Publié le 17 février 2020 Mis à jour le 17 février 2020
Date: 17 mars 2020 au 17 mars 2020
«Le machine learning, ou apprentissage statistique, est une technologie d’intelligence artificielle qui permet à un ordinateur « d’apprendre » sans programmation préalable, à partir de données qu’il analyse pour élaborer des lois prédictives. Ses applications sont nombreuses et variées : recommandations de produits sur Amazon, diagnostic médical, neurosciences, assurances, véhicule autonome…»
Le logiciel libre scikit-learn, soutenu et porté depuis dix ans par Inria, est précisément dédié à l’apprentissage statistique. De plus, sa conception le met à la portée d’un grand nombre d’utilisateurs, et pas seulement des experts du sujet, les data scientists. Il offre de ce fait une alternative à la pénurie de data scientists
«Il est écrit en langage Python, universellement utilisé sur le Web. Il est simple à prendre en main, très bien documenté, illustré de centaines d’exemples et exploitable sur n’importe quel sujet, illustre Gaël Varoquaux, chef de projet. Autrement dit, il démocratise l’apprentissage statistique.»
«Gaël Varoquaux, âgé de 38 ans, s’est impliqué dans l’aventure scikit-learn à partir de 2009, comme développeur et animateur de la communauté. Il pilote aujourd’hui les travaux du consortium de sept entreprises (dont Microsoft, Intel, Axa et BNP Paribas) créé en 2018 pour financer les évolutions du logiciel. Son nom et son visage – il s’exprime dans des vidéos en ligne - sont connus de milliers de data scientists, ce qui lui vaut parfois d’être abordé dans le métro pour une question technique de haut vol !»
Découvrir Scikit-learn
Domaine de Voluceau
Rocquencourt - B.P. 105
78153 Le Chesnay
France
Tél.: 33 (0)1 39 63 55 11
Accédez à des services exclusifs gratuitement
Inscrivez-vous et recevez nos infolettres en pédagogie et technologies éducatives
Vous pourrez aussi indexer vos ressources préférées et retrouver votre historique de consultation
M’abonner à l'infolettreVous pourriez aussi aimer:
Apprentissage par graphe pour Intelligence artificielle frugale
Les données modélisées en graphes (qui peuvent être à plusieurs dimensions) permettent de détecter des relations pratiquement invisibles sous d'autres formes et surtout avec beaucoup moins de ressources de calcul et d'énergie.
IdO / IoT - L'internet des objets [Livre blanc]
La culture générale de demain devra appréhender les fondements technologiques de l’IoT. Un défi pour l’enseignement est donc d’augmenter progressivement la sensibilisation à l’IoT, à la fois pour préserver la souveraineté et le libre arbitre des individus, et pour mieux amorcer les formations de nos scientifiques et nos techniciens.
Un outil d'aide à la décision en agriculture... données, plantes et humains
Bientôt des outils numériques abordables capables de traiter des données agricoles que les humains ne sont pas en mesure d'intégrer et d'évaluer.
SLIMMEST : modéliser des centaines d'espèces de micro-organismes en interaction
La biologie des systèmes s’intéresse beaucoup au microbiote intestinal : les enjeux de santé qui y sont liés sont majeurs. Le défi est de trouver comment les bactéries du microbiote interagissent, se superposent, se complètent pour parvenir à créer un modèle acceptable.
Numérique, environnement et biodiversité [Publication]
Inria- Lille propose un dossier sur l’environnement et la biodiversité et ses liens avec la recherche à l'Inria. Entre autres articles, on y découvre le projet Biodimètre qui vise à évaluer et monitorer la biodiversité à l'échelle d'une ville, à profiter des apports des citoyens, à expérimenter avec des plantes ou des aménagements, bref, un projet qui peut mener à une petite révolution en aménagement et en recherche.
