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

29/04/2022

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 […]


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

19/01/2022

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.


Gérer le déséquilibre des classes dans un jeu de données

08/04/2021

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.


Télédétection spatiale et aérienne : cas d’usages

12/02/2021

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.


Télédétection spatiale et aérienne : les pré-traitements

11/02/2021

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


Télédétection spatiale et aérienne : un peu de théorie

10/02/2021

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.


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

12/01/2021

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 ?


Méthode d’explicabilité : Integrated gradients

01/12/2020

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 ».


Interprétabilité des modèles de Machine Learning

29/10/2020

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.


Nous respectons
votre vie privée

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