Data Science

En tant qu’êtres humains nous avons la capacité de transférer les connaissances acquises pour une tâche spécifique dans une autre tâche. Plus cette tâche est facile, plus il est facile d’utiliser ses connaissances. Par exemple :…
Lire la suite...

Pouvoir visualiser ses données lorsqu'on les manipule est une nécessité. Observer des graphes nous permet d'anticiper certains problèmes et de mieux peaufiner nos futures analyses. Dans cet article introductif, nous présenterons ce qu'est…
Lire la suite...

Pour faire de l’apprentissage supervisé, l’on a besoin d’un jeu de données annoté (ou labelisé). C’est-à-dire une liste d’exemples qui contient des entrées et leurs sorties correspondantes. Cependant, dans la vraie vie, il est presque rare…
Lire la suite...

Prévoir et analyser les données temporelles font partie des challenges en data science (par exemple prévoir la valeur du cours d'un indice boursier).C'est cette problématique que l'outil open source facebook prophet tente de résoudre. …
Lire la suite...

L'étude mathématique de la loterie est aussi ancienne que les mathématiques. On peut citer les travaux de Leonard Euler qui ont conduit à la théorie de la probabilité de Kolmogorov . À ce jour peu d’ouvrages existent sur la résolution du…
Lire la suite...

L'importance de l'acquisition de données pour le Data Scientist n'est plus à démontrer. Le web étant une source intarissable de données de toutes sortes, le web scraping ou web crawling s'est imposé comme une technique incontournable…
Lire la suite...

Le traitement automatique du language naturel est, aujourd'hui, essentiellement dominé par les modèles séquence à séquence (ou seq2seq). Effectivement, ce type de modèle est adapté à la langue et à plusieurs tâches de NLP classiques telles…
Lire la suite...

Gradient descent ou algorithme du gradient est un processus itératif qui permet de calculer le minimum d'une fonction. Cet algorithme est beaucoup utilisé en Machine Learning. Dans cet article, nous présenterons l'algorithme du gradient,…
Lire la suite...

Le Deep Learning a permis une avancée notable dans plusieurs domaines de recherche dont le Computer Vision (Vision par Ordinateur in french 😄). Dans cet article, je vous présente l'une des applications du Computer Vision : la détection…
Lire la suite...

En Machine Learning, il est fréquent d'utiliser des modèles pour résoudre les problèmes de régression ou de classification. Des modèles tels que K-Nearest Neighbors (KNN), K-Means (Clustering) utilisent des paramètres qui impactent…
Lire la suite...