Recyclage en Intelligence Artificielle

Discussions et revue de presse sur des thèmes ne relevant ni de la politique ni de l'économie et des finances: technologies, emploi, écologie, transport, sport...
Message
Auteur
Avatar du membre
fabriceb
~~+
~~+
Messages : 14139
Enregistré le : 18 avr. 2006, 12:50
Localisation : 94

Recyclage en Intelligence Artificielle

#1 Message par fabriceb » 03 févr. 2019, 23:28

Bonsoir à tout le monde.

J'ai 50 ans (ca arrive à des gens très bien, je vous assure) et il me reste donc environ 15 ans à tirer.

L'analyse concrète de ma situation est que je peux trouver un poste de simili-encadrement ou rebondir dans du techno; à priori, j'ai choisi la seconde solution.
Je sais : c'est plus dur et pas plus rémunérateur. Mais ... disons que c'est mon choix.

Donc voilà : j'entends beaucoup parler, ces dernièrs temps, du domaine de l'intelligence artificelle; ma boite à l'air d'en avoir plus ou moins besoin (en tous les cas ce qu'elle semble croire).
Ca m'interesse, mais j'ai besoin d'un recyclage complet (pas la simple "révision de la cinquantaine") bien qu'ayant un passé d'informaticien et d'automaticien ; connaissez vous des formations qui pourraient permettre de transformer un ingénieur en fin de cycle (moi) en cheval de course ?

J'ai trouvé un truc du coté de l'X, mais c'est en deux ans et franchement payant (je peux tenter le FONGECIF, mais les deux ans sont assez rédhibitoires.
Quelques éléments, aussi, du coté de Paris VI (mais là encore en deux ans)... mais je voudrai savoir si vous connsaissez des voies pratiquables en formation continue (voire en recyclage).
Il vaut mieux se taire et passer pour un *** plutôt que de parler et de ne laisser aucun doute sur le sujet.

Avatar du membre
stchong
~~+
~~+
Messages : 9319
Enregistré le : 12 nov. 2014, 11:40

Re: Recyclage en Intelligence Artificielle

#2 Message par stchong » 04 févr. 2019, 00:26

Mon avis c'est que tu ne choisis pas la bonne trajectoire, un petit jeune avec la bonne formation te passera devant sauf à te faire former par ta boîte. Autrement sur le marché du travail t'es presque mort, même si c'est difficile à avaler.
Où alors tu fais une rupture conventionnelle et tu te formes avec tes allocations, y'a peut être un truc à voir de ce côté là.
Deux ans d'études pour un mec de ton niveau, y'a surement des heures de cours à chuinter.
Ne prendre que ce qui est reconnu et indispensable dans l'AI que tu n'as pas.

http://foad.cnam.fr/domaines-de-formati ... 4460215270

Avatar du membre
Jeffrey
Modérateur
Modérateur
Messages : 13766
Enregistré le : 12 févr. 2012, 19:59

Re: Recyclage en Intelligence Artificielle

#3 Message par Jeffrey » 04 févr. 2019, 01:30

Ton approche me semble curieuse.
Tu devrais évaluer ton niveau actuel, selon deux axes : compétences info et compétences analyse de données.
Puis le niveau auquel tu prétends accéder : expert en data mining, ça n'a a priori de sens que relativement à un domaine applicatif assez bien circonscrit, et probablement pas en autonomie décisionnelle, plutôt en insertion dans une équipe sous un responsable pour débuter, un type qui sait ce qu'il faut faire et comment l'appliquer.
Ensuite, il faut évaluer la durée de formation pour passer de l'état 1 à l'état 2. ça pourrait bien fort être 120 heures à 180 heures peut être , soit trois mois à six mois maxi en temps partiel. Déjà ça coûte bonbon en formation. Au delà, cela me parait assez irréaliste.
Tu devrais peut être commencer par faire établir un bilan de compétences. Si tu ne connais rien en info ou si tu pars from scratch de l'analyse de données, ça va être chaud bouillant.
Si tu ne tombes pas dans un usage opérationnel sous une responsabilité de quelqu'un qui sait ce qu'il fait, mais que t'envisages de devenir "an expert" dans ta boîte from ground zero, ça va pas le faire non plus.
voir si Parsifal ou Wolfie ont un avis plus profond sur la question ? ...
Quis custodiet ipsos custodes?

Avatar du membre
watoo
-++
-++
Messages : 3930
Enregistré le : 04 mai 2012, 04:18

Re: Recyclage en Intelligence Artificielle

#4 Message par watoo » 04 févr. 2019, 01:37

Peut-être demander à Slash33 ?

viewtopic.php?p=2320836#p2320542
Quelqu'un a des nouvelles d'ignatius ?

Avatar du membre
fabriceb
~~+
~~+
Messages : 14139
Enregistré le : 18 avr. 2006, 12:50
Localisation : 94

Re: Recyclage en Intelligence Artificielle

#5 Message par fabriceb » 04 févr. 2019, 08:26

Jeffrey a écrit :
04 févr. 2019, 01:30
Ton approche me semble curieuse.
Tu devrais évaluer ton niveau actuel, selon deux axes : compétences info et compétences analyse de données.
Puis le niveau auquel tu prétends accéder : expert en data mining, ça n'a a priori de sens que relativement à un domaine applicatif assez bien circonscrit, et probablement pas en autonomie décisionnelle, plutôt en insertion dans une équipe sous un responsable pour débuter, un type qui sait ce qu'il faut faire et comment l'appliquer.
Ensuite, il faut évaluer la durée de formation pour passer de l'état 1 à l'état 2. ça pourrait bien fort être 120 heures à 180 heures peut être , soit trois mois à six mois maxi en temps partiel. Déjà ça coûte bonbon en formation. Au delà, cela me parait assez irréaliste.
Tu devrais peut être commencer par faire établir un bilan de compétences. Si tu ne connais rien en info ou si tu pars from scratch de l'analyse de données, ça va être chaud bouillant.
Si tu ne tombes pas dans un usage opérationnel sous une responsabilité de quelqu'un qui sait ce qu'il fait, mais que t'envisages de devenir "an expert" dans ta boîte from ground zero, ça va pas le faire non plus.
voir si Parsifal ou Wolfie ont un avis plus profond sur la question ? ...
Je ne pars pas "from scratch", mais d'un état initial ou j'ai (j'avais il y a quelques années) une bonne compétence réseau (ce qui ne sert pas dans ce cas) et de programmation (ce qui sert).
Je retiens le bilan de compétence comme première étape (j'aurai d'ailleurs du y penser).
Il vaut mieux se taire et passer pour un *** plutôt que de parler et de ne laisser aucun doute sur le sujet.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#6 Message par WolfgangK » 04 févr. 2019, 09:43

Bonjour,
Je pense que IA, c'est trop vaste. Juste pour situer, j'ai fait le DEA IA de Paris 6, puis une thèse dans le labo.
À mon avis, il faudrait cibler plus précisément les rôles qu'on voudrait avoir pour cibler ensuite les compétences/technos.
En parallèle, je suivrais les MOOC data science, machine learning / deep learning.
On pourrait en discuter IRL.
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

PACA
~~+
~~+
Messages : 8750
Enregistré le : 26 déc. 2011, 12:31

Re: Recyclage en Intelligence Artificielle

#7 Message par PACA » 04 févr. 2019, 10:11

Depuis l'age de la carte perforée jusqu'aux techno PC j'ai eu à me recycler plusieurs fois, je n'ai jamais suivi de formation, par contre j'ai toujours eu dans l'équipe au moins un spécialiste qui permettait de valider les options dans la techno de migration. Pour les cas pointus j'ai toujours utilisé les forum spécialisés.
Concernant les nouveautés, très souvent elles n'étaient qu'apparentes, j'ai retrouvé dans unix toutes les macros système CICS d'IBM, il y a eu une démocratisation de la programmation système.
Les fondamentaux du produit développé sur lequel j'ai bossé n'ont pas changés depuis 84, étonnamment il est toujours en commercial en 2019, il serait en fin de vie ? .... tous les 5 ans on a essayé de basculer de techno avec de multiples audits.
Pour ma stratégie de carrière et par gout j'avais opté pour un mix encadrement/développeur => de 10 à 50% encadrement le reste développement, debug.

Pour tes questions précises, je n'ai pas connu l'IA mais les jeunes doctorants et post doctorants que je connais, ne connaissent pas du tout .... à la trentaine issus de grandes écoles et universités ils doivent aussi se recycler sans formation particulière.
Si c'est pour réutiliser l'IA comme un simple outil l'approche est beaucoup plus simple que la recherche et le développement dans l'IA.
Ce dont on a besoin pour se former c'est du temps, avec 2 à 3000 euros on peut se payer une config personnelle qui permet de valider les nouveaux concepts.

Les points forts des quinquagénaires en informatique :
- l'expérience des outils de debug et de qualification => on ne conçoit pas des produits qui ne peuvent pas être debugués, par analogie avec le bâtiment : on ne construit pas sans vide sanitaire ni étages trop élevés sans prévoir les actions en cas d'incendies.

Les points faibles des quinquagénaires :
- on a tendance à faire des économies de bouts de chandelles à tous les niveaux qui ne sont plus justifiées, on intègre moins facilement la diminution phénoménale des couts du matériel. (Avec quelques dizaines d'euros Raspberry on peu tester une config répartie Spark Hadoop => fantastique, on change d'univers !, ça change complètement la donne économique.

Avec une réserve j'ai cru comprendre que l'IA est très gourmande en ressource => retour à l'informatique de papa avec des temps de réponse relativement long et des capacités de stockage très importantes .... il faut bien nourrir la bête pour qu'elle soit intelligente.

Pour le recyclage spécifique IA il me semble que ce dont on a besoin c'est du temps, ça peut se faire chez soi..... comme pour tous les recyclages.
Prudence avec mes impressions : ne connaissant pas l'IA je peux me planter ! …. je suis un peu périmé pour le sujet.
Les spécialistes du forum pourront corriger !

ps : à la trentaine on se tape les enfants en bas age, à 50 on est moins réveillé la nuit, on est plus disponible pour se recycler.... à condition de ne pas se remarier avec une jeunette qui voudra des enfants !
La techno évolue tellement vite que nous sommes en recyclage permanent à partir de 30 ans. 30 ou 50 …. idem

Avatar du membre
stchong
~~+
~~+
Messages : 9319
Enregistré le : 12 nov. 2014, 11:40

Re: Recyclage en Intelligence Artificielle

#8 Message par stchong » 04 févr. 2019, 13:08

fabriceb a écrit :
04 févr. 2019, 08:26
Jeffrey a écrit :
04 févr. 2019, 01:30
Ton approche me semble curieuse.
Tu devrais évaluer ton niveau actuel, selon deux axes : compétences info et compétences analyse de données.
Puis le niveau auquel tu prétends accéder : expert en data mining, ça n'a a priori de sens que relativement à un domaine applicatif assez bien circonscrit, et probablement pas en autonomie décisionnelle, plutôt en insertion dans une équipe sous un responsable pour débuter, un type qui sait ce qu'il faut faire et comment l'appliquer.
Ensuite, il faut évaluer la durée de formation pour passer de l'état 1 à l'état 2. ça pourrait bien fort être 120 heures à 180 heures peut être , soit trois mois à six mois maxi en temps partiel. Déjà ça coûte bonbon en formation. Au delà, cela me parait assez irréaliste.
Tu devrais peut être commencer par faire établir un bilan de compétences. Si tu ne connais rien en info ou si tu pars from scratch de l'analyse de données, ça va être chaud bouillant.
Si tu ne tombes pas dans un usage opérationnel sous une responsabilité de quelqu'un qui sait ce qu'il fait, mais que t'envisages de devenir "an expert" dans ta boîte from ground zero, ça va pas le faire non plus.
voir si Parsifal ou Wolfie ont un avis plus profond sur la question ? ...
Je ne pars pas "from scratch", mais d'un état initial ou j'ai (j'avais il y a quelques années) une bonne compétence réseau (ce qui ne sert pas dans ce cas) et de programmation (ce qui sert).
Je retiens le bilan de compétence comme première étape (j'aurai d'ailleurs du y penser).
Va voir les sites sur les bilans de compétences, c'est une grosse arnaque. Ce n'est en rien fait pour savoir si tu as des compétences techniques, c'est juste pour savoir ce que tu as comme qualités ou défaut humains et tes envies.

Matthieu Brucher
Messages : 1384
Enregistré le : 08 juil. 2008, 08:58

Re: Recyclage en Intelligence Artificielle

#9 Message par Matthieu Brucher » 04 févr. 2019, 13:23

WolfgangK a écrit :
04 févr. 2019, 09:43
Bonjour,
Je pense que IA, c'est trop vaste. Juste pour situer, j'ai fait le DEA IA de Paris 6, puis une thèse dans le labo.
À mon avis, il faudrait cibler plus précisément les rôles qu'on voudrait avoir pour cibler ensuite les compétences/technos.
En parallèle, je suivrais les MOOC data science, machine learning / deep learning.
On pourrait en discuter IRL.
Oui, IA, c'est trop vaste. Et en general completement faux, les gens cherchent dans le machine learning.

Deja rien que la sous-qualification recherchee, plutot developeur pour ML? Data scientiste? Autre?
Chacun a ses specificites,mais vu ton passe programmation, la premiere option me semble plus judicieuse. Apres, pas besoin d'une formation specifique, MOOC c'est tres bien, tu fais a ton rythme, tu fais en plus des trucs open source, blog ou tu testes, un vrai show case, et la oui, ca peut marcher. Faire un truc academique, oublie.

Avatar du membre
Parsifal
-+
-+
Messages : 2202
Enregistré le : 09 févr. 2015, 10:22

Re: Recyclage en Intelligence Artificielle

#10 Message par Parsifal » 04 févr. 2019, 13:24

Commence par regarder et faire les exercices de Ng https://www.youtube.com/watch?v=PPLop4L ... cItqhlRJLN
Il ne s'agit que des bases, mais elles doivent être solides.
Il faut commencer par s'habituer à coder de façon "tensorielle" plutôt qu'avec des boucles explicites.

Ensuite il sera temps de réfléchir vers quel type de sous domaine tu veux aller. En ce moment le gros hype c'est le Deep Learning (voire le Deep Reinforcement Learning mais ce dernier n'a que peu d'applications rentables aujourd'hui). À mes yeux ce qui a de la valeur industrielle aujourd'hui c'est de savoir appliquer les principes décrits dans les cours à très large échelle (et cela n'est pas dans le cours en général) idéalement sans avoir besoin de se reposer sur AWS.

Edit: Il y a Aurélien Géron qui fait une intro pas mal à TensorFlow, mais je commencerais par le cours de Ng et du numpy

Avatar du membre
slash33
~~+
~~+
Messages : 48119
Enregistré le : 21 mai 2005, 12:37

Re: Recyclage en Intelligence Artificielle

#11 Message par slash33 » 04 févr. 2019, 13:31

watoo a écrit :
04 févr. 2019, 01:37
Peut-être demander à Slash33 ?

viewtopic.php?p=2320836#p2320542
A part qu'on parle d'opposés là: ma "formation" c'est 2 jours.

PACA
~~+
~~+
Messages : 8750
Enregistré le : 26 déc. 2011, 12:31

Re: Recyclage en Intelligence Artificielle

#12 Message par PACA » 04 févr. 2019, 20:09

PACA a écrit :
04 févr. 2019, 10:11
..., je n'ai jamais suivi de formation, ....
Pour nuancer, je me suis souvenu au moins d'un stage "recyclage" d'une semaine en 86 pour le Toolkit de programmation Windows chez MS Paris .... kit complément buggé, la librairie adressage "large 32 bit" inutilisable. J'avais découvert par hasard Windows sur un PC Goupil (MS Dos 640k), c'était une appli qui n'avait rien d'un système qui fonctionnait en mode préhentif pseudo multitache, idem CICS d'IBM. A l'époque GEM d'Atari était un "vrai" système avec une bonne longueur d'avance techniquement sur Windows .... qui avec tous ses bugs et un système complétement pourri a fini par gagner la partie.
La formation s'est toujours bornée à quelques jours quand nous n'avions pas les compétances dans l'équipe. En général certains points essentiels comme les outils de debug ne sont pas ou peu abordés dans les stages d'initiations.

Au fait ça se debug et se qualifie comment l'IA ? …. par un outils de debug IA …. lui même sous IA ….. les bug disparaissent tout seuls par itérations successives d'IA ? => les programmes s'auto corrigent ?

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#13 Message par WolfgangK » 04 févr. 2019, 23:38

PACA a écrit :
04 févr. 2019, 20:09
Au fait ça se debug et se qualifie comment l'IA ? …. par un outils de debug IA …. lui même sous IA ….. les bug disparaissent tout seuls par itérations successives d'IA ? => les programmes s'auto corrigent ?
C'est tout le problème. On peut pas corriger directement les erreurs puisque tout le principe, c'est d'arriver à faire faire des calculs à la machine qu'on ne saurait pas expliciter directement (sinon, on le ferait en écrivant du code "classique").
L'IA est souvent liée à des problèmes où pour des entrées (sous forme numérique etou symbolique), on veut un résultat pertinent (symbolique (et/?) ou numérique) sans pouvoir coder explicitement la formule pour passer de l'un à l'autre.

Si on est dans un cas dit "supervisé" où l'on a des exemple de ce qu'on veut (cf ce que Google nous fait faire avec les Captcha), on fait "apprendre" à généraliser à partir de ces exemples (on calcul des paramètres sur un ensemble d'apprentissage et on vérifie la généralisation en validant les hyperpramètres sur un ensemble de validation).
Un peu comme pour l'enseignement, où l'on ferait apprendre par des exemples donnés avec les résultats (ensemble d'apprentissage), puis on ferait des interros (ensemble de validation) avant d'essayer de passer les concours (ensemble de test).

Donc si le "bug", c'est de mauvais résultats, l'algo d'apprentissage va converger vers un résultat pour l'ensemble d'apprentissage. Mais déjà il n'y a en général pas d'algo permettant d'atteindre l'optimal global (cf. complexité algo), mais ensuite c'est la validation qui va déterminer la pertinence des hyperparamètres (on veut pas juste apprendre "par cœur" les exemples de l'ensemble d'apprentissage, mais pouvoir généraliser pour donner des réponses pertinentes aux cas inconnus), là si les résultats ne sont pas bons, il faut revoir les hyperparamètres du système d'apprentissage.

Pour le Deep Learning, je n'y connais pas encore grand chose (les réseaux n'étaient pas encore "deep" de mon temps), je pense qu'il y a encore un côté "alchimie" avec des paramètres pas encore bien maitrisés sur le plan théorique (pas encore assez de théories explicatives pour faire correspondre un espace des solutions [architecture et paramétrage des réseaux] à un espace des problématiques).

Pour revenir au post initial, je pense que c'est intéressant de regarder ce que font les candidats des compétitions https://www.kaggle.com/competitions .
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
stchong
~~+
~~+
Messages : 9319
Enregistré le : 12 nov. 2014, 11:40

Re: Recyclage en Intelligence Artificielle

#14 Message par stchong » 04 févr. 2019, 23:48

WolfgangK a écrit :
04 févr. 2019, 23:38
PACA a écrit :
04 févr. 2019, 20:09
Au fait ça se debug et se qualifie comment l'IA ? …. par un outils de debug IA …. lui même sous IA ….. les bug disparaissent tout seuls par itérations successives d'IA ? => les programmes s'auto corrigent ?
C'est tout le problème. On peut pas corriger directement les erreurs puisque tout le principe, c'est d'arriver à faire faire des calculs à la machine qu'on ne saurait pas expliciter directement (sinon, on le ferait en écrivant du code "classique").
L'IA est souvent liée à des problèmes où pour des entrées (sous forme numérique etou symbolique), on veut un résultat pertinent (symbolique (et/?) ou numérique) sans pouvoir coder explicitement la formule pour passer de l'un à l'autre.

Si on est dans un cas dit "supervisé" où l'on a des exemple de ce qu'on veut (cf ce que Google nous fait faire avec les Captcha), on fait "apprendre" à généraliser à partir de ces exemples (on calcul des paramètres sur un ensemble d'apprentissage et on vérifie la généralisation en validant les hyperpramètres sur un ensemble de validation).
Un peu comme pour l'enseignement, où l'on ferait apprendre par des exemples donnés avec les résultats (ensemble d'apprentissage), puis on ferait des interros (ensemble de validation) avant d'essayer de passer les concours (ensemble de test).

Donc si le "bug", c'est de mauvais résultats, l'algo d'apprentissage va converger vers un résultat pour l'ensemble d'apprentissage. Mais déjà il n'y a en général pas d'algo permettant d'atteindre l'optimal global (cf. complexité algo), mais ensuite c'est la validation qui va déterminer la pertinence des hyperparamètres (on veut pas juste apprendre "par cœur" les exemples de l'ensemble d'apprentissage, mais pouvoir généraliser pour donner des réponses pertinentes aux cas inconnus), là si les résultats ne sont pas bons, il faut revoir les hyperparamètres du système d'apprentissage.

Pour le Deep Learning, je n'y connais pas encore grand chose (les réseaux n'étaient pas encore "deep" de mon temps), je pense qu'il y a encore un côté "alchimie" avec des paramètres pas encore bien maitrisés sur le plan théorique (pas encore assez de théories explicatives pour faire correspondre un espace des solutions [architecture et paramétrage des réseaux] à un espace des problématiques).

Pour revenir au post initial, je pense que c'est intéressant de regarder ce que font les candidats des compétitions https://www.kaggle.com/competitions .
D'où les problèmes de normativité de l'IA dans l'imagerie médicale.

Avatar du membre
Parsifal
-+
-+
Messages : 2202
Enregistré le : 09 févr. 2015, 10:22

Re: Recyclage en Intelligence Artificielle

#15 Message par Parsifal » 05 févr. 2019, 07:48

Voila même dans le cas le plus simple (supervisé), l'on doit accepter que le remplacement des spécifications par des exemples classés conduira à certain nombre d'erreurs. Et généralement l'on est moins tolérant avec une machine qu'un humain la dessus.
Cette erreur sera directement liée à la "qualité" et à la quantité des données en entrée ; souvent plus qu'à l'algo lui même tant qu'il est proche de l'état de l'art sur ce type de données. Le boulot d'un ingénieur ML c'est 80% de tuyauterie et 20% de ML. C'est un vrai soucis car ils sont généralement pas très intéressés par la plomberie, mais il est essentiel que ce soit eux qui la supervisent de très près sinon le modèle final risque d'être inutilisable. De fait, un nouveau type de debuggage est apparu consistant à savoirdans quelles conditions l'algo part dans les choux. Pouvoir le faire nécessite souvent une compréhension assez fine de l'algo en dessous.

Para
Messages : 584
Enregistré le : 30 sept. 2009, 21:39

Re: Recyclage en Intelligence Artificielle

#16 Message par Para » 05 févr. 2019, 08:13

Bonjour Fabrice
Je peux te parler de mon expérience car depuis 4 ans j'ai changé d'orientation pour devenir data scientist.
Déjà, pour moi, IA ça ne veut pas dire grand chose, c'est un mot fourre tout à la mode. Dans mon domaine, je parlerais d'algorithmes (de classification supervisée notamment).
Je n' ai vu personne parler ici des compétences à acquérir en statistiques, or c'est très important pour ne pas faire de contresens.
Apres, tout dépend comment tu envisages de te recycler. Est-ce pour te repositionner en interne dans ta boîte ou pour te vendre sur le marché du travail ? Si c'est le second cas, ça va être plus dur car en concurrence avec des jeunots sortis de formations académiques spécialisées sur le sujet.
Il y a pas mal de mooc, je pense à "introduction à la statistique avec R" sur France Université Numerique.
Il y a également un bouquin très bien pour les débutants, en anglais "introduction to statistical learning" chez Springer.
Modifié en dernier par Para le 16 févr. 2019, 20:26, modifié 1 fois.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#17 Message par WolfgangK » 05 févr. 2019, 09:42

Oui, même si pour moi data science est adjacent mais un peu différent de IA. Je conseille plus Python que R, mais c'est peut-être parce que je déteste R ☺.
À propos de connaissance en stats pour ne pas faire dire n'importe quoi aux données, est-ce qu'on voit https://en.wikipedia.org/wiki/Berkson%27s_paradox et https://fr.wikipedia.org/wiki/Paradoxe_de_Simpson ?
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

PACA
~~+
~~+
Messages : 8750
Enregistré le : 26 déc. 2011, 12:31

Re: Recyclage en Intelligence Artificielle

#18 Message par PACA » 05 févr. 2019, 10:18

Parsifal a écrit :
05 févr. 2019, 07:48
De fait, un nouveau type de debuggage est apparu consistant à savoirdans quelles conditions l'algo part dans les choux. Pouvoir le faire nécessite souvent une compréhension assez fine de l'algo en dessous.
Il me semble que c'est un point où la maturité et l'expérience, tous systèmes confondus, peut présenter un intérêt, à tous les niveaux : conception, architecture / outils de debug / qualification / tests de non régression / modèle de référence => le vocabulaire est un peu désuet mais ce sont des invariants.
Si elles n'existent pas, Il faut inventer les conditions de pérennité du produit en fonction de son espérance de vie dés la conception.
A défaut savoir identifier les impasses et les formaliser.
Celui qui se recycle peut apporter son savoir faire en matière de viabilité des produits.... le vévu de marathons de debug et de qualification pendant des mois et des années ne s'apprend pas, il se vit.

Il est vrai qu'on peut aussi faire fortune en vendant des produits pourris, la qualité n'est pas une condition suffisante de réussite …
on change de sujet en passant sur des considérations marketing.
Modifié en dernier par PACA le 05 févr. 2019, 10:26, modifié 1 fois.

Para
Messages : 584
Enregistré le : 30 sept. 2009, 21:39

Re: Recyclage en Intelligence Artificielle

#19 Message par Para » 05 févr. 2019, 10:23

N'étant pas statisticienne à la base, j'ai vraiment eu beaucoup de mal avec les stats. J'y comprenais rien.
Et puis je suis tombée sur le cours de Denis Poinsot, statistiques pour statophobes (trouvable en pdf sur internet) et la j'ai enfin compris la logique du truc. Ça m'a mis le pied à l'étrier.

Concernant r et python, mon prof a l'X comparait r à une auberge espagnole et python à une cathédrale. R fourmille de librairies, c'est très riche, mais pas mal galère vu que la syntaxe change d'une librairie à l'autre. R me paraît être adapté aux mathématiciens qui aiment bidouiller. Question de préférence personnelle, je pense.

Avatar du membre
Parsifal
-+
-+
Messages : 2202
Enregistré le : 09 févr. 2015, 10:22

Re: Recyclage en Intelligence Artificielle

#20 Message par Parsifal » 05 févr. 2019, 10:33

WolfgangK a écrit :
05 févr. 2019, 09:42
Oui, même si pour moi data science est adjacent mais un peu différent de IA. Je conseille plus Python que R, mais c'est peut-être parce que je déteste R ☺.
À propos de connaissance en stats pour ne pas faire dire n'importe quoi aux données, est-ce qu'on voit https://en.wikipedia.org/wiki/Berkson%27s_paradox et https://fr.wikipedia.org/wiki/Paradoxe_de_Simpson ?
Oui c'est la base pour faire les A/B tests correctement. La tendance actuelle est même de tenter d'identifier e graphe causal. Allez voir les travaux de Judeas Pearl (plus ou moins fondateur du domaine) ou ceux récents de B. Schölkopf pour une vision plus ML. Pourquoi pas aussi du coté aussi des évaluations "counterfactuals" .

Pour l'expérience en test unitaires et autre debug, pour la partie spécifiquement ML ce n'est vraiment pas trivial et pour le coup il faut bien comprendre les algos mais je suis d'accord pour dire que dans ce domaine avoir des personnes avec de l'expérience est précieux. A noter aussi que le marché connait aujourd'hui une forme de crise de la crédibilité : des gens sont sortis de très bonnes écoles en se clamant "data whatever", mais n'étaient absolument pas compétents en ML (souvent ils s'appuyaient sur un savoir uniquement en stats et assez peu de pratique de vraies données en gros volume). Bref tout le monde veut embaucher des personnes avec 5 ans d'expérience réussies, mais la majorité des candidats n'a pas d'expérience mélangeants stats ; (vraiment) gros volumes et données particulières (images, textes).

R il ne faut pas y toucher si on veut faire du ML at scale. Le modèle objet est calamiteux et les passages sont fait par copie partout (il faut ruser avec les environnements pour passer des références). Très compliqué de reproduire d'état de l'art des réseaux de neurones aussi. Enfin R en prod, je sais qu'EDF le fait, mais bon... c'est loin d'être économe.

Avatar du membre
Pi-r2
Modérateur
Modérateur
Messages : 36015
Enregistré le : 08 juil. 2005, 19:31

Re: Recyclage en Intelligence Artificielle

#21 Message par Pi-r2 » 05 févr. 2019, 10:38

Parsifal a écrit :
05 févr. 2019, 10:33
les passages sont fait par copie partout
Hein et ils croient pouvoir faire de la vraie IA avec ça ? :lol: :lol: :lol:
Les bonnes idées triomphent toujours. D'ailleurs c'est à cela qu'on reconnait qu'elles étaient bonnes.
mon statut de modérateur ne m'interdit pas de participer aux discussions. Je ne modère pas les discussions auxquelles je participe.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#22 Message par WolfgangK » 05 févr. 2019, 10:53

Pi-r2 a écrit :
05 févr. 2019, 10:38
Parsifal a écrit :
05 févr. 2019, 10:33
les passages sont fait par copie partout
Hein et ils croient pouvoir faire de la vraie IA avec ça ? :lol: :lol: :lol:
J'ai vu un gars présenter une "solution" d'algo génétiques sous… Excel ! (à EdF, décidémment !)
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

PACA
~~+
~~+
Messages : 8750
Enregistré le : 26 déc. 2011, 12:31

Re: Recyclage en Intelligence Artificielle

#23 Message par PACA » 05 févr. 2019, 10:58

En général on travaille en équipe.
On peut a priori éviter de s'orienter vers des travaux directs qui impliquent des connaissances mathématiques. On ne s'improvise pas spécialiste en champs de Markov, recyclage ou pas. Dans ce cas on travaille en équipe avec un spécialiste de la question qui n'intervient que de façon ponctuelle.

Avatar du membre
Pi-r2
Modérateur
Modérateur
Messages : 36015
Enregistré le : 08 juil. 2005, 19:31

Re: Recyclage en Intelligence Artificielle

#24 Message par Pi-r2 » 05 févr. 2019, 11:02

WolfgangK a écrit :
05 févr. 2019, 10:53
J'ai vu un gars présenter une "solution" d'algo génétiques sous… Excel !
disons que ça peut servir pour faire une maquette émulée , mais rien de plus.
Les bonnes idées triomphent toujours. D'ailleurs c'est à cela qu'on reconnait qu'elles étaient bonnes.
mon statut de modérateur ne m'interdit pas de participer aux discussions. Je ne modère pas les discussions auxquelles je participe.

Matthieu Brucher
Messages : 1384
Enregistré le : 08 juil. 2008, 08:58

Re: Recyclage en Intelligence Artificielle

#25 Message par Matthieu Brucher » 06 févr. 2019, 13:39

WolfgangK a écrit :
04 févr. 2019, 23:38
Pour le Deep Learning, je n'y connais pas encore grand chose (les réseaux n'étaient pas encore "deep" de mon temps), je pense qu'il y a encore un côté "alchimie" avec des paramètres pas encore bien maitrisés sur le plan théorique (pas encore assez de théories explicatives pour faire correspondre un espace des solutions [architecture et paramétrage des réseaux] à un espace des problématiques).
Les algos DL sont des boites noires. Tout ce qui se fait sur des reseaux de neurones sont des boites noires.
La seule maniere de s'en sortir pour expliquer est de bien maitriser les methdoes dites classiques et surtout la chaine complete Machine Learning afin de savoir quelle est la vraie question a laquelle on repond et si c'est la meme que celle que le client a pose. Et ca, ca ne se debugge pas, ca se concoit a l'avance.

PACA
~~+
~~+
Messages : 8750
Enregistré le : 26 déc. 2011, 12:31

Re: Recyclage en Intelligence Artificielle

#26 Message par PACA » 07 févr. 2019, 08:58

Matthieu Brucher a écrit :
06 févr. 2019, 13:39
Les algos DL sont des boites noires. Tout ce qui se fait sur des reseaux de neurones sont des boites noires.
Des boites noires dont le fonctionnement dépend de la nourriture et de l'éducation de la boite.
Comment se gère les tests de non régression à chaque nouvelle version de la boite noire intelligente ?
Comment connait-on les gouts alimentaires de la boite noire ? ses allergies ? comment la nourrir et l'éduquer correctement ?
Un savoir faire à ce niveau doit se payer très cher sur le marché de l'emploi, fonction : éleveur et dresseur de boites noires intelligentes DL. Un bon créneau pour se recycler.

On utilise depuis toujours des boites noires qui ont une fonction bien précise et formalisée avec des algorithmes internes plus ou moins complexes .
Pour une boite noire qui fait un tri fusion, la description de la fonction est contenue dans le mot TRI, l'algorithme interne a uniquement un impact sur les temps de traitement et les ressources nécessaires, mais le résultat obtenu ne changera jamais pour des données inchangées en entrée.

Avatar du membre
Parsifal
-+
-+
Messages : 2202
Enregistré le : 09 févr. 2015, 10:22

Re: Recyclage en Intelligence Artificielle

#27 Message par Parsifal » 07 févr. 2019, 09:17

PACA a écrit :
07 févr. 2019, 08:58
Un savoir faire à ce niveau doit se payer très cher sur le marché de l'emploi, fonction : éleveur et dresseur de boites noires intelligentes DL. Un bon créneau pour se recycler.
Il y a un type de profil qui est effectivement apparu et qui sait grosso modo comment nourrir la boite et à peu près contrôler la qualité de ce qui en sort, mais sa valeur économique est de loin la plus basse de ce marché. En effet, les librairies type Tensorflow permettent de faire cela à petite échelle en se formant moins de 3 semaines. CE qui compte c'est de savoir le faire à large échelle sans avoir besoin de Google Cloud ou bien de savoir faire des trucs en plus des exemples déjà fournis par Tensorflow et sa communauté.

Matthieu Brucher
Messages : 1384
Enregistré le : 08 juil. 2008, 08:58

Re: Recyclage en Intelligence Artificielle

#28 Message par Matthieu Brucher » 07 févr. 2019, 11:08

PACA a écrit :
07 févr. 2019, 08:58
Des boites noires dont le fonctionnement dépend de la nourriture et de l'éducation de la boite.
Comment se gère les tests de non régression à chaque nouvelle version de la boite noire intelligente ?
Comment connait-on les gouts alimentaires de la boite noire ? ses allergies ? comment la nourrir et l'éduquer correctement ?
Un savoir faire à ce niveau doit se payer très cher sur le marché de l'emploi, fonction : éleveur et dresseur de boites noires intelligentes DL. Un bon créneau pour se recycler.

On utilise depuis toujours des boites noires qui ont une fonction bien précise et formalisée avec des algorithmes internes plus ou moins complexes .
Pour une boite noire qui fait un tri fusion, la description de la fonction est contenue dans le mot TRI, l'algorithme interne a uniquement un impact sur les temps de traitement et les ressources nécessaires, mais le résultat obtenu ne changera jamais pour des données inchangées en entrée.
Sachant que c'est und omaine de recherche fondamental depuis que les reseaux de neurones existent...
Lis le bouquin "Weapons of Math Destruction", il est tres bien fait et eduque tres bien sur le fait que lq mqjorite des gens ne comprennent pas ce que la boite noire fait et s'en foutent en general, creant des biais racistes, genres et autres.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#29 Message par WolfgangK » 07 févr. 2019, 11:41

Matthieu Brucher a écrit :
07 févr. 2019, 11:08
lq mqjorite des gens ne comprennent pas ce que la boite noire fait et s'en foutent en general, creant des biais racistes, genres et autres.
Ça m'inquiète un peu comme formulation, parce que je pense que le problème est beaucoup plus complexe que ça.
https://arxiv.org/pdf/1609.05807.pdf

Comme les mesures sont bruitées, il est malheureusement objectivement correct, même si éthiquement répugnant, de prendre en compte les distributions a priori dont sont issues les individus. Et parfois l'exactitude de la modélisation bénéficie aux individus eux-même.
Aussi, les corrélations peuvent correspondre à des variables cachées. Par exemple pour les noirs américains, avec le nombre d'amis riches ou pauvres. Un système de machine learning pourra donc apprendre que, toutes choses par ailleurs égales, un noir aura plus de risques de ne pas pouvoir rembourser son crédit qu'un blanc. Est-il raiste ? Et si l'on corrige le système, le rend-on plus juste en le rendant plus inexact ? Quid des noirs à qui l'on fera un crédit immo et qui se feront saisir leur maison ?
J'ai pas de solution, mais je pense que le problème est plus compliqué qu'on veut bien le faire croire.
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
Parsifal
-+
-+
Messages : 2202
Enregistré le : 09 févr. 2015, 10:22

Re: Recyclage en Intelligence Artificielle

#30 Message par Parsifal » 07 févr. 2019, 13:49

Il y a des solutions il faut regarder du coté de l'algorithmic fairness (Odds Equality par exemple ou Disparate Impact qui est assez différent) et pour lesquels ont sait entrainer des modèles avec des garanties de non discrimination.

alexlyon
~~+
~~+
Messages : 7540
Enregistré le : 18 nov. 2015, 22:37

Re: Recyclage en Intelligence Artificielle

#31 Message par alexlyon » 07 févr. 2019, 13:52

WolfgangK a écrit :
07 févr. 2019, 11:41
Matthieu Brucher a écrit :
07 févr. 2019, 11:08
lq mqjorite des gens ne comprennent pas ce que la boite noire fait et s'en foutent en general, creant des biais racistes, genres et autres.
Ça m'inquiète un peu comme formulation, parce que je pense que le problème est beaucoup plus complexe que ça.
https://arxiv.org/pdf/1609.05807.pdf

Comme les mesures sont bruitées, il est malheureusement objectivement correct, même si éthiquement répugnant, de prendre en compte les distributions a priori dont sont issues les individus. Et parfois l'exactitude de la modélisation bénéficie aux individus eux-même.
Aussi, les corrélations peuvent correspondre à des variables cachées. Par exemple pour les noirs américains, avec le nombre d'amis riches ou pauvres. Un système de machine learning pourra donc apprendre que, toutes choses par ailleurs égales, un noir aura plus de risques de ne pas pouvoir rembourser son crédit qu'un blanc. Est-il raiste ? Et si l'on corrige le système, le rend-on plus juste en le rendant plus inexact ? Quid des noirs à qui l'on fera un crédit immo et qui se feront saisir leur maison ?
J'ai pas de solution, mais je pense que le problème est plus compliqué qu'on veut bien le faire croire.
A quoi bon l'AI dans cet exemple, si c'est pour apprendre et traiter ce que l'on sait déjà tous depuis des siècles ?

PACA
~~+
~~+
Messages : 8750
Enregistré le : 26 déc. 2011, 12:31

Re: Recyclage en Intelligence Artificielle

#32 Message par PACA » 07 févr. 2019, 15:10

Merci pour vos explications je vais aussi me renseigner un peu plus auprès d’un utilisateur de boite noire DL qui semble très satisfait des résultats pertinents et rapides par rapport aux démarches classiques. Ce qui semble fastidieux et lourd c'est de nourrir la bête, mais après la phase d'alimentation la mise en œuvre est aisée et efficace. Effectivement, on se fiche de ce qui se passe dans la boite…. tout comme on se fiche de ce que fait un TRI/Fusion, on attend un résultat.
Globalement cela ressemble bien à un stade opérationnel courant d'utilisation d'outil. C’est un contexte de labo de recherche, mais de recherches appliquées => avec obligation de résultats.

Pour l’instant, mes pseudo connaissances sur le sujet se bornent à des discussions de comptoir, je vais creuser.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#33 Message par WolfgangK » 07 févr. 2019, 15:29

PACA a écrit :
07 févr. 2019, 15:10
Effectivement, on se fiche de ce qui se passe dans la boite…. tout comme on se fiche de ce que fait un TRI/Fusion, on attend un résultat.
Globalement cela ressemble bien à un stade opérationnel courant d'utilisation d'outil. C’est un contexte de labo de recherche, mais de recherches appliquées => avec obligation de résultats.
Non, pour moi c'est d'une nature différente par rapport à un tri. Rapidement, je vois au mois trois classes d'algorithmes
- algo qui donnent un optimum global
- algo stochastiques qui donnent un optmum local (complexité algorithmique trop grande pour faire mieux)
- apprentissage automatique, pour lesquels il y a en plus des hypothèses plus ou moins implicites sur les données et dont les mécanismes ne sont pas maîtrisés. Cf. https://en.wikipedia.org/wiki/Adversari ... e_learning

Aussi https://medium.com/bethgelab/neural-net ... 229317261f
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
Jeffrey
Modérateur
Modérateur
Messages : 13766
Enregistré le : 12 févr. 2012, 19:59

Re: Recyclage en Intelligence Artificielle

#34 Message par Jeffrey » 07 févr. 2019, 18:13

WolfgangK a écrit :
07 févr. 2019, 15:29
PACA a écrit :
07 févr. 2019, 15:10
Effectivement, on se fiche de ce qui se passe dans la boite…. tout comme on se fiche de ce que fait un TRI/Fusion, on attend un résultat.
Globalement cela ressemble bien à un stade opérationnel courant d'utilisation d'outil. C’est un contexte de labo de recherche, mais de recherches appliquées => avec obligation de résultats.
Non, pour moi c'est d'une nature différente par rapport à un tri. Rapidement, je vois au mois trois classes d'algorithmes
- algo qui donnent un optimum global
- algo stochastiques qui donnent un optmum local (complexité algorithmique trop grande pour faire mieux)
- apprentissage automatique, pour lesquels il y a en plus des hypothèses plus ou moins implicites sur les données et dont les mécanismes ne sont pas maîtrisés. Cf. https://en.wikipedia.org/wiki/Adversari ... e_learning

Aussi https://medium.com/bethgelab/neural-net ... 229317261f
hello,
Je vais essayer d'affiner ta réponse/classification
Différencier un optimum global d'un optimum local n'est pas exactement une classification structurante.

On peut plutôt voir la chose ainsi :

Algorithmie de base.
la plus simple des procédures algorithmiques consiste à examiner une grandeur et à opérer une classification selon cette grandeur. C'est ce que fait un algorithme de tri. On trie des données en fonction des valeurs.
Mais le tri en lui même est une hiérarchisation de la donnée. Il y a la plus grande et la moins grande. Ce qui signifie que l'opérateur identifie la donnée pertinente, et sait quelle structure il compte observer en fonction de cette donnée :celui d'un classement hérarchique.
Qu'est ce qu'une boite noire dans ce cas ? C'est une procédure dont on ne soucie pas de la méthode opérationnelle, étant donné qu'on dispose d'une part d'une donnée et d'autre part d'un attendu de résultat identifiable.

Donc face à une donnée, il est possible de construire une liste de solutions et d'opérer une classification de ces solutions de manière explicite.

Ensuite, à l'intérieur de cette catégorie, il existe des sous approches. En particulier les approches exactes et déterministes (tri fusion par exemple), mais pas seulement.

Il existe aussi des approches dites "méthodes d'approximation" et des approches dites heuristiques. Les approches "méthodes d'approximation" permettent une certaine garantie de qualité de résultat, tandis que les heuristiques proposent des solutions via une procédure dont l'algorithmie est au cœur de la problématique.

Prenons un exemple : le problème du voyageur de commerce. Je pars du principe que tout le monde le connait. Donc devant un réseau de villes reliées, trouver une solution approchée pour le problème du voyageur de commerce est mettre en œuvre un algorithme déterministe qui conduit à une solution pas forcément la meilleure mais qui présente des garanties de résultat. Là encore, on est capable d'identifier la qualité d'un résultat, car la structure de classification des solutions (somme des distances parcourues) est parfaitement connue des demandeurs.

Dans le cas de l'emploi d'une heuristique, on transfère la question de la qualité intrinsèque de la solution à la question de la pertinence algorithmique pour évaluer une aptitude de la méthode à améliorer une première solution.
Par exemple, le recuit simulé, qui peut être considéré comme une méthode stochastique, consiste à se déplacer dans un ensemble de solutions, en supportant provisoirement une dégradation de la solution proposée, pour aboutir à un optimum plus intéressant.
Donc en résumé, cette première catégorie de problèmes traités informatiquement comprend des algos déterministes, des algos approximatifs, des algos heuristiques. Mais en toutes circonstance, il y a une sémantique du problème parfaitement posée : on a la donnée pertinente, et on sait ce qu'on veut classer.

Ces techniques sont en général connues des développeurs depuis une cinquantaine d'années, et c'est le cœur de métier des formations de développeurs habituels. Je suppose que PACA connait ce genre de choses.


La question de la structuration de la donnée au cœur du problème.
Cette catégorie est encore plus ancienne que les méthodes algorithmiques, puisqu'on la trouve au départ chez Gauss, avec la méthode des moindres carrés. L'approche est différente, il s'agit de disposer d'un jeu multidimensionnel de données, et de mettre en évidence un lien structurel entre ces données. La première idée qui vient à l'esprit est la régression linéaire. Mais ce n'est pas la seule illustration de cette approche. D'abord la régression n'est pas forcément linéaire.
Ensuite il y a à l'intérieur de cette structuration deux aspects assez distincts : mettre en évidence une structure, et retirer un éventuel bruit.
Ces techniques se sont développées du point de vue informatique dans les années 70 et ultérieurement. Je parle ici d'approche mathématique traduite en concepts informatiques;
Par exemple, cela a donné lieu aux méthodes de filtrage linéaire (pour le bruit), ou à la transformée de Hough (pour la question de la structuration de la donnée), ou au filtrage de Kalman .

D'un point de vue implémentation informatique de premiers filtres correspondant à un filtrage opéré directement par la machine et non par l'application d'une méthode calculatoire, on a évidemment l'invention du perceptron.
On peut aller plus loin dans l'exemple, avec la question des recherches d'optimum global pour éviter les optima locaux. Les techniques mathématiques sous jacentes sont parfaitement connues, on peut par exemple citer le lagrangien augmenté et plus généralement l'analyse convexe.
Bref, ce paragraphe a un fort rapport avec les maths, mais il est essentiel de comprendre qu'il explique à la fois que la base théorique existe d'une part, et qu'il serait dangereux de la négliger avec une philosophie "boite noire", parce que cela signifie qu'on ne fait que produire du code sans savoir s'il sera opérationnel.
A l'heure actuelle, beaucoup de questions concernant des transformations des données (changement d'espace de données) permettent de reformuler des problèmes de manière très efficace. Reste à savoir si l'informaticien agit à ce moment là, ou seulement après comme implémenteur de la méthode.
Toujours est-il, qu'en tout état de cause, même si on a changé d'approche, la donnée est identifiée, et l'attendu de classification l'est également. Fondamentalement, il n'y a pas de différence majeure avec la première catégorie, si ce n'est qu'elle autorise de traiter une donnée brute moins explicite.
J'ai encore envie de citer dans cette catégorie l'analyse par valeurs singulières, les transformées de Haar, et autres bricoles célèbres comme la réduction dimensionnelle.

3° Vers une analyse structurelle non structurante.
Késako ? Il s'agit de considérer un ensemble de données, depuis lesquelles il n'y a pas lieu de fournir une structuration classifiante directement.
Par exemple, on dispose d'un jeu de données et on cherche à savoir si quelqu'un a une tumeur. Ou on a un jeu de données sur des forages, et on cherche à savoir s'il y a du pétrole..
Là, il s'agit de produire une réponse analytique qui exprime en gros on va dire une probabilité. Dans cette catégorie, il n'y a pas de classement inter-opérant entre données, mais des questions d'ordre probabilistes ou topologiques liées aux corrélations possibles. Qu'est ce que ça donne du point de vue de l'informatique ? La régression logistique par exemple. IL y a encore un fondement mathématique sous jacent important, mais force est de constater que c'est délaissé par des opérateurs informatiques en général. On est bien dans une approche boite noire.
Typiquement, on est face à des problèmes qui nécessitent un grand apprentissage, avec des écueils potentiels comme des sur apprentissages et autres bizarreries liées au mode opératoire. Néanmoins, avec un peu de recul, cette catégorie d'approche n'est pas fondamentalement différente de celle liée à la structure mathématique sous jacente d'une donnée; Simplement, beaucoup de gens ne réalisent pas par exemple qu'on peut appliquer la méthode des moindres carrés avec presque zéro données. Simplement c'est pas très "efficace". Mais le problème reste le même. Mais je m'égare.
En tout cas, cette catégorisation de l'approche comprend à la fois les apprentissages supervisés, et ceux non supervisés. Les modalités opérationnelles de classification étant au cœur de cette catégorie (inférence Bayésienne par exemple), et non la question de l'identification structurelle.

4° ce qui appartient en propre au monde informatique. Le deep learning
Le deep Learning s'apparente d'après moi plus à la question des modalités de résolution du point de vue informatique. Par exemple, on a vu que le perceptron est une mise en œuvre d'un classificateur linéaire face à une donnée dans laquelle on est capable de décrire une caractéristique et un attendu de classification/sélection. Que se passe-t-il quand on boucle entre eux des perceptrons ? Et bien on délaisse la question sous-jacente de la structuration de la donnée pour la transférer à une organisation informatique du traitement de l'info (backward propagation ...). On rentre de plein pied dans des questions de savoir faire, parce que notamment, les questions sous-jacentes de modus operandi de morphisme entre la détection d'une structure et la capacité d'un système à la traiter sont encore à découvrir. Donc on bidouille.
Typiquement, un aspect essentiel qui apparait dans cette dernière catégorie, qui perd sa dimension d'analyse structurelle de la donnée, est la mise en œuvre de méthodes d'apprentissage spécifique. Par exemple, l'idée de faire opérer deux entités distinctes pour le traitement d'un problème qui agissent en opposition (utilisé pour les algorithmes de jeux et maintenant appliqué à plein d'autres domaines). Là , c'est le savoir faire de gens qui baignent complètement dans le domaine.

Je pense que cette classification permet de retrouver ses petits, de savoir ce qu'on connait et ce qu'on ne connait pas si on veut toucher du domaine, et de savoir un peu où on met les pieds si on veut se lancer dans une formation.
mtc
Quis custodiet ipsos custodes?

Avatar du membre
Parsifal
-+
-+
Messages : 2202
Enregistré le : 09 févr. 2015, 10:22

Re: Recyclage en Intelligence Artificielle

#35 Message par Parsifal » 07 févr. 2019, 20:20

Je n'ai pas tout à fait la même vision : à la base il y a les stats. L'essentiel utile a été fait avant 1980 (modèle linéaire généralisé, tests d'hypothèses, régression logistique, bootstrap, Thompson sampling, SVD, SGD ...)
Le ML qui est une branche de l'informatique connaissait assez mal les stats en général dans les années 80-90 et faisait pas mal de bricolage. Mais le centre d'intérêt du ML n'était plus de développer une méthode théorique, mais bien de faire faire quelque chose à un ordinateur sans avoir besoin de fournir des spécifications explicites.
Vers 2000 sont apparues les SVM (méthodes à noyaux) et quelques outils comme les inégalités de concentration à la Talagrand, LASSO, Boosting, qui ont un peu mis tout le monde d'accord : des résultats théoriques fournissaient les meilleurs algorithmes sur tout un tas de données et s'exprimaient en quelques lignes dans le langage de l'algèbre linéaire. C'était clairement l'age d'or théorique : même si bien souvent des résultats étaient des reformulations de théories plus anciennes comme celle de Kolmogorov, le champ avait des problèmes pratiques à résoudre et rassemblait des outils qui n'avaient pas franchement été utilisés ensembles jusque là.
A cette époque s'affrontaient les tenants d'une approche "convexe" (voire fortement convexe) avec des garanties (impossible ou très difficile de publier un papier sans preuve d'optimalité d'un truc) et ceux souhaitant une approche davantage orientée vers une démarche pratique essai/erreur.

Mais finalement, être subtil c'est avéré moins efficace que d'avoir beaucoup de données et de puissance de traitement avec un algorithme finalement simple.
Le "deep" learning ; nouveau nom des réseaux de neurones est donc revenu en force. D'abord en s'imposant en traitement de l'image et des sons dès 2008 avec des résultats très difficiles à reproduire, mais ensuite en s'industrialisant à une vitesse étonnante via des framework aujourd'hui défunts (Theano et Lua Torch en particulier). L'embauche médiatisée de Yann LeCun dans une conférence en 2013 par FB a donné le top du début du délire. Le camp des convexes a plus ou moins perdu et tout le monde a quasiment accepté de remplacer "loss convexe" par "loss que l'on peut relativement bien optimiser par gradient stochastique amélioré".

A noter également que dans le camp des convexes l'on essayait d'obtenir des garanties en généralisation du minium obtenu pour le loss, dans le monde du gradient stochastique sur des loss non convexes des réseaux de neurones l'on ne souhaite surtout pas trouver le minimum global car celui-ci généralise mal à de nouvelles données. Enfin une littérature importante est apparue et il existe maintenant plein de "tricks" qui compliquent l'auto-formation : ce qui était considéré au top en 2015 peut tout à fait être has been aujourd'hui sans même avoir fait l'objet d'une publication claire dessus (ex : max pooling c'est fini et les conv nets se font remplacer par des réseaux récurrents avec transformers)

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#36 Message par WolfgangK » 08 févr. 2019, 11:03

Bonjour,
Jeffrey a écrit :
07 févr. 2019, 18:13
[…]
Dans le cas de l'emploi d'une heuristique, on transfère la question de la qualité intrinsèque de la solution à la question de la pertinence algorithmique pour évaluer une aptitude de la méthode à améliorer une première solution.
Par exemple, le recuit simulé, qui peut être considéré comme une méthode stochastique, consiste à se déplacer dans un ensemble de solutions, en supportant provisoirement une dégradation de la solution proposée, pour aboutir à un optimum plus intéressant.
Donc en résumé, cette première catégorie de problèmes traités informatiquement comprend des algos déterministes, des algos approximatifs, des algos heuristiques. Mais en toutes circonstance, il y a une sémantique du problème parfaitement posée : on a la donnée pertinente, et on sait ce qu'on veut classer.

Ces techniques sont en général connues des développeurs depuis une cinquantaine d'années, et c'est le cœur de métier des formations de développeurs habituels. Je suppose que PACA connait ce genre de choses.
Je suis d'accord sur l'essentiel sauf que ce n'est pas le "cœur de métier des formations de développeurs habituels" qui sont de plus en plus axés sur des aspects purement techniques et organisationnels (comment faire un CRUD en TDD Agile) plutôt que sur les aspects algorithmiques.(← il y aurait un manifeste à écrire sur ce que pourrait/devrait êttre l'enseignement informatique mais j'ai trop de copies à corriger pour le faire ici et maintenant)
Jeffrey a écrit :
07 févr. 2019, 18:13

La question de la structuration de la donnée au cœur du problème.
Cette catégorie est encore plus ancienne que les méthodes algorithmiques, puisqu'on la trouve au départ chez Gauss, avec la méthode des moindres carrés. L'approche est différente, il s'agit de disposer d'un jeu multidimensionnel de données, et de mettre en évidence un lien structurel entre ces données. La première idée qui vient à l'esprit est la régression linéaire. Mais ce n'est pas la seule illustration de cette approche. D'abord la régression n'est pas forcément linéaire.
Ensuite il y a à l'intérieur de cette structuration deux aspects assez distincts : mettre en évidence une structure, et retirer un éventuel bruit.
Ces techniques se sont développées du point de vue informatique dans les années 70 et ultérieurement. Je parle ici d'approche mathématique traduite en concepts informatiques;
Par exemple, cela a donné lieu aux méthodes de filtrage linéaire (pour le bruit), ou à la transformée de Hough (pour la question de la structuration de la donnée), ou au filtrage de Kalman .
Je pense qu'on perd un peu de monde là donc je précise rapidement pour la transformée de Hough, d'après mes souvenirs de DEA. Soit une image bitmap comme un espace 2D discrétisé en pixels. Pour une famille de formes paramétrées, par exemple des cercles paramétrés par les coordonnées du centre C et le rayon R, à chaque valeur des paramètres correspond un ensemble de pixels (i.e. ceux qui sont à la distance R du point C). Inversement, pout chaque pixel de l'image correspond un ensemble de valeurs de paramètres (i.e. les paramètres de tous les cercles qui passent par ce pixel). On peut donc détecter les formes en regardant les nombres de pixels correspondant aux différentes valeurs de paramètres.
Mais comme dès qu'on parle de signal et de bruit à retirer, il faut caractériser en fonction d'une sémantique. Par exemple, déterminer des classes d'équivalence selon les couleurs de pixels, les façons de déterminer les extrema locaux dans l'espace des paramètres.
Il est donc difficle d'isoler l'algorithme de la problématique pour laquelle il est utilisé.

Pour le filtrage de Kalman, les méthodes Expectation-Maximization en général, et filtre particulaire,…
to be continued (après un paquet de copies☹)
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
Jeffrey
Modérateur
Modérateur
Messages : 13766
Enregistré le : 12 févr. 2012, 19:59

Re: Recyclage en Intelligence Artificielle

#37 Message par Jeffrey » 08 févr. 2019, 13:12

Parsifal a écrit :
07 févr. 2019, 20:20
Je n'ai pas tout à fait la même vision : à la base il y a les stats.[...]
pour faire la synthèse , je pense que tu as prolongé ma taxinomie, notamment dans ce que j'ai appelé les points 3 et 4.
J'avais essayé d'ancrer ma description dans des composantes qui parlent peut être plus à Paca et ou Fabrice, vu leur ancienneté respectives de l'approche, donc en élargissant le spectre de manière à créer des amarres pour des lecteurs non spécialistes. (A eux de dire si cela a marché ou pas :roll: )
Tu as recentré la description sur un historique depuis 2000 et les développements actuels de ce type de métier, et c'est normal que tu sois plus accurate que moi bien entendu.
J'ai deux remarques à faire sur tes précisions forts intéressantes :
- tu as recentré la problématique sur la question de l'approche convexe ou pas. Je crois que précisément, on est dans la description du contenu de ce qu'il y a dans la boite noire. Mais en plus, je trouve que la question est fort remarquable, car elle traduit un hiatus qui existe également dans d'autres domaines de maths appliquées entre des formulations convexes de méthodes de résolution (gradient), et des approches souvent combinatoires pures et dures, qui donnent lieu à des algorithmes exploratoires. Je pense à la méthode des points intérieurs par exemple, versus le simplexe. Mais c'est une parenthèse hors sujet.

En tout cas, cela traduit que le savoir faire et l'efficacité méthodologique a primé par la présentation des résultats plutôt que de s'appuyer sur une théorisation des concepts mis en œuvre.
- ce que tu dis depuis 2015 exprime une accélération et une spécialisation technique des savoirs faire qui devient encore plus cruciale. Ce qui rend sans doute encore plus difficile de rentrer à froid dans le métier. Peut être qu'un informaticien standard peut exploiter plus basiquement les techniques de data mining sans pour autant avoir cette expertise propre aux avancées les plus pointues ? Je n'en sais rien a priori, tu sais que ce n'est pas mon domaine.
WolfgangK a écrit :
08 févr. 2019, 11:03
Je pense qu'on perd un peu de monde là donc je précise rapidement pour la transformée de Hough, [...]
Je vais le redire encore plus prosaïquement : on regarde une image de points noirs et blancs. A la vue directe, on est capable de dire si certains points sont sur des cercles (on a photographié des pièces de monnaie par exemple).
Comment s'en apercevoir avec un traitement par ordinateur ?
En maths, trois points non alignés sont sur un seul cercle qui est défini de manière unique, et dont on est capables de trouver centre et rayon.
Alors on prend tous les points de l'image trois par trois, et on calcule les coordonnées du centre du cercle sur lequel ils sont. Si on tombe plein de fois sur les mêmes valeurs, c'est que tous les points qu'on a pris sont tous sur le même cercle. IL y accumulation de valeurs communes pour la position du centre. On a alors trouvé un moyen de détecter des cercles dans une image.
C'est un exemple bête et méchant de transformation de l'espace des variables.
On pourrait rapprocher cela d'une DCT (transformée de Fourier discrète), globalement, c'est le même principe. On n'est pas à proprement parler dans l'ia effective et opérationnelle dirait sans doute Parsifal, mais ça explique en quoi une transformation d'un ensemble de données permet de construire un processus décisionnel, et c'est aussi un des questionnements fondamentaux que doivent résoudre les chercheurs actuels en ia.
Quis custodiet ipsos custodes?

Avatar du membre
Mixge
Messages : 1039
Enregistré le : 09 déc. 2011, 10:53
Localisation : 13h30

Re: Recyclage en Intelligence Artificielle

#38 Message par Mixge » 08 févr. 2019, 20:29

fabriceb a écrit :
03 févr. 2019, 23:28
Bonsoir à tout le monde.

J'ai 50 ans (ca arrive à des gens très bien, je vous assure) et il me reste donc environ 15 ans à tirer.

L'analyse concrète de ma situation est que je peux trouver un poste de simili-encadrement ou rebondir dans du techno; à priori, j'ai choisi la seconde solution.
Je sais : c'est plus dur et pas plus rémunérateur. Mais ... disons que c'est mon choix.

Donc voilà : j'entends beaucoup parler, ces dernièrs temps, du domaine de l'intelligence artificelle; ma boite à l'air d'en avoir plus ou moins besoin (en tous les cas ce qu'elle semble croire).
Ca m'interesse, mais j'ai besoin d'un recyclage complet (pas la simple "révision de la cinquantaine") bien qu'ayant un passé d'informaticien et d'automaticien ; connaissez vous des formations qui pourraient permettre de transformer un ingénieur en fin de cycle (moi) en cheval de course ?
il parait que l'intelligence artificielle n'existe pas :
https://www.journaldugeek.com/dossier/l ... r-de-siri/

tu devrais plutôt choisir un domaine qui a de l'avenir... :wink:

Avatar du membre
Parsifal
-+
-+
Messages : 2202
Enregistré le : 09 févr. 2015, 10:22

Re: Recyclage en Intelligence Artificielle

#39 Message par Parsifal » 08 févr. 2019, 21:44

Le type est un spécialiste de l'IHM (interface homme machine, mais ils préfèrent dirent qu'ils font de l'intéraction).

Quand j'étais encore étudiant un ponte de ce domaine a essayé de me convaincre que lui pouvait faire des test statistiques significatifs avec 10 points dont 2 outliers qu'il détecte à l'eau.

Des guignols brassant de vent depuis 40 ans au moins. Mais très bon en politique, comme souvent...

L'IA est un vaste fourre tout. Ce qui marche aujourd'hui c'est le Machine Learning. Malheureusement les journalistes font la confusion depuis que deepmind a repris le terme... Ils auraient mieux fait d'être plus spécifique. En ce moment tous les vieux spécialistes de l'IA "à la papa" jouent des coudes pour essayer de se placer. Amha ils sont la meilleure garantie du fait que le plan IA va foirer dans les grandes largeurs. Les spécialistes de ML sont déjà partis aux US ou dans le privé dans leur grande majorité ; même s'il reste quelques Mohicans.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#40 Message par WolfgangK » 08 févr. 2019, 23:06

Jeffrey a écrit :
08 févr. 2019, 13:12
WolfgangK a écrit :
08 févr. 2019, 11:03
Je pense qu'on perd un peu de monde là donc je précise rapidement pour la transformée de Hough, [...]
Je vais le redire encore plus prosaïquement : on regarde une image de points noirs et blancs. A la vue directe, on est capable de dire si certains points sont sur des cercles (on a photographié des pièces de monnaie par exemple).
Comment s'en apercevoir avec un traitement par ordinateur ?
En maths, trois points non alignés sont sur un seul cercle qui est défini de manière unique, et dont on est capables de trouver centre et rayon.
Alors on prend tous les points de l'image trois par trois, et on calcule les coordonnées du centre du cercle sur lequel ils sont. Si on tombe plein de fois sur les mêmes valeurs, c'est que tous les points qu'on a pris sont tous sur le même cercle. IL y accumulation de valeurs communes pour la position du centre. On a alors trouvé un moyen de détecter des cercles dans une image.
C'est un exemple bête et méchant de transformation de l'espace des variables.
Oui, mais non.
Tu penses trop comme un mahtématicien :P
Mon propos est au contraire d'essayer de faire comprendre que :
1. tu ne regardes PAS «une image de points noirs et blancs»
2. «IL y accumulation de valeurs communes pour la position du centre.» n'implique PAS qu '«On a alors trouvé un moyen de détecter des cercles dans une image.»

La transformation de l'espace des variables n'est pas jamais le point difficile (même si je ne suis pas persuadé que la complexité algorithmique de "on prend tous les points de l'image trois par trois" soit optimale https://en.wikipedia.org/wiki/Circle_Hough_Transform ) et c'est justement la différence que j'essayais de pointer entre ce type d'algos et un algo de tri. Pour ce dernier, tu passes en argument tes données et ta relation d'ordre et c'est tout. Il n'y a pas besoin de comprendre les tenants et aboutissants de l'algo pour l'utiliser. Ce n'est pas le cas avec tout ce qui touche au réel tel qu'il est enregistré / perçu (avec des capteurs). Mais je ne pourrais sans doute pas en dire bcp plus sur le forum sans révéler mon identité secrète vu le rapport avec des travaux de recherches assez spécifiques.
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#41 Message par WolfgangK » 08 févr. 2019, 23:12

Parsifal a écrit :
08 févr. 2019, 21:44
Le type est un spécialiste de l'IHM (interface homme machine, mais ils préfèrent dirent qu'ils font de l'intéraction).

Quand j'étais encore étudiant un ponte de ce domaine a essayé de me convaincre que lui pouvait faire des test statistiques significatifs avec 10 points dont 2 outliers qu'il détecte à l'eau.

Des guignols brassant de vent depuis 40 ans au moins. Mais très bon en politique, comme souvent...
Bonsoir,
Je suis d'accord, mais je pense qu'il y a aussi un problème plus légitime de polysémie du terme "intelligence".
Je jongle dans ma tête avec trois définitions :
- psychométrique : cf. facteur g . Le facteur de corrélation entre les performances à des tâches cognitives pour lesquelles un humain ne s'est pas entraîné
- usuelle : ce qui faire considérer qu'une personne est intelligente, généralement sa capacité à comprendre des concepts de façon généraliste, hors d'un domaine particulier d'expertise.
- informatique dans l'IA : la capacité pour un programme à calculer des paramètres qui permettront de traiter de façon pertinente des données qui n'ont pas été explicitement considérée lors de l'implémentation du programme. (performance sur un jeu de test ≠ des jeux de données d'apprentissage et de validation, capacité en généralisation).

Je pense pertinent de rappeler que les progrès de l'IA dans des domaines spécifiques n'impliquent pas forcément qu'on se rapproche d'une "intelligence artificielle généraliste", vu la définition usuelle du terme "intelligence".
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Matthieu Brucher
Messages : 1384
Enregistré le : 08 juil. 2008, 08:58

Re: Recyclage en Intelligence Artificielle

#42 Message par Matthieu Brucher » 11 févr. 2019, 11:55

WolfgangK a écrit :
07 févr. 2019, 11:41
Ça m'inquiète un peu comme formulation, parce que je pense que le problème est beaucoup plus complexe que ça.
https://arxiv.org/pdf/1609.05807.pdf

Comme les mesures sont bruitées, il est malheureusement objectivement correct, même si éthiquement répugnant, de prendre en compte les distributions a priori dont sont issues les individus. Et parfois l'exactitude de la modélisation bénéficie aux individus eux-même.
Aussi, les corrélations peuvent correspondre à des variables cachées. Par exemple pour les noirs américains, avec le nombre d'amis riches ou pauvres. Un système de machine learning pourra donc apprendre que, toutes choses par ailleurs égales, un noir aura plus de risques de ne pas pouvoir rembourser son crédit qu'un blanc. Est-il raiste ? Et si l'on corrige le système, le rend-on plus juste en le rendant plus inexact ? Quid des noirs à qui l'on fera un crédit immo et qui se feront saisir leur maison ?
J'ai pas de solution, mais je pense que le problème est plus compliqué qu'on veut bien le faire croire.
Tres bon example, effectivement. La question est effectivement plus morale en definitive et ethique.

Matthieu Brucher
Messages : 1384
Enregistré le : 08 juil. 2008, 08:58

Re: Recyclage en Intelligence Artificielle

#43 Message par Matthieu Brucher » 11 févr. 2019, 11:55

PACA a écrit :
07 févr. 2019, 15:10
Merci pour vos explications je vais aussi me renseigner un peu plus auprès d’un utilisateur de boite noire DL qui semble très satisfait des résultats pertinents et rapides par rapport aux démarches classiques. Ce qui semble fastidieux et lourd c'est de nourrir la bête, mais après la phase d'alimentation la mise en œuvre est aisée et efficace. Effectivement, on se fiche de ce qui se passe dans la boite…. tout comme on se fiche de ce que fait un TRI/Fusion, on attend un résultat.
Globalement cela ressemble bien à un stade opérationnel courant d'utilisation d'outil. C’est un contexte de labo de recherche, mais de recherches appliquées => avec obligation de résultats.

Pour l’instant, mes pseudo connaissances sur le sujet se bornent à des discussions de comptoir, je vais creuser.
L'analyse et le pretraitement des donnees, c'est 80% du travail. Ca ne change pas des demarches classiques. C'est meme pire car il faut traiter plus de donnees.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#44 Message par WolfgangK » 13 févr. 2019, 11:51

L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#45 Message par WolfgangK » 15 févr. 2019, 01:05

WolfgangK a écrit :
04 févr. 2019, 23:38
Pour le Deep Learning, je n'y connais pas encore grand chose (les réseaux n'étaient pas encore "deep" de mon temps), je pense qu'il y a encore un côté "alchimie" avec des paramètres pas encore bien maitrisés sur le plan théorique (pas encore assez de théories explicatives pour faire correspondre un espace des solutions [architecture et paramétrage des réseaux] à un espace des problématiques).
https://www.ias.edu/events/deep-learning-2019

Deep Learning: Alchemy or Science?
Deep learning has led to rapid progress in open problems of artificial intelligence—recognizing images, playing Go, driving cars, automating translation between languages—and has triggered a new gold rush in the tech sector. But some scientists raise worries about slippage in scientific practices and rigor, likening the process to “alchemy.” How accurate is this perception? And what should the field do to combine rapid innovation with solid science and engineering?
A distinguished panel of experts convened by Visiting Professor Sanjeev Arora will discuss these issues.
Speakers Include:

Michael Collins, Google Research, Columbia University
Yann LeCun, Facebook, New York University
Joelle Pineau, Facebook, McGill University
Zachary Lipton, Carnegie Mellon University
Shai Shalev-Shwartz, Hebrew University of Jerusalem



Sans rapport, https://news.ycombinator.com/item?id=19163724
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#46 Message par WolfgangK » 03 mars 2019, 20:42

Le genre de trucs qui me semblent intéressants sur le sujet : https://www.cs.cmu.edu/~rsalakhu/NY_2019_v3.pdf
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

PACA
~~+
~~+
Messages : 8750
Enregistré le : 26 déc. 2011, 12:31

Re: Recyclage en Intelligence Artificielle

#47 Message par PACA » 04 mars 2019, 09:03

Pour les pseudo services gratuits Google, gmail, FB ....
L'usage de du DL/IA pose des problèmes juridiques de fond pour l'entrave à la liberté de communication.
On pourrait s'en servir comme alibi pour des traitements discriminatoires, j'ai de gros doutes actuellement pour les rejets aléatoires inexpliqués de gmail qui mettent une sacré pagaille .
Sous couvert de traitements intelligents on pourrait se permettre tout et n'importe quoi.
En toute logique, un programme intelligent peut parfaitement conclure qu'il serait opportun de pénaliser un pourcentage de la population pour un confort optimal des survivants.
…. ce qui est connu depuis le début de l'humanité sans aucun algorithme.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#48 Message par WolfgangK » 04 mars 2019, 11:18

Même si je n'aime pas python, il faut reconnaître que els Notebook sont sympa pour découvrir en bidouillant : https://mybinder.org/v2/gh/jakevdp/Pyth ... ndex.ipynb

(mais pas pour programmer "pour de vrai" !)
L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
WolfgangK
~~+
~~+
Messages : 16537
Enregistré le : 20 juin 2011, 00:02

Re: Recyclage en Intelligence Artificielle

#49 Message par WolfgangK » 09 avr. 2019, 00:28

L'islamophobie n'est pas plus du racisme que l'antisionisme n'est de l'antisémitisme.
Que les racistes soient islamophobes n'implique pas que les islamophobes soient racistes.

Avatar du membre
neron
~~+
~~+
Messages : 14049
Enregistré le : 21 déc. 2005, 19:21
Localisation : Haut de Seine

Re: Recyclage en Intelligence Artificielle

#50 Message par neron » 09 avr. 2019, 09:16

fabriceb a écrit :
03 févr. 2019, 23:28
Bonsoir à tout le monde. J'ai 50 ans et il me reste donc environ 15 ans à tirer ... L'analyse concrète de ma situation est que je peux trouver un poste de simili-encadrement ou rebondir dans du techno;
A 50 ans on doit se connaitre et connaître ces motivations (argents, connaissance, reconnaissance, défit intellectuel, ...) sinon un petit tour chez un psy. car souvent on poursuit des images en se mentant sur soit et non des objets propre à soit.Si le MIT a prouver que l'on pouvait devenir autant virtuose (au violon) à 10 ans qu'à 50 ans encore faut-il en avoir les moyens, le vouloir et le plaisir d'en être un.

Lors des dernières révolutions techno, très très peu ont travaillé au cœur de celles-ci (création de moteur d'avion, de micro-processeurs, ..) beaucoup (99,999 %) ont tourné autour avec succès (Vente, SAV, Management, Dvl., Fab.,Exploitation, Gest., Expert/Conseil, Services associés, fct. transversales (risk, qualité ..)...). . Un MBA (type IAE en 6 mois) permet de sortir de sa mono-boite (sa rationalité relative) dans laquelle souvent on a atteint son niveau d'incompétence. Y-a aussi des cycles de gestion des NTIC, de master en IA, les psy, ... .

Tous cela pour dire qu'à 50 ans il est important de se connaitre, de sortir de sa boite (connaitre dehors) pour, si l'on veut ou doit changer, construire sa future vie en faisant ce que l'on désirs faire, être et aboutir réellement en fonction de sa personnalité, de sa volonté et de ce qu'offre le monde . Les ""bilans de compétence"" en 6 jours sont trop simplistes mais permettent une première prise de conscience. Tout plan de réussite de sa vie (et pas seulement de sa carrière) passe par du subjectif, de la chance mais aussi de l'objectif (stratégie -> tactique -> opérationnel). Acquérir les connaissances métiers (son vocabulaire, le comportement et ses règles de trois) est souvent accessoires et met 2/3 mois. Même l’expérience, les compétences et le réseau, importantes à la réussite de son projet qui s'acquièrent en 2/3 ans sont secondaires. J'ai été surpris de constater que beaucoup par leurs activités essayent de compenser leurs handicaps plutôt que de jouir de leur potentiel (la jouissance de l'effort, du dépassement de soit plutôt que le plaisir de la facilité d'être soit en acceptant ces lacunes). La projection des désirs des autres, d'être l'image de l'autre plutôt qu'être moi l'objet de soit.
La carte n'est pas le territoire - Le monde du Ā (1945) 1er axiome de sémantique générale.