Au travers de ce meetup, nous vous proposons de vous présenter la plateforme de Cloud Computing Amazon Web Services (AWS) et détailler plus spécifiquement le service Sagemaker qui permet de réaliser vos travaux de Machine Learning & Deep Learning. Au menu de cette session : – Introduction au Cloud Computing et aux différentes briques au […]
La session sera consacrée à un retour d’expérience autour du Deep Learning sur la détection automatique de pannes sur le réseau électrique aérien d’Enedis. Christophe Gay, Data Scientist chez Enedis, et Quentin Fresnel, Data Scientist chez Datalyo, évoqueront les solutions techniques mises en œuvre, les algorithmes implémentés et les aspects métiers relatifs au sujet. Nous […]
Les techniques de traitement automatique du langage (natural language processing, NLP) ont pris une ampleur importante ces dernières années dans les technologies de l’information. En moins de 5 ans, les avancées en deep learning ont permis d’améliorer la compréhension sémantique de données textuelles complexes et non structurées et d’atteindre des performances jusqu’ici inattendues en traduction […]
Le clustering de clustering pour estimer le temps de parcours des usagers sur un réseau routier Pré-requis Un bagage général sur le machine learning est souhaitable À l’échelle de la ville, les états de trafic sont naturellement variables, que ce soit dans l’espace ou au cours du temps. Le partitionnement permet de découper un réseau […]
L’informatique quantique promet de révolutionner les usages dans les prochaines années en augmentant sensiblement la puissance de calcul à disposition. Comment fonctionne cette technologie ? Où en est-on de son développement ? Quels sont les cas d’usages déjà identifiés ? Combien de temps faut-il encore attendre avant d’en bénéficier ? Notre intervenant du jour Bruno […]
Orateur : Fanilo ANDRIANASOLO, Worldline Pré-requis : – Une première expérience en Python est un plus – Aucune connaissance web requise Vous avez passé un long moment à perfectionner votre modèle de Machine Learning, il est maintenant temps pour les utilisateurs d’interagir avec, via une application web moderne et responsive ! Toutefois nous sommes un […]
Pour la deuxième session sur Twitch, Lyon Data Science vous propose de s’intéresser à aux sujets de la mise en production et de la conteneurisation en Data Science. L’industrialisation des modèles de machine learning est une tâche complexe et nécessite souvent l’intervention de plusieurs équipes (dev, devops, architect, data engineer et data scientist). Ainsi, nous […]
Ce meet up vise à introduire les modèles compartimentaux, très utilisés en épidémiologie. L’accent sera mis sur les modèles en eux mêmes plus que sur leurs résultats : comment sont ils construits ? Quels sont leurs spécificités, avantage et limitations ? La comparaison détaillée de trois modèles épidémiologiques utilisés par des équipes françaises lors de […]
Ce meet-up sera axé autour d’une problématique d’assurance santé : comment améliorer la connaissance des risques couverts par l’assureur afin de cibler une action de prévention sur la population qui en bénéficiera le plus ? Les prestations santé remboursées par l’assureur santé reflètent partiellement l’historique médical de l’assuré. Ces actes médicaux peuvent être vus comme […]
Le Datawok a eu l’opportunité de travailler sur un projet d’aide à la prise de paris sportifs dont l’objectif était d’identifier les favoris et les outsiders d’une course.Comment ? En prédisant avant chaque course et pour chaque coureur sa probabilité d’arriver à un rang donné. Pour atteindre cet objectif, nous avions à notre disposition de […]
Une fois passée la phase de prototype, comment va-t-on en production quand on fait du machine learning ? Comment s’assure-t-on que tout va bien une fois en production ? Déploiement, tests, monitoring, etc. Il y a beaucoup de choses à penser. Sur ce long sujet, je vous propose ici une petite introduction basée sur mes […]
A propos du Machine Learning en production, et si on parlait du passage à l’échelle ?Comment adapter nos algorithmes pour travailler avec une taille arbitraire de données ? Une des références du traitement de données à haute volumétrie est Apache Spark. Celui-ci embarque dans ses valises quelque chose qui peut nous intéresser : MLlib. Pourquoi […]
