Télécharger en tant que PDF, PPTX
Téléchargé parClaude Falguiere
H2O , Le machine learning sans coder ou presque - Devoxx france 2016
Le document présente H2O, une plateforme open source pour le machine learning, qui permet de traiter des données massives sans nécessiter de codage complexe. Il aborde des concepts tels que l'ajustement de modèles prédictifs, les méthodes d'apprentissage supervisé et non supervisé, ainsi que l'utilisation de l'interface H2O Flow pour manipuler les données. En conclusion, H2O facilite l'expérimentation de modèles et l'intégration de la préparation des données, tout en pouvant être utilisé sur des clusters Spark ou Hadoop existants.
H2O , Le machine learning sans coder ou presque - Devoxx france 2016
- 1. #DevoxxFR @cfalguiere Devoxx France2016 Claude Falguière @cfalguiere 1 https://github.com/cfalguiere/H2ODemo/blob/master/h2o-devoxx-2016.pdf www.h2o.ai H2O Le Machine Learning sans coder … ou presque
- 2. #DevoxxFR @cfalguiere 2 OpenSource Math & Machine learning for Big Data! ! importer et parser des sources manipuler les dataframes ajuster un modèle prédictif calculer une prédiction sauver les modèles et les réutiliser
- 3. #DevoxxFR @cfalguiere 3 SourceWikipedia 20 192 27 76 77 24 80 14 6 140 57 Données Titanic
- 4. #DevoxxFR @cfalguiere 4 Données connues Ajustementd’un Modèle Prédictif Nouvelles données Calcul d’une Prédiction
- 5. #DevoxxFR @cfalguiere 5 Class (x1) Age (x2) Sex (x3) Survived (x4) 142 1 1 3 26 1 0 2 33 2 1 2 6 1 1 Par exemple déterminer p0, p1, p2, p3 pour que p0 + p1x1 + p2x2 + p3x3 = x4 fixer p0, p1, p2, p3 calculer x’4 évaluer l’écart avec x4 (Loss function) Adapter p0, p1, p2, p3 pour minimiser l’écart itérer Machine Learning Données Modèle
- 6. #DevoxxFR @cfalguiere 6 Données connues ! Entrainementd’un modèle prédictif Jeu d’entraînement Jeu de validation Prédiction et vérification ! Modèle potentiel ! Modèle validé
- 7. #DevoxxFR @cfalguiere 7 Nouvelles données PrédictionJeude travail+ -> ! Modèle validé
- 8. #DevoxxFR @cfalguiere 8 Données p0 p1 p2 p3 CA Sx Su 1 42 1 1 3 26 1 0 2 33 2 1 2 6 1 1 Modèle Prédiction Su’ 1 0 1 1
- 9. #DevoxxFR @cfalguiere 9 CA Sx Su 1 42 1 1 3 26 1 0 2 33 2 1 2 6 1 1 Su’ 1 0 1 1 p0 p1 p2 p3 p0 p1 p2 p3 p0 p1 p2 p3 p0 p0 p3 p0 p0 p3 p0 p0 p3 p0 p1 p2 p3 Réseau de neurones Données Modèle Prédiction
- 10. #DevoxxFR @cfalguiere Menu pour générerles cellules et autres actions H2O Flow 10 Les cellules contiennent Une instruction H2O ou du texte ou du code R ou Python L’ensemble des cellules constitue un Flow
- 11.
- 12. #DevoxxFR @cfalguiere 12 Jeupréparé ! classe, sexe, adulte/enfant! avec équipage Distributed Random ForestDistributed Random Forest Jeu détaillé ! avec en plus âge, poids, bateau, destination ! passagers seulement Deep Learning
- 13. #DevoxxFR @cfalguiere Algorithmes dansH2O 13 Supervised*learning* ! On!a!un!jeu!de!données!dont! on!connait!les!réponses!et! on!veut!une!formule!pour! es5mer!la!réponse!sur! d’autres!jeux!de!données!
- 14.
- 15. #DevoxxFR @cfalguiere 15 Autre Pré-requis Java Architectures FlowUI API REST Langages Bindings R et Python Tout en mémoire RAM = 4 x Data
- 16. #DevoxxFR @cfalguiere Clusters 16 Peut constituerson propre cluster Ou fonctionner sur des clusters Spark ou Hadoop existants Versions spécifiques Hadoop Sparkling Water pour Spark Même mode de fonctionnement
- 17.
- 18. #DevoxxFR @cfalguiere 18 H2OFlow est attractif Utilisation très facile du cluster Hadoop Essayer des modèles très rapidement ! Conclusion Compléter avec l’API! Combiner les modèles Intégrer la préparation des données Industrialiser Prise en main facile!
- 19. #DevoxxFR @cfalguiere 19 Merci ! Avezvous des questions ?