Le RDV Tech 217 – Spécial : Machine learning et deep learning

Au programme :

Pour soutenir l’émission, rendez-vous sur http://patreon.com/RDVTech

Plus d’infos sur l’épisode :

Vous pouvez télécharger le fichier MP3, et vous abonner par iTunes ou en RSS.

Commentaires

  1. Pas tout compris mais très intéressant ! Merci pour l’essai de vulgarisation de ces concepts. Vais également essayer le Podcastscience…d’ailleurs quel serait votre top des 5 Podcasts francophone du moment ? Ma dernière découverte est Studio404 que vous connaissez déjà sûrement :).

    • De mon coté hors podcastscience et les podcasts de Patrick, je ne rate jamais deux podcasts (l’un amateur et l’autre émission de radio) :
      – Niptech : Entreprenariat, startups, tech, innovation. C’est le podcast que j’essaie de ne vraiment pas louper et que je trouve vraiment excellent à chaque fois!
      – Affaires sensibles : histoire contemporaine avec un storytelling inimitable

  2. Bonjour , podcats vraiment interresant surtout la fin la projection vers les conséquences dans le quoditien , et dans l’avenir proche .

  3. Merci pour ce podcast de qualité ! 🙂

    Pour aller plus loin et ajouter une petite brique de connaissance : j’ai récemment écouté un podcast sur France Culture d’un doctorant qui présentait son travail et plus précisément sa thèse sur la production d’un algorithme associé et une sorte de module permettant aux machines d’avoir des échanges émotionnels avec les humains. C’est le concept très concret de : Expériences sur un robot émotionnel haptique à corps sensible. Voici le lien vers le podcast en question : https://www.franceculture.fr/emissions/la-recherche-montre-en-main/experiences-sur-un-robot-emotionnel-haptique-corps-sensible

  4. Excellente émission pour démocratiser le machine learning et le deep learning! C’était vraiment important d’en faire une je pense étant donné que l’on en intégre à toutes les sauces , de plus en plus. Donc merci pour ca.

    quelques infos en plus pour les plus interessés:
    – je conseille de regarder des conf de Yann Lecun, que vous citez, qui sont dispos à foison sur youtube. Etant un des papes du deep learning, il en fait régulièrement un peu de partout ds le monde.
    Pour la période où le deep learning est devenu majeur:
    en 2012, en fait, Geoffrey Hinton et son équipe ont participé à la compétition ImageNet en utilisant ce type d’algo sur lequel ils avaient travaillé dans les années 80. Résultat, ils ont explosé les scores. Et les années suivantes , toutes les autres équipes ont migré progressivement sur ce genre d’algorithme (Convolutional NeuralNet).

    – A facebook, où Lecun dirige la branche AI, ils recoivent apparement plus de 300millions d’images par jour. Et ils les passent dans un filtre (donc ces algo Convnet) pour faire de l’identification autom des personnes (interdit en europe je crois par contre?) et un autre filtre aussi, pour faire de l’identification d’objets, cad voir , analyser et labeller ce qu’il y a dans la photo.

    – Et les dernieres choses à la mode sont en effet, comme la dit Nicolas je crois, faire construire automatiquement par un algorithme, une architecture d’un deep neural network. Donc ce n’est plus l’humain qui construit manuellement quelle architecture il veut, mais c’est un autre algo qui va dire quelle est la meilleure architecture :/
    A terme, la volonté est de peut etre pouvoir avoir une architecture qui serait assez géneralisable, pour faire du computer vision, ou du speech recognition ou du text recognition tout avec le meme reseau de neurones. Alors qu’aujourd’hui, les architectures sont tjrs specifiques au type d’application.

    bref, vaste sujet, mais palpitant 😀

  5. Bonjour
    Merci pour cet épisode très interessant.
    En ce qui concerne les applications au quotidien du machine learning il y a un marché assez développé que vous n’avez pas cité : la publicité en ligne pour laquelle des algorithmes, de plus en plus intelligents, gèrent des millions ou j’en même des milliards d’enchères en tant reel, et qui avec le temps achètent la pub/les clics de façon de plus en plus efficace en apprenant à partir de l’accumulation de données transactionnelles…
    D’ailleurs a gestion de la fraude en ligne /paiements aussi ainsi que me semblent il, certains domaines de santé publique et particulièrement d’épidémiologie…

    Le machine learning est partout, et surtout la ou il y a des données et des sous à faire.
    (Et j’immagine donc dans la finance?)

    • Ah oui, application intéressante en effet ! Et tu résumes bien la chose : le machine learning est partout où il y a des données… Ca fait pas mal de domaines ! 🙂

  6. Pour le chihuahua vs muffin :
    http://www.huffingtonpost.com/entry/muffin-or-chihuahua_us_56e05c3ee4b065e2e3d461f2

    on comprend mieux l’explication 😉

Exprimez-vous !

*