LES NEWS

4 mars 2020

Aquila célèbre ses nouveaux locaux sous le signe de la créativité !

#BeEnabler #DataScience #Event #Inauguration

Il y’a quelques semaines, Aquila Data Enabler quittait la rue Kléber à Courbevoie pour s’installer à seulement 800 m dans l’immeuble contemporain « 5ème Avenue ». Pour célébrer cette étape clé pour notre cabinet de conseil en Data Science, nous nous sommes tous retrouvés le jeudi 27 février 2020 pour la soirée d’inauguration de nos nouveaux locaux. […]

26 février 2020

Classification d’images et détection d’objets par CNN

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

Les travaux de G.Hinton publiés en 2006, puis le succès du modèle AlexNet en 2012 au Challenge ImageNet, ont réveillé, au sein de la communauté scientifique, l’intérêt pour le Deep Learning. Il avait été délaissé depuis le milieu des années 1970, on parle même pour cette période « d’hiver de l’intelligence artificielle ». La disponibilité croissante de […]

11 février 2020

GAN : Vers une meilleure estimation des distributions ?

#DataScience #DeepFakes #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. Ce type de réseau a été introduit par Ian Goodfellow en 2014 [1]. Il présente un framework composé de deux modèles : un générateur et un discriminateur. Le […]

14 janvier 2020

REWIND : La rétrospective 2019 !

#DataScience #DataVisualisation #Performance

2020 s’annonce déjà comme une grande année pour Aquila Data Enabler, ses collaborateurs et ses clients. Elle commence très fort avec : de nouveaux locaux, qui vont nous permettre de gagner en confort de travail et en bien-être, un trend de développement de notre Data Squad d’Enablers toujours extrêmement dynamique. De quoi dépasser nos belles […]

22 octobre 2019

SHAP : Mieux comprendre l’interprétation de modèles

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

L’interprétation de modèles de Machine Learning (ML) complexes, encore appelés modèles ”black box”, est aujourd’hui un enjeu important dans le domaine de la Data Science. Prenons l’exemple du dataset « Boston House Prices » [1] où l’on souhaite prédire les valeurs médianes de prix de logements par quartier de la ville de Boston en fonction de critères […]

Nous respectons
votre vie privée

En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour réaliser des statistiques de visites.