La Data Science Expliquée - UR4NVS

Podcast details

Technical and general information from the podcast's RSS feed.

Site

RSS

Apple

Recent rankings

Latest chart positions across Apple Podcasts and Spotify rankings.

Shared links between episodes and podcasts

Links found in episode descriptions and other podcasts that share them.

See all

https://www.tensorflow.org/
1 share
https://scikit-learn.org/stable/
1 share
https://docs.python.org/3/library/pickle.html
1 share

https://en.wikipedia.org/wiki/XGBoost
1 share
https://fr.wikipedia.org/wiki/Matrice_de_confusion
1 share
https://fr.wikipedia.org/wiki/Pr%C3%A9cision_et_rappel
1 share

https://developer.apple.com/documentation/coreml
1 share
https://support.apple.com/fr-fr/HT208108
1 share

RSS feed quality and score

Technical evaluation of the podcast's RSS feed quality and structure.

See all

Publication history

Monthly episode publishing history over the past years.

Latest published episodes

Recent episodes with titles, durations, and descriptions.

See all

Mesurer la performance avec les métriques

Episode 12

Sunday, November 21, 2021 • Duration 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

Read moreCollapse

La validation croisée

Episode 11

Saturday, November 20, 2021 • Duration 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

Read moreCollapse

"Intelligence" Artificielle

Episode 2

Saturday, April 10, 2021 • Duration 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".

Read moreCollapse

Le Machine Learning

Episode 1

Wednesday, December 30, 2020 • Duration 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

Episode 10

Friday, November 19, 2021 • Duration 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

Read moreCollapse

XGBoost ou booster un arbre

Episode 9

Thursday, November 18, 2021 • Duration 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/

Read moreCollapse

Exporter et miniaturiser

Episode 8

Wednesday, November 17, 2021 • Duration 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

Read moreCollapse

FaceID : une fonction au goût de révolution

Episode 7

Tuesday, November 16, 2021 • Duration 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

Read moreCollapse

Le clustering

Episode 6

Monday, November 15, 2021 • Duration 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/

Read moreCollapse

Algorithmes révélateurs de notre société

Episode 5

Saturday, November 13, 2021 • Duration 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

Read moreCollapse

La Data Science Expliquée – Details, episodes & analysis

Podcast details

Recent rankings

Apple Podcasts

Spotify

Shared links between episodes and podcasts

RSS feed quality and score

Publication history

Latest published episodes

Related Shows Based on Content Similarities

Apple Podcasts

Spotify

Related Shows Based on Content Similarities

La Data Science Expliquée – Details, episodes & analysis

Podcast details

Recent rankings

Apple Podcasts

Spotify

Shared links between episodes and podcasts

Other13

Wikipedia7

Apple2

RSS feed quality and score

Publication history

Latest published episodes

Similar podcasts and content

Related Shows Based on Content Similarities

Apple Podcasts

Spotify

Related Shows Based on Content Similarities

Other13

Wikipedia7

Apple2