org/).
Deep Learning in the Wild with Arno CandelSri Ambati
"Deep Learning in the Wild" Meetup at H2O, Mountain View
Livestream: http://t.co/o7p2hYcWgy (includes part 2 with Alex Tellez)
- Powered by the open source machine learning software H2O.ai. Contributors welcome at: https://github.com/h2oai
- To view videos on H2O open source machine learning software, go to: https://www.youtube.com/user/0xdata
Deep learning is an emerging topic in artificial intelligence (AI). A subcategory of machine learning, deep learning deals with the use of neural networks to improve things like speech recognition, computer vision, and natural language processing. It's quickly becoming one of the most sought-after fields in computer science. In the last few years, deep learning has helped forge advances in areas as diverse as object perception, machine translation, and voice recognition--all research topics that have long been difficult for AI researchers to crack.
Dans le cadre de la présentation du programme "Transformation Digitale des Organisations", lancé en 2017 par em Lyon Business School et Visiativ:
https://executive.em-lyon.com/Formations/Diplomes/EMS02-Programme-Transformation-Digitale-des-Organisations#index
Les Metiers de l'Intelligence ArtificielleErol GIRAUDY
Les métiers de l’IA en 2024
Sommaire :
IA Générative" vs "IA Prédictive". 2
Quelles sont les métiers de l'IA ? 4
Pour un pro de l'IA sur ces métiers 5
Les activités des ingénieurs prompts avec l'IA. 8
Quelle est l'impact sur les métiers de l'IA générative 10
L’intelligence artificielle (IA) a un impact significatif sur le monde du travail. Voici quelques points clés : 11
L’intelligence artificielle (IA) a un impact significatif sur le monde du travail, 12
Voici également une liste de métiers qui pourraient être impactés par l’IA dans un avenir proche : 12
Quels sont les autres métiers impactés par l'IA générative? 14
Quelles sont les compétences clés pour travailler avec l'IA générative? 15
Quelles sont les compétences pour travailler dans les métiers de IA Prédictive 16
Comment puis-je apprendre l'IA prédictive? 17
Profil de poste d'un ingénieur IA 19
Quelles sont les perspectives d'emploi pour un ingénieur IA? 21
Conférence plénière sur l'impact de l'utilisation du big data sur la conception d'outils et de produits dans le cadre du 51ème congrès de la Société des Ergonomes de Langue Française (https://self2016.sciencesconf.org/).
Forum rideau 2018: esprit numérique par Sylvain Carle.Sylvain Carle
Tout est potentiellement numérique?
Information, données, savoir, inspiration.
Création, appropriation, copie, remix, marketing.
Distribution, modèle d’affaire, piratage, mesure.
Auditoire, utilisateurs, contributeurs, artisans.
Comment trouver un sens à tout ça?
Expérience informationnelle et exploitation analytique des données : comment ...Le_GFII
Intervention d'Odile Quesnel, Responsable ArgusLab, Argus de la Presse au séminaire DIXIT du GFII "Les nouvelles frontières de la data intelligence" le 13/04/2015, Paris.
Abstract : Dans un contexte où contenus médias et sociaux sont en permanence augmentés par les parcours informationnels des socionautes, nous assistons à un renouvellement des questionnements sur la transmission de l’information et l’influence. Les défis sont autant dans la multiplicité des usages que dans les contraintes de volume, d’hétérogénéité et de temps réel. L’analyse marketing et les sciences de l’information jouent désormais très souvent sur un territoire commun. Ceci oblige les métiers de l’information comme le Market Intelligence à intégrer une démarche également pilotée par les données et les corrélations. Nous chercherons donc à comprendre en quoi il devient indispensable de mobiliser des procédés de machine learning et de content analytics pour répondre à ces enjeux.
En 2016 : Faire du SEO face à une intelligence artificiellePeak Ace
Slides présentées lors du petit déjeuner du 28 janvier 2016 à Lille
L'algorithme de Google a beaucoup changé en 2015 : les "quality updates" se sont succédées, un nouveau type de Panda est apparu, et la compatibilité mobile est devenu un critère de classement sur mobile... De plus, Google commence à introduire les produits d'un outil reposant sur l'intelligence artificielle dans son algorithme. Qu'est-ce que cela signifie pour l'avenir ? Faut-il changer ses méthodes de référencement ?
Intervenant : Philippe Yonnet, Directeur Général - Search-Foresight
L'apport de l'intelligence artificielle dans l'apprentissageFFFOD
Intervention de Monique GRANDBASTIEN, professeur émérite à l’université de Lorraine et chercheur au LORIA lors des 15èmes Rencontres du FFFOD.
Les premières applications de l’intelligence artificielle à la formation ont été regroupées sous le terme systèmes tutoriels intelligents. Nous verrons quels étaient les objectifs, ce que ces systèmes ont apporté et tenterons d analyser pourquoi ils ne sont pas très répandus. Mais il y a bien d’autres applications de l’intelligence artificielle à la formation, nous donnerons quelques exemples.
Les algorithmes génétiques dans tous leurs étatsGeneticIO
Présentation des algorithmes génétiques, appartenant à la famille des algorithmes évolutionnistes. Ils permettent d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable.Des exemples ludiques d'application seront présentés ("tobeornottobe', smart rockets) afin d'illustrer leur comportement.
Human Talks Paris du 11 octobre 2016 à Prestashop
Liens:
- Domaine application Marketing, détermination des meilleures implantations de sites touristiques : https://goo.gl/aCc9SJ
- Domaine application Astronautique, détection d’orbites de satellite : https://goo.gl/eauC32
- Domaines d'applications : https://en.wikipedia.org/wiki/List_of_genetic_algorithm_applications
Vidéos:
- Smart Rockets : http://dl.genetic.io/demo/SmartRockets.mp4
- TOBEORNOTTOBE : http://dl.genetic.io/demo/ToBeOrNotToBe.mp4
Présentation de la plateforme D’COL, le dispositif numérique d’aide, de soutien et d’accompagnement du CNED.
Présentation d'ACARYA, système de reconnaissance vocale, Text-To-Speech, agents conversationnels, navigateur de connaissance pour accompagner les étudiants dans leur apprentissage.
IA C'EST MON DADA : Conference introduction machine learning et IAHalszka de Breza
Pour vous donner le pouvoir de comprendre et de prendre le virage de l'intelligence artificielle, IA C'EST MON DADA vous propose cette conférence qui répond aux questions suivantes : Qu'est-ce que sont l'IA et le Machine Learning ? A quoi servent-ils ? Pourquoi et comment les utiliser ?
Forum rideau 2018: esprit numérique par Sylvain Carle.Sylvain Carle
Tout est potentiellement numérique?
Information, données, savoir, inspiration.
Création, appropriation, copie, remix, marketing.
Distribution, modèle d’affaire, piratage, mesure.
Auditoire, utilisateurs, contributeurs, artisans.
Comment trouver un sens à tout ça?
Expérience informationnelle et exploitation analytique des données : comment ...Le_GFII
Intervention d'Odile Quesnel, Responsable ArgusLab, Argus de la Presse au séminaire DIXIT du GFII "Les nouvelles frontières de la data intelligence" le 13/04/2015, Paris.
Abstract : Dans un contexte où contenus médias et sociaux sont en permanence augmentés par les parcours informationnels des socionautes, nous assistons à un renouvellement des questionnements sur la transmission de l’information et l’influence. Les défis sont autant dans la multiplicité des usages que dans les contraintes de volume, d’hétérogénéité et de temps réel. L’analyse marketing et les sciences de l’information jouent désormais très souvent sur un territoire commun. Ceci oblige les métiers de l’information comme le Market Intelligence à intégrer une démarche également pilotée par les données et les corrélations. Nous chercherons donc à comprendre en quoi il devient indispensable de mobiliser des procédés de machine learning et de content analytics pour répondre à ces enjeux.
En 2016 : Faire du SEO face à une intelligence artificiellePeak Ace
Slides présentées lors du petit déjeuner du 28 janvier 2016 à Lille
L'algorithme de Google a beaucoup changé en 2015 : les "quality updates" se sont succédées, un nouveau type de Panda est apparu, et la compatibilité mobile est devenu un critère de classement sur mobile... De plus, Google commence à introduire les produits d'un outil reposant sur l'intelligence artificielle dans son algorithme. Qu'est-ce que cela signifie pour l'avenir ? Faut-il changer ses méthodes de référencement ?
Intervenant : Philippe Yonnet, Directeur Général - Search-Foresight
L'apport de l'intelligence artificielle dans l'apprentissageFFFOD
Intervention de Monique GRANDBASTIEN, professeur émérite à l’université de Lorraine et chercheur au LORIA lors des 15èmes Rencontres du FFFOD.
Les premières applications de l’intelligence artificielle à la formation ont été regroupées sous le terme systèmes tutoriels intelligents. Nous verrons quels étaient les objectifs, ce que ces systèmes ont apporté et tenterons d analyser pourquoi ils ne sont pas très répandus. Mais il y a bien d’autres applications de l’intelligence artificielle à la formation, nous donnerons quelques exemples.
Les algorithmes génétiques dans tous leurs étatsGeneticIO
Présentation des algorithmes génétiques, appartenant à la famille des algorithmes évolutionnistes. Ils permettent d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable.Des exemples ludiques d'application seront présentés ("tobeornottobe', smart rockets) afin d'illustrer leur comportement.
Human Talks Paris du 11 octobre 2016 à Prestashop
Liens:
- Domaine application Marketing, détermination des meilleures implantations de sites touristiques : https://goo.gl/aCc9SJ
- Domaine application Astronautique, détection d’orbites de satellite : https://goo.gl/eauC32
- Domaines d'applications : https://en.wikipedia.org/wiki/List_of_genetic_algorithm_applications
Vidéos:
- Smart Rockets : http://dl.genetic.io/demo/SmartRockets.mp4
- TOBEORNOTTOBE : http://dl.genetic.io/demo/ToBeOrNotToBe.mp4
Présentation de la plateforme D’COL, le dispositif numérique d’aide, de soutien et d’accompagnement du CNED.
Présentation d'ACARYA, système de reconnaissance vocale, Text-To-Speech, agents conversationnels, navigateur de connaissance pour accompagner les étudiants dans leur apprentissage.
IA C'EST MON DADA : Conference introduction machine learning et IAHalszka de Breza
Pour vous donner le pouvoir de comprendre et de prendre le virage de l'intelligence artificielle, IA C'EST MON DADA vous propose cette conférence qui répond aux questions suivantes : Qu'est-ce que sont l'IA et le Machine Learning ? A quoi servent-ils ? Pourquoi et comment les utiliser ?
Similaire à Fondement et biaism Machine Learning Deep Learning (20)
Si la baisse de la productivité est effective dans toutes les économies développées... elle est particulièrement marquée en France. Au niveau national, cet essoufflement touche tous les secteurs, et plus particulièrement celui de l’industrie, usuellement caractérisé par des gains de productivité élevés. Depuis la crise Covid, le secteur industriel contribue pour 35 % environ à cette perte, alors qu’il ne représente que 9,3 % de la valeur ajoutée nationale brute en 2023. Dans ce contexte, est-il possible de mener une politique de réindustrialisation du pays sans y associer un objectif de hausse des gains de productivité ?Non rappelle ce Cube. Au contraire, ces deux objectifs, jusqu’alors indépendants l’un de l’autre, sont désormais deux défis à relever conjointement. En analysant les différents explications à la baisse de celle-ci observée en France et dans les autres économies développées, ce Cube suggère que l’augmenter en parallèle d’une politique de réindustrialisation sous-entend une réallocation des facteurs de production vers les entreprises industrielles à fort potentiel. Elle suppose également une une meilleure affectation des ressources.
Fondement et biaism Machine Learning Deep Learning
1. Machine Learning-Deep Learning
Fondement et biais
Machine learning Aix-Marseille #5
●
Réseaux de neurones ?
●
De la causalité à la corrélation, induction ou déduction ?
●
Proba, stats, stochastique, de la compréhension à Madame Irma ?
●
IA, BI, Big DATA
●
ML, DL
●
Visualisation
●
Partiel, Partial, Parcellaire & Incomplétude,
défunt le chat de Schödinger ?
●
Macro, micro , signaux forts, signaux faibles,
"la formule d 'Euler, e
ix
= cos(x)+ i sin(x)"
e-Compendium
22 juin 2016 EMD Marseille
2. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Réseau de Neurones ?
e-Compendium
22 juin 2016 EMD Marseille
i
Pour créer un ensemble de données :
Indiquez
le nombre de joueurs ?
le nombre de passes réalisés ?
Le joueur qui réalise le plus de passes ?
ATTENTION
3. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Réseau de Neurones ?
e-Compendium
22 juin 2016 EMD Marseille
Reconnaître le domaine, le parcourir
Mettre plus de data leurs donnent-elles plus de sens, plus de valeurs?
Déduire des faits d'autres faits.
VIGILANCE
4. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Réseau de Neurones ?
e-Compendium
22 juin 2016 EMD Marseille
CONSCIENCE
Croiser les données, lesquelles ? Comment ?
5. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Causaités ?
e-Compendium
22 juin 2016 EMD Marseille
?
Cartographie représentation d'un état informationnel ?
Pharmakha, destructrices et salvatrices, A-namnèse et a-leteya
Retrouvez ce que l'on a oublié ou ignoré
6. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Corrélations ?
e-Compendium
22 juin 2016 EMD Marseille
Boîte noire & Réseau
Neurones
●
Appariement
●
Graphes
7. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Proba, Stats, Stochastique ?
e-Compendium
22 juin 2016 EMD Marseille
Problématiques comprises
Univers connu
Relations connus
Mesures reproductibles
...
Propension
Probabilités
Statistiques Population définie
Échantillon validé
Relations inconnus
Mesures ponctuelles
Corrélations
Régression
Inférences
...
Stochastique
Univers imparfait
Mesures non reproductible
Pas de prédictibilité ->médecine
Pas déterministe
Multi-factoriel
Signaux faibles
Pas d'effet de seuil
Clef SDG stochastic descend
Gradient (le « poids »)
8. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
IA, BI, Big DATA ?
e-Compendium
22 juin 2016 EMD Marseille
9. Analyse et préconisation
Grâce à la norme SCORM, les différents parcours mis en œuvre sont
enregistrés
Utilisation de l'Intelligence Artificielle et de BI pour définir les clefs de
pertinences
En fonction des sujets
Proposition de diverses activités autour de divers sens
Charte graphique indiquant ce que l'on attend de l'apprenant + rituel
Retour d'expérience et HROI
Sur la formation et son déroulé
Groupe de travail avec les apprenants
Brainstorming avec les apprenants pour proposer des améliorations
e-Compendium
PARCOURS DES APPRENANTS
10. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Machine Learning – Deep Learning ?
e-Compendium
22 juin 2016 EMD Marseille
Apprentissage
11. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Machine Learning – Deep Learning ?
e-Compendium
22 juin 2016 EMD Marseille
Sortie
bias
index des
connexions en entrée
i entréeéme
i éme
Poids de la
entrée
i
i
iwxby
Neurones Linéaires
...
Sigmoïdes
Stochastiques
...
seulement des fonctions logiques monotones
12. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Visualisation ?
e-Compendium
22 juin 2016 EMD Marseille
Densité de Consommation
sur les réseaux d'un
distributeur d'électricité
Densité des consommations
échantillon de la population
francaise sur plusieurs années
(données 2005-2015,
traitées avec RapidMiner)
13. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Partiel, Partial, Parcellaire & incomplétude ?
e-Compendium
22 juin 2016 EMD Marseille
La croyance c'est le pouvoir, réduire ses croyances c'est se libérer.
14. Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Macro, micro, signaux forts, signaux faibles ?
e-Compendium
22 juin 2016 EMD Marseille
Abandon du terme de Smart cities
Plus les modèles sont humains moins ils
sont preformants, empreintes sociales
en entrée et en sortie.
Ecosystemes : paysage, région, sous-continent,
les contenus sont incohérents
La défense vendeurs saisonnier.
Adapter l'activité et le ramassage des déchets.
Données pas assez fine.
Données, pas des échantillons donc
imprédictibilité.
Multiplicité des parties prenantes.
Modèle des diversités, le plus résilient.
Modèle urbain modèle de l'équlibre
Pas de boucle de rétroaction
15. Machine Learning-Deep Learning
Fondement et biais
Machine learning Aix-Marseille #5
Merci pour votre attention ?
e-Compendium
22 juin 2016 EMD Marseille
« découvrir et la seule manière de connaître, Corrélativement,
faire découvrir est la seule manière d'enseigner »
Le rationalisme appliqué, Gaston Bachelard
Richard Pawlowsky
mig@cristal.pw
16. Machine Learning-Deep Learning
Fondement et biais
Machine learning Aix-Marseille #5
Conclusion
e-Compendium
22 juin 2016 EMD Marseille
« découvrir et la seule manière de connaître, Corrélativement,
faire découvrir est la seule manière d'enseigner »
Le rationalisme appliqué, Gaston Bachelard
Notre système de neurone biologique est de très loin plus complexe et à découvrir ;
Notre système est faillible et chacun de nous est une propension ;
Machine Learning et Deep Learning sont trés efficaces dans des conditions stricts, qualités et
finesses des données à produire et vérifier pour chaque requête, faire des préconisations de
lectures est-ce utile à l'humanité ?
De très grand progrès sont en cours, tant infrastructures que langages et algorithmes ;
Mais nos spécificités resteront, le ML et DL sont des outils pas des entités
17. Machine Learning-Deep Learning
Fondement et biais
Machine learning Aix-Marseille #5
Pour approfondir :
e-Compendium
22 juin 2016 EMD Marseille
« découvrir et la seule manière de connaître, Corrélativement,
faire découvrir est la seule manière d'enseigner »
Le rationalisme appliqué, Gaston Bachelard
Clefs SDG stochastic descend gradient et
PKI performance key indicator
http://fr.slideshare.net/ssuser818e8e/stochast
ic-optimization-for-largescale-learning?
next_slideshow=1