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 la data visualisation, différents types de visualisations, quand et comment les utiliser, et les librairies python de visualisation des données les plus …
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 d’obtenir de la donnée brute déjà annotée. Prenons l’exemple d’un modèle d’analyse de sentiment sur des commentaires laissés par …
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. Dans cet article, on dissèque la libraire prophet de Facebook et on terminera avec un cas pratique (prévoir le prix du …
Facebook prophet : La prévision à grande échelle 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 [Kolmogorov, 1933]. À ce jour peu d’ouvrages existent sur la résolution du problème très difficile voire impossible de prédire des tirages de numéros de loterie …
Le Deep Learning et le hasard – Prédiction du Loto 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 d’acquisition de données. Scrapy est un framework Python permettant de faciliter les tâches de scraping. Dans cet article nous …
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 que la traduction de texte. Parmi les modèles seq2seq qui ont vu le jour ces dernières années, s’il y …
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, comment il fonctionne et un exemple pratique. Qu’est-ce que le gradient descent ? Le gradient descent est un algorithme d’optimisation qui …
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 d’objets avec la librairie Python GluonCV. Présentation de GluonCV GluonCV (Gluon Computer Vision) est une boîte à …
Détection d’Objets avec la librairie GluonCV 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 fortement la solution du modèle utilisé.Afin de mieux choisir ces paramètres et avoir ainsi des performances optimales pour nos modèles, nous utilisons des …
La classification (ou catégorisation) de textes est l’une des tâches de traitement du langage naturel (NLP : Natural Language Processing) les plus courantes. Elle consiste à associer un texte non-structuré à un tag, qui correspond à une classe bien précise. Si la catégorisation de textes nécessite beaucoup d’engouement, c’est à cause de ses nombreuses applications …
