Post on 20-Feb-2017
transcript
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
● Réseaux de neurones ?● De la causalité à la corrélation, induction ou déduction ?● Proba, stats, stochastique, de la compréhension à Madame Irma ?● IA, BI, Big DATA● ML, DL● Visualisation● Partiel, Partial, Parcellaire & Incomplétude,
défunt le chat de Schödinger ?● Macro, micro , signaux forts, signaux faibles,
"la formule d 'Euler, eix= cos(x)+ i sin(x)"
e-Compendium
22 juin 2016 EMD Marseille
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Réseau de Neurones ?
e-Compendium
22 juin 2016 EMD Marseille
i
Pour créer un ensemble de données :
Indiquez
le nombre de joueurs ?le nombre de passes réalisés ?Le joueur qui réalise le plus de passes ?
ATTENTION
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Réseau de Neurones ?
e-Compendium
22 juin 2016 EMD Marseille
Reconnaître le domaine, le parcourirMettre plus de data leurs donnent-elles plus de sens, plus de valeurs?Déduire des faits d'autres faits.
VIGILANCE
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Réseau de Neurones ?
e-Compendium
22 juin 2016 EMD Marseille
CONSCIENCE
Croiser les données, lesquelles ? Comment ?
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Causaités ?
e-Compendium
22 juin 2016 EMD Marseille
?
Cartographie représentation d'un état informationnel ?
Pharmakha, destructrices et salvatrices, A-namnèse et a-leteyaRetrouvez ce que l'on a oublié ou ignoré
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Corrélations ?
e-Compendium
22 juin 2016 EMD Marseille
Boîte noire & Réseau Neurones
● Appariement
● Graphes
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Proba, Stats, Stochastique ?
e-Compendium
22 juin 2016 EMD Marseille
Problématiques comprisesUnivers connuRelations connusMesures reproductibles...
Propension
Probabilités
Statistiques Population définieÉchantillon validéRelations inconnusMesures ponctuellesCorrélationsRégressionInférences...
Stochastique
Univers imparfaitMesures non reproductiblePas de prédictibilité ->médecine
Pas déterministeMulti-factorielSignaux faiblesPas d'effet de seuilClef SDG stochastic descend Gradient (le « poids »)
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
IA, BI, Big DATA ?
e-Compendium
22 juin 2016 EMD Marseille
Analyse et préconisationGrâce à la norme SCORM, les différents parcours mis en œuvre sont enregistrésUtilisation de l'Intelligence Artificielle et de BI pour définir les clefs de pertinences
En fonction des sujetsProposition de diverses activités autour de divers sensCharte graphique indiquant ce que l'on attend de l'apprenant + rituel
Retour d'expérience et HROISur la formation et son dérouléGroupe de travail avec les apprenantsBrainstorming avec les apprenants pour proposer des améliorations
e-Compendium
PARCOURS DES APPRENANTS
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Machine Learning – Deep Learning ?
e-Compendium
22 juin 2016 EMD Marseille
Apprentissage
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Machine Learning – Deep Learning ?
e-Compendium
22 juin 2016 EMD Marseille
Sortie
bias
index des connexions en entrée
i entréeéme
i éme
Poids de la
entrée
ii
iwxby
Neurones Linéaires
...SigmoïdesStochastiques...
seulement des fonctions logiques monotones
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Visualisation ?
e-Compendium
22 juin 2016 EMD Marseille
Densité de Consommation sur les réseaux d'un distributeur d'électricité
Densité des consommations échantillon de la population francaise sur plusieurs années
(données 2005-2015, traitées avec RapidMiner)
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Partiel, Partial, Parcellaire & incomplétude ?
e-Compendium
22 juin 2016 EMD Marseille
La croyance c'est le pouvoir, réduire ses croyances c'est se libérer.
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Macro, micro, signaux forts, signaux faibles ?
e-Compendium
22 juin 2016 EMD Marseille
Abandon du terme de Smart cities
Plus les modèles sont humains moins ils sont preformants, empreintes sociales en entrée et en sortie.
Ecosystemes : paysage, région, sous-continent, les contenus sont incohérents
La défense vendeurs saisonnier. Adapter l'activité et le ramassage des déchets. Données pas assez fine.
Données, pas des échantillons donc imprédictibilité.
Multiplicité des parties prenantes.
Modèle des diversités, le plus résilient.
Modèle urbain modèle de l'équlibre
Pas de boucle de rétroaction
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Merci pour votre attention ?
e-Compendium
22 juin 2016 EMD Marseille
« découvrir et la seule manière de connaître, Corrélativement, faire découvrir est la seule manière d'enseigner » Le rationalisme appliqué, Gaston Bachelard
Richard Pawlowsky
mig@cristal.pw
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Conclusion
e-Compendium
22 juin 2016 EMD Marseille
« découvrir et la seule manière de connaître, Corrélativement, faire découvrir est la seule manière d'enseigner » Le rationalisme appliqué, Gaston Bachelard
Notre système de neurone biologique est de très loin plus complexe et à découvrir ;Notre système est faillible et chacun de nous est une propension ;
Machine Learning et Deep Learning sont trés efficaces dans des conditions stricts, qualités et finesses des données à produire et vérifier pour chaque requête, faire des préconisations de lectures est-ce utile à l'humanité ?
De très grand progrès sont en cours, tant infrastructures que langages et algorithmes ;Mais nos spécificités resteront, le ML et DL sont des outils pas des entités
Machine Learning-Deep Learning Fondement et biais
Machine learning Aix-Marseille #5
Pour approfondir :
e-Compendium
22 juin 2016 EMD Marseille
« découvrir et la seule manière de connaître, Corrélativement, faire découvrir est la seule manière d'enseigner » Le rationalisme appliqué, Gaston Bachelard
Clefs SDG stochastic descend gradient et PKI performance key indicatorhttp://fr.slideshare.net/ssuser818e8e/stochastic-optimization-for-largescale-learning?next_slideshow=1