La Data Science Expliquée - UR4NVS

Détails du podcast

Informations techniques et générales issues du flux RSS du podcast.

Site

RSS

Apple

Classements récents

Dernières positions dans les classements Apple Podcasts et Spotify.

Liens partagés entre épisodes et podcasts

Liens présents dans les descriptions d'épisodes et autres podcasts les utilisant également.

https://www.tensorflow.org/
1 partage
https://scikit-learn.org/stable/
1 partage

Qualité et score du flux RSS

Évaluation technique de la qualité et de la structure du flux RSS.

Historique des publications

Répartition mensuelle des publications d'épisodes au fil des années.

Derniers épisodes publiés

Liste des épisodes récents, avec titres, durées et descriptions.

Mesurer la performance avec les métriques

Épisode 12

dimanche 21 novembre 2021 • Durée 07:02

La tâche finale dans la construction d'un modèle de machine learning est l'évaluation avec les métriques telles que la précision, le rappel et la f-mesure. Des graphiques exploitant ces métriques existent et pour les amateurs de tableaux de nombres, les matrices de confusion existent également. Vous vous familiarisez aussi avec les notions de vrais positifs, faux positifs, vrais négatifs et faux négatifs dans ce podcast.

Matrice de confusion : https://fr.wikipedia.org/wiki/Matrice_de_confusion

Précision-rappel : https://fr.wikipedia.org/wiki/Pr%C3%A9cision_et_rappel

Courbe ROC : https://fr.wikipedia.org/wiki/Courbe_ROC

Représentations graphiques (scikit-learn.org) :

Matrice de confusion = https://scikit-learn.org/stable/auto_examples/miscellaneous/plot_display_object_visualization.html#create-confusionmatrixdisplay

Courbe Précision-rappel = https://scikit-learn.org/stable/auto_examples/miscellaneous/plot_display_object_visualization.html#create-precisionrecalldisplay

Courbe ROC = https://scikit-learn.org/stable/auto_examples/miscellaneous/plot_display_object_visualization.html#create-roccurvedisplay

Lire plusRéduire

La validation croisée

Épisode 11

samedi 20 novembre 2021 • Durée 03:08

On peut très bien obtenir un bon score de notre algorithme mais est-il vraiment aussi bon dans la réalité ? La validation permet de répondre à cette question en utilisant des méthodes bien spécifiques pour les jeux d'apprentissage et de test. Différents algorithmes seront présentés ainsi que leur utilisation spécifique aux situations.

Validation croisée (Wikipédia) : https://fr.wikipedia.org/wiki/Validation_crois%C3%A9e

Lire plusRéduire

"Intelligence" Artificielle

Épisode 2

samedi 10 avril 2021 • Durée 02:26

Le mot Intelligence Artificielle est partout et utilisé à outrance. Dans ce court podcast, je vous explique en quoi le mot "Intelligence Artificielle" est erroné ainsi que mes réflexions concernant un nouveau terme, plus juste, pour remplacer "Intelligence Artificielle".

Lire plusRéduire

Le Machine Learning

Épisode 1

mercredi 30 décembre 2020 • Durée 08:18

J'aborde dans ce premier épisode le Machine Learning, partie intégrante de la science des données. Vous aurez une vision de la création d'un modèle de Machine Learning ainsi qu'un peu d'histoire.

Regarder vers l'avenir et vers le feature engineering

Épisode 10

vendredi 19 novembre 2021 • Durée 06:16

Feature engineering, cette méthode permettant de traiter les jeu de données est considérer comme l'avenir des data scientist. Face à une montée croissante de l'automatisation, le feature engineering restera le domaine où l'humain fait toute la différence. Découvrez comment dans ce podcast !

Exemple de feature engineering en Python : https://scikit-learn.org/stable/auto_examples/applications/plot_cyclical_feature_engineering.html

Lire plusRéduire

XGBoost ou booster un arbre

Épisode 9

jeudi 18 novembre 2021 • Durée 04:52

Parlons aujourd'hui de XGBoost, algorithme d'arbre de décision mondialement connu et créé initialement en 2014 par Tianqi Chen. Il s'illustre par une méthode bien particulièrement pour produire autant de succès. Mais intéressons nous aussi aux arbres, forêt de décisions et aux renforcement par gradient.

XGBoost (Wikipedia) : https://en.wikipedia.org/wiki/XGBoost

XGBoost (site officiel) : https://xgboost.ai/

Lire plusRéduire

Exporter et miniaturiser

Épisode 8

mercredi 17 novembre 2021 • Durée 03:28

Après avoir produit un algorithme de machine learning, pour le mettre en production il faut pouvoir l'intégrer à des machines moins puissantes. impossible de le ré-entraîner sur celles-ci mais fort heureusement il existe des solutions. Le physicien Erwin Schrödinger se demandait : "comment peut-on expliquer à l'aide de la physique et de la chimie le événements qui se produisent dans l'espace et dans le temps dans les limites spatiales d'un organisme vivant ?" et moi je vais tenter de vous expliquer ce phénomène appliqué au machine learning : comment intégrer des algorithmes conçus sur supercalculateurs dans nos téléphones ?

TensorFlow : https://www.tensorflow.org/

TensorFlow Lite : https://www.tensorflow.org/lite/

Core ML : https://developer.apple.com/documentation/coreml

PMML : http://dmg.org/pmml/v4-4-1/GeneralStructure.html

pickle : https://docs.python.org/3/library/pickle.html

Lire plusRéduire

FaceID : une fonction au goût de révolution

Épisode 7

mardi 16 novembre 2021 • Durée 03:50

Comment fonctionne la technologie FaceID d'Apple ? A travers un décryptage du fonctionnement issu de brevets, j'essaie de répondre à cette question par mes compétences afin de vous donner un regard technique sur cette technologie, que j'estime révolutionnaire.

Brevet de FaceID : https://patents.google.com/patent/US8384997B2/en?oq=US8384997

Apple sur la confidentialité de FaceID : https://support.apple.com/fr-fr/HT208108

Lire plusRéduire

Le clustering

Épisode 6

lundi 15 novembre 2021 • Durée 08:50

Clustering fait référence aux mot que vous connaissez bien tous maintenant : cluster. Aujourd'hui partez à la découverte du clustering, une méthode très utile en science des données. J'évoquerai ses différentes formes et pourquoi il est utile de faire du clustering.

K-moyennes : https://fr.wikipedia.org/wiki/K-moyennes

DBSCAN : https://fr.wikipedia.org/wiki/DBSCAN

Scikit-learn : https://scikit-learn.org/stable/

Scipy : https://scipy.org/

Lire plusRéduire

Algorithmes révélateurs de notre société

Épisode 5

samedi 13 novembre 2021 • Durée 04:43

On entend de plus en plus parler des algorithmes sexistes ou racistes. Mais est-il bon de pointer du doigt les algorithmes ou faut-il savoir introspecter la société pour trouver la vérité ? Réponse dans ce podcast !

Enquête ISM Corum : https://dares.travail-emploi.gouv.fr/publications/discrimination-a-l-embauche-selon-l-origine-que-nous-apprend-le-testing-aupres

Lire plusRéduire

Podcasts et contenus similaires

Autres podcasts ou contenus associés partageant des thèmes ou audiences similaires.

La Data Science Expliquée – Détails, épisodes et analyse

Détails du podcast

Classements récents

Apple Podcasts

Spotify

Liens partagés entre épisodes et podcasts

Qualité et score du flux RSS

Historique des publications

Derniers épisodes publiés

Podcasts Similaires Basées sur le Contenu

Apple Podcasts

Spotify

Podcasts Similaires Basées sur le Contenu

La Data Science Expliquée – Détails, épisodes et analyse

Détails du podcast

Classements récents

Apple Podcasts

Spotify

Liens partagés entre épisodes et podcasts

Other13

Qualité et score du flux RSS

Historique des publications

Derniers épisodes publiés

Podcasts et contenus similaires

Podcasts Similaires Basées sur le Contenu

Apple Podcasts

Spotify

Podcasts Similaires Basées sur le Contenu

Other13

Wikipedia7

Apple2