Demystification du Machine Learning

nicolas bulteau - fabrice depaulis

  • data scientists

  • mathématiciens

  • statisticiens

  • présenter le ML

  • rendre le ML tangible (code)

  • reconnaître un Use-Case

machine learning

traditional way

écrire un programme « à la main »

▸ Découvrir des corrélations dans un ensemble d'éléments collectés


▸ Fabriquer un modèle prédictif à partir d'exemples qualifiés


▸ Les données déterminent quel modèle doit être construit

learning way

pourquoi maintenant ?

data

Imagenet : 15 000 000 images
10 000 catégories

calcul matriciel

cartes gpu

algorithmes

regression

classification

clustering

apprentissage

jeu de données labellisé

l'algorithme découvre seul les caractéristiques

apprentissage supervisé

plane
cat
dog
bird
beer
horse
frog

apprentissage

?

prediction

vendre mon appartement

comment déterminer le prix ?

données d'apprentissage

trouver prix en fonction de surface

trouver la fonction f(x) = y

régression

surface

prix

mon appartement

surface prix
61 171 000
23 112 000
... ...

pente

ordonnée à l'origine

apprentissage

prédiction

une droite peut être trop simple

y = ax + b
y = ax + b + cx²
y = ax + b + cx² + dx³ + ...

overfitting !

en pratique !

collecter les données

entrainer le classifieur

prédire une valeur

from sklearn.linear_model import LinearRegression

surfaces, prix = surface_prix_data()

linear_regression.predict(63)

print(prediction)

> 390
linear_regression = LinearRegression()
linear_regression.fit(surfaces, prix)
surface prix
22 66
63 373
... ...

plus de paramètres ?

  • Valeurs discrètes —> ensemble continue (la courbe noire)

    • Régression Linéaire à 1 paramètre

  • Dans la réalité beaucoup de « features » (dimensions) : surface, nb chambres, nb salles de bain, nb cheminées, garage, nb étages …

nombre de salles de bain
surface
nombre de chambres
...
prix

live coding

classifier

  • Classifier en utilisant l’apprentissage supervisé à partir de données étiquetées

  • Déterminer une fonction séparant les points bleus et rouges

spam !

pas spam

classifier : SVM

classifier : SVM

setosa

versicolor

virginica

live coding

apprentissage non supervisé

La question n’est plus « peut-on prédire Y à partir de X ? » mais « que peut-on dire sur la manière dont les variables sont distribuées ? »

iris = datasets.load_iris()
X = iris.data
clf = KMeans(n_clusters=3)
clf.fit(X)
labels = clf.labels_

supervisé / non supervisé

corrélation != causalité

La data est plus importante que l'algorithme

préparation des données
80%
algo
20%

deep learning

IA

ML

DL

f(x_1, ..., x_n)
x_1
x_2
x_n
y

neurone

neurone formel

valeurs d'entrée

poids

somme des valeurs
pondérées

met la valeur
entre 0 et 1

valeur de sortie

neurone
formel

couche d'entrée

couches cachées

couche de sortie

réseau de neurones

Ok mais il est où l'apprentissage ?

ce qu'on apprend : les poids

modèle : matrice des poids

minimiser l'erreur : backpropagation

cross validation

f1 score

alpha go

renforcement

convolution

...

hyperparamètres

les poules de nico

ca marche !

appliqué à nos problèmes

  • A quelle question veut-on répondre ?

  • Quelles sont les "features" ?

  • Traiter les données

  • Choisir l'algorithme

questions ?

Made with Slides.com