machine learning-deep learning fondement et...

17
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, e ix = cos(x)+ i sin(x)" e-Compendium 22 juin 2016 EMD Marseille

Upload: others

Post on 16-Jun-2020

113 views

Category:

Documents


0 download

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

[email protected]

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