Data Science

Posté le 29/10/2021 par Fabien Roussel

Nous pensons que la gestion des erreurs est un aspect important dans les systèmes de prise de décision et qu’il est indispensable d’étudier cela avec les utilisateurs d’un tel produit, a fortiori lorsqu’il embarque du Machine Learning. Dans cet article, nous vous proposons une méthode itérative, pour évaluer le coût d’une erreur et adapter le systè...

Lire la suite >

Posté le 11/10/2021 par Sofia Calcagno

Cet article fait partie de la série “Accélérer le Delivery de projets de Machine Learning”, traitant de l’application d’Accelerate dans un contexte incluant du Machine Learning. Il peut être lu indépendamment, mais si vous n’êtes pas familier avec Accelerate, ou si vous souhaitez avoir plus de détails sur le contexte de cet article, vous pouvez lir...

Lire la suite >

Posté le 06/09/2021 par Augustin Ardon

Pour les entreprises exploitant l’Intelligence Artificielle, bien maîtriser son intégration dans les écosystèmes de données reste un enjeu majeur. Parmi les défis à relever pour mettre en place l’IA de manière pérenne, l’industrialisation a su tirer son épingle du jeu pour devenir un élément indispensable d’une bonne intégration de l’IA en producti...

Lire la suite >

Posté le 26/08/2021 par Touraya El Hassani

Nous, les humains, avons un système visuel rapide et précis, ce qui nous permet d'effectuer des tâches complexes comme la conduite avec peu de réflexion consciente. En effet, nous savons inconsciemment quels sont les objets que nous voyons, où ils se trouvent et comment ils interagissent.Au cours des dernières années, des algorithmes rapides et pré...

Lire la suite >

Posté le 22/07/2021 par Simon GRAH

Il existe plusieurs techniques pour optimiser un job Spark pour améliorer les performances et la scalabilité.

Lire la suite >

Posté le 06/07/2021 par Emmanuel Lin Toulemonde

« […] successful teams had adequate test data to run their fully automated test suites and could acquire test data for running automated tests on demand.In addition, test data was not a limit on the automated tests they could run. »Extrait de: Forsgren PhD. « Accelerate. »Cet article fait partie de la série “Accélérer le Delivery de projets de Mach...

Lire la suite >

Posté le 20/05/2021 par Tanguy Morelle

Le premier article était consacré à la structure et au fonctionnement des algorithmes évolutionnistes et le second portait sur leur performance.Nous allons ici nous intéresser à un cas d'application concret d'algorithmes évolutionnistes sur un problème de données complexes. Le cas d'application présenté est l'utilisation d'un algorithme évolutionni...

Lire la suite >

Posté le 12/05/2021 par Antoine BRES

Dans la première partie de l’article, nous avons vu quelles étaient les solutions logicielles permettant aux entreprises de trier les candidatures. Cette démarche, qui a de l’intérêt principalement lorsque l’entreprise reçoit énormément de candidatures, repose sur une méthode simple mais très limitée. Nous avons vu que l’IA a le potentiel pour appo...

Lire la suite >

Posté le 11/05/2021 par Sofia Calcagno

Cet article fait partie de la série Accélérer le Delivery de projets de Machine Learning, traitant de l’application d’Accelerate dans un contexte incluant du Machine Learning. Si vous n’êtes pas familier avec Accelerate, ou si vous souhaitez avoir plus de détails sur le contexte de cet article, nous vous invitons à commencer par lire l’article intr...

Lire la suite >

Posté le 28/04/2021 par Samy Ait Bachir

La gestion de versions en delivery de ML, un processus qui permet de les mettre à disposition pour une utilisation en production.

Lire la suite >