Et si on oubliait toute la littérature existante sur le Machine Learning, les grands principes, les formules mathématiques avec des symboles étranges ! Nous vous proposons de vous initier à cette science en partant de cas très concrets, simples et compréhensible pour tous. Classification, régression, supports de vecteur, TF-IDF, réseaux de neurones, etc., tous ces termes ne devraient plus avoir de secret pour vous ensuite.

1. Comprendre le
Machine Learning
quand on n’y connaît rien
@FredBouchery

4. Causalité
Corrélation

5. Classification
Régression

6. Supervisé
Non supervisé

7. ML
?
Entraînement
Données
qualifiées Évaluation

8. Diamètre cm
Clémentine
Orange

9. Diamètre cm
Clémentine
Orange
6,8 cm

10. Diamètre cm
Clémentine
Orange
7,1 cm

11. B
A

12. B
A

13. B
A

14. B
A

15. B
A

16. B
A

19. B
A

20. B
A

23. Surface Prix
55m² 253.000€
67m² 285.000€
81m² 320.000€
105m² 355.000€
Moyenne : 4.046€/m²
90m² : 340.000€ ?
90 x 4.046€ = 364.169€

24. Surface x 4.046
1.950 x surface + 150.300
y = ax + b

25. 1.950 x surface + 150.300
90 m² = 325.800 € vs 340.000 €

28. ax5
+ bx4
+ cx3
+ dx2
+ ex + f

29. ax + b
+
X a
b
x

30. +
p
1
P2
p 3
B
( )

31. +
+
+
+
+
+
surface prix+

32. Erreur : 0.1787634

33. Erreur : 0.0356871

36. « Je pense donc je suis »
0 je
1 pense
2 donc
3 suis

37. « Je voudrais savoir comment définir l’intelligence »
TF-IDF
Classifieur

38. Réseau de neurones
Support Vector Machine
KNeighbors
Classifieur Bayes Naïf

42. Comment fait-on ?

43. Analyse

44. Training

45. Prédiction
Tensorjs, PHP-ML, FANN, SVM

46. Full PHP ?

47. mxnet-model-server –models foo=./squeezenet.model
curl -X POST http://127.0.0.1:8080/foo/predict -F "data=@kitten.jpg"

49. 94%

50. 5%

57. N’attendez pas demain
pour faire du
Machine learning

58. Merci

59. @FredBouchery
On recrute des devs (PHP / Fullstack)