Machine learning et régulation numérique
L’objectif est de donner aux auditeurs les bases nécessaires pour comprendre le machine learning.
Le machine learning est la science qui permet à un algorithme d’apprendre sans avoir été explicitement programmé pour cela. Elle est utilisée par les acteurs de la nouvelle économie pour le traitement de gros volumes de données, dans la traduction automatique, la reconnaissance de la parole, la classification de consommateur, la construction de réputation, ou la prévision des trafics. C’est la “régulation numérique”.
Nous parlerons des champs d’application du machine learning par les gros acteurs du numérique, de ses fondements mathématiques, des grands familles d’algorithmes et des outils disponibles pour mettre en pratique.
Découvrez les bases pour comprendre cette science et mesurer le potentiel des possibilités de son utilisation.
Guillaume Laforge
Groovy project manager
Didier Girard
Cloud Rider / GDE @Google / VP Engineering @Sfeir / PhD Machine Learning @EnsDeLyon
Other talks from Didier, Guillaume
-
2017 - Probabilistic Programming : Tuer un piéton ou sacrifier les passagers ?
Didier Girard
La programmation probabiliste crée des systèmes qui prennent des décisions à partir d'observations dont la certitude n'est pas garantie. Bien qu'encore peut développée, ce type de programmation va être une pièce essentielle des outils basés sur la composition d'algorithmes de machine learning.
-
2013 - Les nouveautés de Groovy 2.1
Guillaume Laforge
Venez découvrir les nouvelles fonctionnalités de Groovy 2.1 ! Invoke dynamic, type checking personnalisé, méta-annotations...
-
2013 - Groovy, les mains dans le cambouis
Guillaume Laforge
Comment se mettre à Groovy ? En mettant les mains dans le cambouis et en codant une petite application tous ensemble !
-
2013 - Quick Start avec le Cloud Google
Didier Girard
Oserez-vous postuler pour un projet IT innovant sans connaître le Cloud de Google ?