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 […]
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 […]
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 […]
Il est aujourd’hui possible grâce aux avancées de la data science d’améliorer les services de santé : Aide au diagnostic Optimisation des traitements médicamenteux Prédiction des rechutes patients Prédiction du taux de remplissage Évaluation du risque du diagnostique erroné Ces méthodes innovantes sont bénéfiques : une meilleure qualité des soins, un gain de temps et une réduction […]
Les séries temporelles, qu’est-ce que c’est ? Les séries temporelles peuvent être vues comme des séquences de points de données mesurées sur des intervalles de temps successifs. Considérées à tort comme étant une branche exclusive de l’économétrie, les séries temporelles ont été utilisées bien avant cette discipline relativement récente, par exemple en astronomie (1906) et en […]