Blog IA, Data Science & MLOps
Tutoriels, guides et analyses sur l'IA, la Data et le Cloud, écrits par les ingénieurs et mentors Blent.
214 articles · page 6 sur 6
Machine LearningWord Embedding & NLP : définition, exemples
Pour qu'une machine soit autonome, un principe clé est de pouvoir communiquer via l'un des langages naturels des humains. Le NLP (Natural Language Processing) ou TALN en français (Traitement Automatique du Langage Naturel) est un domaine ancien de l'intelligence artificielle qui existe depuis plus de 50 ans
9 min de lecture
Machine LearningRéseaux de neurones : tout comprendre
Plus anciens qu'on ne le pense, les réseaux de neurones artificiels ont façonné les dernières années en matière de tâches de reconnaissance ou même de traitement de la donnée. En effet, leurs mécaniques s'inspirant directement du fonctionnement du neurone biologique en font un modèle puissant, mais néanmoins difficile à interpréter et à analyser.
9 min de lecture
Machine LearningAlgorithme k-means : comment ça marche ?
L'algorithme des k-means (ou bien k-moyennes) est l’un des algorithmes d’apprentissage non supervisé les plus simples et les plus populaires. Il permet d’analyser un jeu de données afin de regrouper les données « similaires » en groupes (ou clusters). Ce principe est applicable dans divers domaines de l'industrie comme le domaine du marketing pour la segmentation des clients, analyse des réseaux sociaux, etc.
10 min de lecture
Data EngineeringMapReduce : tout comprendre sur le calcul parallèle
MapReduce est un patron d'architecture de programmation utilisé pour paralléliser des calculs dans un contexte Big Data. Imaginé et développé par Jeff Dean chez Google, il a été repris dans plusieurs projet, dont le très populaire framework Hadoop qui utilise MapReduce.
8 min de lecture
Data EngineeringApache Spark : tout savoir sur le framework Big Data
Apache Spark est un framework Big Data de traitement de données open source à grande échelle. Il est particulièrement adapté pour les très grandes volumétries de données (plusieurs dizaines ou centaines de Go) et fonctionne de manière distribuée, sous forme de clusters. Son utilisation est principalement dédié aux applications du Machine Learning et des pipelines de données ETL.
9 min de lecture
Machine LearningArbres de décision en Machine Learning : tout comprendre
L'arbre de décision est l'un des premiers algorithmes de Machine Learning que les Data Scientists apprennent au cours de leur formation. Il est utilisé pour représenter visuellement et explicitement les décisions et la prise de décision pour des problèmes de classification ainsi que pour des problèmes de régression.
10 min de lecture
MLOpsMLflow : tout savoir sur l’outil indispensable du MLOps
MLflow est une plateforme open source qui permet de **gérer le cycle de vie des modèles de Machine Learning. En particulier, grâce à MLflow, les modèles qui ont été entraînés à une date spécifique ainsi que les hyper-paramètres associés pourront être stockés, monitorés et réutilisés de manière efficace.
7 min de lecture
Data EngineeringApache Airflow : qu'est-ce que c'est ?
Apache Airflow est une plateforme qui permet d'exécuter, de planifier et de monitorer des flux automatisés (workflows). Avec Airflow, les pipelines de données (processus ETL, pipelines Machine Learning) peuvent donc être automatisés tout en fournissant des outils d'administration. C'est un outil très puissant, presque devenu un standard dans le domaine.
8 min de lecture
Machine LearningRandom Forest : comment ça fonctionne ?
Le Random Forest est un algorithme de Machine Learning très populaire auprès des Data Scientists en raison de sa précision, de sa simplicité et de sa flexibilité. Cet algorithme peut être utilisé pour résoudre les problèmes de régression et de classification. Il est fréquemment adopté dans de nombreux domaines tels que les banques et le commerce en ligne pour prédire des comportements et des résultats futurs.
7 min de lecture
Data EngineeringApache Kafka : tout savoir sur le Data Streaming
Kafka est une plateforme d'agents de messages (brokers) en temps réel. Cette plateforme permet à la fois de diffuser des données à grande échelle (event streaming) et d'effectuer des traitements sur ces données en temps réel (stream processing). Depuis plusieurs années, Kafka s'impose comme la référence pour diffuser et traiter des centaines de Go de données à grande échelle, tout en assurant une haute disponibilité de services.
9 min de lecture
Machine LearningC'est quoi la Computer Vision ?
La Computer Vision est un domaine du Machine Learning qui s’intéresse à rendre possible aux ordinateurs de voir, tout en recopiant des parties de la complexité des yeux humains. La machine aujourd’hui est capable de voir, de comprendre, de mesurer et de créer des objets visuels compréhensibles et cohérents, tout cela grâce aux récentes avancées du Deep Learning.
7 min de lecture
MLOpsKubernetes et Machine Learning
Vous avez probablement déjà entendu parler de Kubernetes : c'est un outil extrêmement populaire dans le Cloud et qui est devenu, en quelques années, la référence en terme de déploiement d'applications dans le Cloud. Mais pourquoi (et surtout comment) Kubernetes est devenu la solution incontournable ? Et surtout, pour un Data Scientist, quel est le rapport avec Kubernetes et le Machine Learning ?
10 min de lecture
Machine LearningLe formatage de texte en Python
Dans tous les langages de programmation, on doit afficher des informations sous forme de texte. Cela ne pose pas de difficultés lorsque l'on souhaite afficher une variable de texte. Mais qu'en est-il lorsque l'on souhaite afficher des nombres avec un certain nombre de chiffres après la virgule ? Comment afficher 5 variables à la suite sans écrire des dizaines de + ?
7 min de lecture
Machine LearningTester son code Python
Dans l'univers du développement logiciel, les tests sont omni-présents. Ils permettent de vérifier que le logiciel ou l'application développée adopte correctement le comportement attendu, ne produit pas de bugs ou s'intègre efficacement dans un environnement existant. Mais de quoi s'agit-il exactement ? Comment peut-on écrire du code pour tester du code ? Et surtout, comment peut-on le faire avec du Python.
11 min de lecture
Data EngineeringData Mesh : qu'est-ce que c'est ?
On le présente comme l'un des sujets les plus en vogue pour l'année 2021 : le Data Mesh. Ce nouveau paradigme, bien différent des Data Lakes ou Data Warehouses, nécessite de repenser complètement la manière dont les données sont stockées, requêtées et utilisées. Le Data Mesh vient avant répondre à une problématique bien concrète.
8 min de lecture
Machine LearningInterprétabilité et Machine Learning
Ce sont des mots que l'on entend de plus en plus : transparence et audit des algorithmes, modèles boîtes noires ou encore interprétabilité. Ce vocabulaire n'est pas tout récent, car déjà au tout début des années 2000, des chercheurs avaient proposé des méthodes permettant d'expliquer le comportement de certains algorithmes dont le fonctionnement était opaque, difficile à traduire en terme de décisions. Par ailleurs, plusieurs secteurs d'activité comme le secteur bancaire, de l'assurance ou de la santé n'ont pas attendu pour intégrer dès le début des méthodes de transparence.
10 min de lecture
MLOpsMachine Learning Engineer : définition, comment se former
C'est l'un des profils les plus demandés par les entreprises depuis quelques années. Le Machine Learning Engineer s'est imposé comme le profil idéal pour industrialiser et mettre en production des projets Data Science. En plus de ses compétences déjà solides en Machine Learning, il utilise les outils et services du Cloud pour déployer des modèles et des API sur des infrastructures complexes.
8 min de lecture
Machine LearningValidation et classification : mode d'emploi
Dans les sujets de classifications binaire, où la réponse en sortie d'un algorithme de Machine Learning est à deux valeurs possibles (0 ou 1), on parle souvent de précision et de rappel. Ces deux mesures, souvent mal comprises, ne mesurent pas la même chose et ne s'interprétent pas de la même manière. Pourtant, elles forment un score connu, le F1 Score, mais qui manque très souvent de contexte. Nous allons essayer de démystifier ces métriques ici.
6 min de lecture
Machine LearningLes annotations de fonctions Python
C'est quelque chose de bien connu : sous Python, pas besoin de spécifier les types des variables. Cette flexibilité permet de convertir très facilement des variables, ce qui est souvent le cas lorsque l'on manipule des données. En revanche, lorsque l'on défini des fonctions, on aimerait insister sur le fait que certains paramètres soient d'un certain type, pour éviter des incohérences, voir des erreurs dans la suite du programme.
4 min de lecture
MLOpsL'AutoML ou comment automatiser le Machine Learning
L'AutoML est une pratique courante dans les projets Data Scientist qui consiste à automatiser le création des modèles de Machine Learning. Cela va permettre de gagner du temps puisque cette pratique va tester à la fois plusieurs méthodes de transformations des données, mais aussi plusieurs modèles de Machine Learning pour ensuite les comparer et conserver le plus performant.
6 min de lecture
Machine LearningMatplotlib et les fonctions à deux variables
Dans certaines situations, il est indispensable d'afficher sur un graphique l'évolution d'une quantité en fonction de deux variables : c'est le cas par exemple lorsque l'on souhaite savoir comment le prix d'un déménagement va évoluer selon la distance entre le départ et l'arrivé, ainsi que le volume nécessaire. On rencontre également ce genre de besoin pour afficher des températures en fonction de la localisation.
5 min de lecture
Machine LearningLes pipelines de scikit-learn
Dans la plupart des projets de Machine Learning, le jeu de données utilisé pour calibrer le modèle doit subir toute une série de transformations. Encodage de variables catégorielles, de la normalisation, du feature scaling et autres techniques spécifiques. Cependant, cette série de transformations doit être appliquée plus d'une fois.
6 min de lecture
Machine LearningData Science : pourquoi choisir la formation Blent ?
Vous cherchez une formation en Data Science et vous êtes perdu face à toutes les offres qui pullulent sur internet ? Rassurez-vous, c’est tout à fait normal. Une formation ça ne se choisit pas au hasard. D’autant plus si c’est dans un domaine comme la Data Science, si vaste et foisonnant qu’il en devient presque illisible.
6 min de lecture
Machine LearningLes itérateurs sous Python
Très souvent, nous avons besoin d'utiliser des boucles for pour itérer sur des listes à une ou plusieurs dimensions sous Python. Lorsque l'on débute, nous sommes tenté d'utiliser les mêmes façon d'itérer qu'en langage C, où l'on va définir une variable i qui indique la position du i-ème élément que l'on itère.
4 min de lecture
Machine LearningLes window functions avec Pandas
Dans certains cas d'applications, la fonction groupby de pandas permet de regrouper les lignes qui partagent des mêmes valeurs sur une ou plusieurs colonnes, permettant ainsi de faire des aggrégations. Mais comment faut-il faire lorsque l'on souhaite aggréger non pas par valeurs, mais par paquets de lignes ?
4 min de lecture
Machine LearningLa gestion des erreurs sous Python
Qui n'a jamais eu d'erreur en exécutant un code Python ? Une division par 0, une variable mal orthographiée ou une liste pas assez longue, on a tous déjà du comprendre pourquoi nous avons une erreur. Mais il convient de bien différencier deux types d'erreurs qui peuvent survenir en Python.
5 min de lecture
Machine LearningDébrief Workshop : Comprendre les bases de données NoSQL
Nous avons eu le plaisir d’inviter Samy, Leader Data & IA au sein du cabinet Onepoint, pour un talk passionnant lors duquel nous avons échangé sur la situation des projets Data Science dans les grands groupes.
3 min de lecture
Machine LearningLes décorateurs de fonctions sous Python
Vous avez peut-être déjà remarqué le symbole @ à proximité des fonctions avec Python. Il s'agit de décorateurs de fonctions. Mais à quoi peuvent-ils servir ? En quelques lignes de code, nous allons voir comment créer des décorateurs de fonctions Python qui peuvent nous faciliter la vie.
4 min de lecture
Machine LearningDébrief Workshop : Data Science dans les Grands Groupes
Nous avons eu le plaisir d’inviter Samy, Leader Data & IA au sein du cabinet Onepoint, pour un talk passionnant lors duquel nous avons échangé sur la situation des projets Data Science dans les grands groupes.
3 min de lecture
Machine LearningLes différents profils Data Scientists
Communément, lorsque l'on fait référence à un Data Scientist, on imagine que ses journées sont remplies de création de modèles et de formules mathématiques. La réalité est en revanche plus nuancée, car il existe différents profils de Data Scientist, tout comme il existe différents profils de développeurs ou de consultants.
7 min de lecture
Machine LearningDébrief Workshop : L'IA au service de votre startup !
Lors de ce workshop, nous avons présenté les erreurs à éviter quand on veut lancer une startup IA, comment développer des solutions Data efficaces (Cloud, Big Data, Machine Learning, mise en production, …) et les techniques pour recruter les bons profils aux bons postes. Voici ce qui en ressort.
3 min de lecture
Machine LearningBlent Family Portrait #1 : l’IA au service de la créativité
Vous avez un projet entrepreneurial qui exige des compétences en Data Science et vous hésitez quant à la formation qu’il vous faut ? Laissez-nous vous raconter l’histoire de Pierre qui a réussi, grâce à la formation Blent, à monter sa boîte en Intelligence Artificielle.
3 min de lecture
Data EngineeringDevenir Data Engineer : toutes les infos
Vous avez envie de vous lancer dans le Data Engineering mais vous ne savez pas par où commencer ? Avec toutes les technologies et outils qu'utilisent les Data Engineers au quotidien, il y a de quoi s'y perdre ... Mais pas de panique ! Nous sommes justement là pour vous aider à y voir plus clair.
6 min de lecture
Machine LearningData Scientist ou Data Engineer ?
On entend souvent parler du métier de Data Scientist. Mais le métier de Data Engineer est moins connu du grand public, et dans certains cas mal compris. Pourtant, ces deux métiers sont complémentaires et l’un ne va pas sans l’autre. Mais quelle est la frontière entre ces deux métiers ? Et d’abord, que font-ils exactement ?
7 min de lecture