Name: #37 Machine learning incrémental: des concepts à la pratique
Start: 2019-05-28T19:00:00+02:00
End: 2019-05-28T21:00:00+02:00
Location: Harry Cow

Résumé :
De manière habituelle, mettre en place un pipeline de machine learning consiste à construire un jeu de données et à entrainer un modèle sur celui-ci. Cette pratique, qu'on appelle "batch learning", a l'inconvénient de nécessiter une puissance de calcul proportionnelle à la quantité de données. De plus, il faut généralement ré-entrainer le modèle depuis le départ dès que de nouvelles données arrivent. Ces deux pépins freinent bien souvent la mise en place du pipeline.

Une autre alternative consiste à faire du "online learning", où on utilise des modèles qui apprennent au fur et à mesure que les données arrivent. Cela mène à des pipelines qui nécessitent très peu de puissance de calcul et qui s'adaptent au cours du temps.

Dans ce talk nous présenterons le contexte, nous détaillerons certains algorithmes, et nous discuterons des avantages et des inconvénients (spoiler: il y en a peu!) de la seconde approche. Enfin nous présenterons une toute nouvelle librairie d'online learning qui a ses origines à Toulouse.

Max Halford est doctorant à l'IRIT et à l'IMT, spécialisé dans les sujets de l'optimisation de requête base de données et machine learning. Il est également Kaggle Master.

=======================================================

Agenda:
• 18h45 - Accueil des participants
• 19h15 - Talk d'introduction
• 19h30 - Présentation
• 21h00 - Moment apéro et échange entre les membres

Un GRAND MERCI à notre SPONSOR :
- Dexstr : https://www.dexstr.io/fr/
- Airbus : https://www.airbus.com/

Un merci tout spécial à Nathalie et Benoit d’Harry Cow pour leur accueil.

------------------------------------------------------------------
Les meetups peuvent être filmés et le public photographié au long de l'événement. En participant à ces rencontres vous autorisez la publication des photos sur notre site Toulouse Data Science Meetup. Cette autorisation n'inclut pas une utilisation publicitaire d'image.
------------------------------------------------------------------

Alexia Audevart

Aurélie Vache

Samia Drappeau

Max Alonzo

Max Halford

Toulouse Data Science

Technology

Open Source

New Technology

Data Management

Data Analytics

Business Intelligence

Big Data

Machine Learning

Data Visualization

Predictive Analytics

Data Mining

NoSQL

Business Analytics

Data Science

Applied Statistics

#37 Machine learning incrémental: des concepts à la pratique

Harry Cow

Partager

Toulouse Data Science

#37 Machine learning incrémental: des concepts à la pratique

Toulouse Data Science

Détails

Les membres s'intéressent également à