insights Archive - AQUILA DATA ENABLER

5 décembre 2025

Clusterisation des Séries Temporelles : Une Approche pour Mieux Comprendre les Données

Clusterisation des Séries Temporelles : Une Approche pour Mieux Comprendre les Données Introduction Les séries temporelles sont des ensembles de données collectées à intervalles réguliers, souvent soumises à des fluctuations saisonnières, des tendances à long terme et des anomalies. Elles sont omniprésentes dans des domaines aussi variés que la finance, la santé, la météorologie ou […]

Lire >

7 juin 2024

Innovation Algorithmique : Comment le Deep Learning Transforme la Résolution des Équations Différentielles

#algorithmique #DataScience #DeepLearning #equationsdifferentielles #IA #Innovation #LLM #LLMs #probabiliste

Le deep learning a marqué l’année 2023, avec le succès fulgurant des modèles de langage (LLMs) tels que ChatGPT (OpenAI)[1], Gemini (Google)[2], LLaMA (Facebook)[3]. Ces modèles, entraînés sur d’énormes quantités de données textuelles, parviennent à approximer la distribution probabiliste de leurs données d’entraînement, ce qui leur permet de générer un texte pertinent et cohérent avec […]

Lire >

12 juin 2023

Virtualisation de l’Information et Détection d’Anomalies Appliqué à l’Aviation

#DeepLearning #DétectionAnomalies #TimeSeries #virtualsensor

La virtualisation des capteurs est une application prometteuse de l’industrie 4.0. Grâce à l’intelligence artificielle, la méthode permet de s’affranchir de certaines contraintes et difficultés techniques associées à l’instrumentation des équipements, afin d’analyser et d’interpréter le fonctionnement d’un système en temps réel. Dans cet article, nous approfondirons l’application des capteurs virtuels par IA dans l’industrie aéronautique, […]

Lire >

5 mai 2023

Construire son modèle de recherche sémantique sur des documents

#IA #LectureIntelligente #NLP

Dans son article, Ahmed Affes, Data Scientist / MLOps, répond à cette question en vous présentant les différentes étapes : le prétraitement, la génération d’un vecteur mathématique à l’aide d’un modèle de langage, les méthodes d’entraînement et le choix de la meilleure base de données pour le stockage.

Lire >

19 octobre 2022

Les Datasets synthétiques, un atout pour booster vos projets

#ComputerVision #DétectionObjets #Images #LabInsights

Retrouvez toutes nos autres videos sur notre chaîne YouTube. I-L’apport de la génération de données synthétiques pour l’IA L’accès à une grande quantité d’images est crucial pour les applications de Deep Learning (DL) et notamment en Computer Vision (CV). Nous avons vu ces dernières années beaucoup de discussions sur les approches data […]

Lire >

29 avril 2022

Semi-supervised Learning & Active Learning : comment tirer profit des données non-labellisées ?

#DeepLearning #LabInsights #MLops #Modèle

Active Learning et Semi-Supervised Learning Retrouvez toutes nos autres videos sur notre chaîne YouTube. Dans le cadre de l’apprentissage supervisé, l’entraînement d’un réseau de neurones repose sur l’exploitation d’un ensemble de données dites labellisées, i.e. qui contiennent des informations permettant de guider l’entraînement du modèle. Dans le cas d’un problème de classification d’images […]

Lire >

19 janvier 2022

Comment réussir la mise en production d’un projet de Data Science ?

#Algorithmes #LabInsights #MLops #Modèle

Pendant les deux dernières décennies, l’arrivée des nouvelles familles d’algorithmes provenant du domaine Data Mining et les nouvelles puissances de calcul permettant d’entraîner des réseaux profonds contenant des centaines de millions de paramètres ont révolutionné le domaine de l’IA. Cette révolution, initialement adoptée par les chercheurs, s’est rapidement propagé à quasiment tous les secteurs de l’industrie.

Lire >

5 octobre 2021

Les évolutions de YOLO de la V.O. à la V4

#ComputerVision #DataScience #Images

Le modèle YOLO, sorti en 2015, constitua une percée considérable dans le domaine de la Computer Vision. Il fut l’un des premiers modèles de détection à offrir des résultats de bonne qualité en temps réel là où auparavant il était difficile de concilier vitesse d’exécution et justesse. Il est depuis devenu une référence en la matière. YOLO est un modèle de détection single-stage, autrement dit les processus de localisation et d’identification d’objets dans une image sont réunis en une seule étape.

Lire >

28 avril 2021

Modèles physiques et modèles IA : Hybridons-les ! (Application en Géosciences)

#DataScience #Géoscience #Modèle

Il est un domaine où le couplage de Modèles Physiques et de Modèles d’Intelligence Artificielle est particulièrement performant et pertinent : les GéoSciences. Cet article donne des clés en particulier pour mettre en oeuvre des Modèles Physiques Augmentés (MPA) et des Modèles AI Augmentés Physiques (MAIAP).

Lire >

8 avril 2021

Gérer le déséquilibre des classes dans un jeu de données

#DataScience #LabInsights #MachineLearning #MLops

Dans les projets de Machine Learning, en général, les modèles fonctionnent correctement si les proportions des classes du jeu de données utilisé sont relativement similaires. Cependant, des déséquilibres s’invitent parfois dans l’équation.
Découvrez dans cet article comment gérer ce type de problématique.

Lire >

12 février 2021

Télédétection spatiale et aérienne : cas d’usages

#CNN #DataVisualisation #IA #Images #LabInsights

Ce nouvel article dresse l’état de l’art de l’extraction d’informations des images pour servir un objectif fixé. Un intérêt particulier y est porté sur la cartographie de l’occupation des sols.

Lire >

11 février 2021

Télédétection spatiale et aérienne : les pré-traitements

#CNN #DataVisualisation #IA #Images #LabInsights

Désennuagement, pan-sharpening, imagerie hyperspectrale… Découvrez les nouveaux pré-traitements en télédétection spatiale et aérienne.

Lire >

10 février 2021

Télédétection spatiale et aérienne : un peu de théorie

#CNN #DataVisualisation #IA #Images #LabInsights

Un article pour comprendre la télédétection spatiale et aérienne, qui regroupe l’ensemble des techniques liées à la reconnaissance d’objets sur la surface terrestre par le biais de capteurs embarqués sur des satellites.

Lire >

12 janvier 2021

[ IA et Éthique ] Algorithmes ou humains, qui porte la responsabilité ?

#DeepLearning #IA #LabInsights

Dans le monde, 2.5 quintillions de bytes de données sont générés par jour en moyenne, et cela ne cesse d’augmenter. Dans l’univers de l’intelligence artificielle, ces données sont une ressource primaire alimentant des algorithmes de plus en plus performants et entrainés. Mais… sont-ils responsables pour autant ?

Lire >

1 décembre 2020

Méthode d’explicabilité : Integrated gradients

#DeepLearning #IA #LabInsights #MachineLearning #Modèle

Cet article présente une nouvelle approche méthodologique pour améliorer l’interprétation des modèles de Deep Learning, qui sont souvent très opaques : la méthode des « Integrated gradients ».

Lire >

29 octobre 2020

Interprétabilité des modèles de Machine Learning

#IA #Interprétation #LabInsights #MachineLearning #Modèle

Les modèles de ML sont souvent des boites noires qu’on évalue selon leurs performances sans savoir exactement comment leurs décisions sont prises. Obtenir les meilleures performances possible peut suffire, mais comprendre les décisions est de plus en plus indispensable.

Lire >

24 septembre 2020

Automated Machine Learning appliqué aux séries temporelles

#AutoML #DataScience #LabInsights #MachineLearning #MLops

L’autoML est-il la fin des Data Scientists ? Découvrez comment la combinaison de 2 approches permet aux Data Scientists Aquila Data Enabler de gagner en pertinence sur des problématiques de forecasting et de détection d’anomalies.

Lire >

15 septembre 2020

Les principes du Deep Fake & le modèle Pix2Pix

#Algorithmes #DeepLearning #GAN #IA #LabInsights #Modèle

Le Deepfake est une technique d’Intelligence Artificielle qui consiste à générer de la donnée synthétique très réaliste. Il peut s’appliquer à différents types de données, par exemple une image, une vidéo, un son (musique, voix), ou encore une écriture. Bienvenue dans Fake Wars !

Lire >

16 juin 2020

Understanding textual summary generation

#DataScience #LabInsights #MachineLearning #NLP

The amount of textual content generated everyday is growing at an exponential rate. Such large numbers of textual data is a valuable source of knowledge, unfortunately it becomes impractical for anyone to process all the available information.

Lire >

16 juin 2020

Comprendre la génération de résumés de texte

#Algorithmes #DeepLearning #LabInsights #MachineLearning #NLP

La quantité de contenu textuel généré chaque jour augmente à un rythme exponentiel. Un si grand nombre de données est une source précieuse de connaissances qui constitue un vrai challenge à traiter et analyser. La synthèse textuelle automatique est une solution à ce problème.

Lire >

14 mai 2020

[Commande vocale] Reconnaissance Automatique de la Parole

#DeepLearning #IntelligenceArtificielle #LabInsights

Activer notre smartphone via une simple commande vocale, dicter à sa voiture la destination souhaitée, demander à un assistant vocal de commander à manger… Les applications basées sur la voix sont de plus en plus nombreuses.

Lire >

26 février 2020

Classification d’images et détection d’objets par CNN

#Algorithmes #CNN #ComputerVision #DeepLearning #IA #Images #LabInsights #MachineLearning

De la classification d’images au transfert de style, en passant par la détection d’objets, les applications au sein des entreprises se multiplient. Dans cet article, nous présentons plus spécifiquement les réseaux de neurones convolutionnels, utilisés pour les tâches de classification d’images et de détection d’objets.

Lire >

11 février 2020

GAN : Vers une meilleure estimation des distributions ?

#DeepLearning #GAN #LabInsights #MachineLearning #TimeSerie

Les Réseaux Antagonistes Génératifs (GAN) sont un nouveau type de réseau de neurones profonds (deeplearning). Leur objectif est de pouvoir estimer et représenter une distribution de données. Découvrez comment.

Lire >

22 octobre 2019

SHAP : Mieux comprendre l’interprétation de modèles

#DataScience #Interprétation #LabInsights #MachineLearning #Modèle #SHAP

L’interprétation de modèles de Machine Learning complexes est aujourd’hui un enjeu important dans le domaine de la Data Science. Comprendre les paramètres qui ont influencés chaque valeur prédite est donc essentiel.

Lire >

16 juillet 2019

IA et Santé : De nouvelles technologies !

#DataScience #IA #LabInsights #MLops

Découvrez comment les avancées de la Data Science permettent d’améliorer les services de santé (aide au diagnostic, optimisation des traitements médicamenteux, prédiction des rechutes patients ou des taux de remplissage, évaluation du risque de diagnostic erroné…)

Lire >

13 mars 2019

Mieux comprendre les méthodes de prévision des séries chronologiques

#DataScience #DeepLearning #LabInsights #TimeSerie

Les séries temporelles sont des séquences de points de données mesurées sur des intervalles de temps successifs, utilisées en économétrie, en astronomie, en météorologie… Découvrez les dernières méthodes de prévision utilisées.

Lire >

7 novembre 2018

Détection de Fraude, Comportements Atypiques et Détection d’Anomalie

#DataScience #DétectionAnomalie #IA #LabInsights

Découvrez comment l’Intelligence Artificielle révolutionne la détection de fraudes face à l’accroissement du volume des données dans les secteurs de l’assurance, de la banque et des télécommunications.

Lire >

1 juin 2017

Intelligence artificielle : Introduction aux réseaux de neurones

#DeepLearning #LabInsights #MLops #Réseau

Dans ce nouvel article, nous nous intéressons aux capacités des réseaux de neurones pour la résolution de problèmes d’Intelligence Artificielle (IA) sous l’angle historique des fondements théoriques des réseaux de neurones, aujourd’hui largement présents dans l’industrie.

Lire >