coding
Autour du web

Cette machine te connaît mieux que ta maman (deep learning)

Pour ce nouvel article, la main à notre ami et blogueur de chez E-Commerce-Blog.fr (clique jeune fou), sur le thème du Deep et machine learning, enjoy !

1- Deep learning et Machine learning, définitions :

Le Machine Learning et le Deep Learning sont deux méthodes permettant à un ordinateur d’apprendre de lui même : c’est la notion d’apprentissage supervisé. En fait cela existe depuis très longtemps, mais la technologie nécessaire à son explosion est disponible depuis quelques années seulement.

Le machine learning est essentiellement utilisé dans un but opérationnel, j’entends par là que c’est un outil d’aide à la décision. L’analyse prédictive qui est fournie est issue des algorithmes que l’ordinateur utilise et des informations qu’il reçoit.

Je ne vous apprends rien, le big data permet un essor important de ce système d’apprentissage car il donne accès à un nombre infini d’informations. Les algorithmes disponibles en open source ont énormément apporté, appuie Stephan Clémençon pour le JDN :

« Dans l’incubateur Telecom ParisTech, les start-up ne disposent même pas de ressources de calcul. Elles les louent à Amazon Web Services ou d’autres clouds, et font tourner des algorithmes open source. Elles n’ont pas du tout besoin de s’encombrer d’éditeurs de logiciel »

Les géants n’ont évidemment pas manqué le coche, étant donné qu’ils amassent de la donnée et qu’ils l’utilisent pour leurs propres choix : IBM, Google, Amazon, Microsoft, ..

Essentiellement utilisé pour le traitement des images, le deep learning apporte beaucoup pour la reconnaissance faciale, les images de google maps, bloquer vos photos de Facebook… Comme le machine learning, la machine apprend d’elle même via l’apprentissage supervisé. Pour le deep learning cependant, l’architecture de la machine est un réseau de neurones, qui effectuent chacun un calcul simple. Ces réseaux de neurones sont organisés en couches et les résultats de la première couche servent d’entrée au calcul à la couche suivant et ainsi de suite.

Le deep learning était bridé par des performances trop lentes, jusqu’à l’arrivée de datas beaucoup plus importantes, d’algorithmes issu de l’IA et de cartes graphiques très puissantes (Type Titan X). Les GPU remplacent donc les CPU pour faire tourner les réseaux de neurones sur lesquels reposent le deep learning.

2- Utilisations

Le machine learning est aujourd’hui utilisé dans tous les domaines pouvant bénéficier de son analyse prédictive : industrie, gouvernement, éducation, santé, marketing, réseau sociaux, service client, voiture autonome, etc.

Non non, rien de futuriste la dedans, vous retrouvez déjà du machine learning dans les filtres anti-spam, Siri, Cortana, Alexa, Google Assistant, IBM Watson … J’en parlais dans mon article sur le commerce conversationnel, les bots sont les futurs navigateurs, les futurs applications, les possibilités sont très vastes. Google DeepMind qui a gagné au Go contre le champion du monde en apprenant les mouvements des experts.

Pour reprendre l’actualité, l’outil MonkeyLearn a réussi à agréger des dizaines de milliers de tweets pour en déterminer si le réseau est plutôt positif, neutre ou opposé au Brexit (l’article ici).

On retrouve le Deep Learning partout ! Récemment, Twitter pour Périscope ont racheté début Juin la technologie développée par Magic Pony, pour améliorer la reconnaissance d’images via le Deep Learning. Ainsi, la vidéo live pourra (enfin) être épargnée de ses contenus inappropriés. Une solution à ce problème de censure quand à la diffusion en direct !

L’outil Google Brain (que vous devez absolument voir) est sûrement un des plus gros budget du deep learning. Retrouvez sur leur site les projets mais aussi les outils que vous utilisez déjà impactés par le deep learning : Google Products, Translate, Search, …

Facebook, Amazon, Microsoft, Apple utilisent également le deep learning pour leurs images.

On est même passé à un niveau supérieur de Deep Learning, avec une start-up qui permettra aux machines d’apprendre plus vite avec moins de données. Geometric Intelligence risque donc de faire parler d’elle avec son Xprop.

Le plus beau est donc évidemment à venir, avec l’évolution de la donnée, de la technologie, des algorithmes et de l’open source, c’est la clé.

Ces deux méthodes sont énormément utilisées pour le marketing, la vente en ligne, car permettent énormément d’économies, de gain de temps en limitant l’erreur. Si l’e-commerce vous intéresse, je vous invite à consulter mon blog qui est dédié aux innovations et ruptures e-commerce : www.e-commerce-blog.fr.

Sources : Computervisionblog, Clublic, LeMonde, Techrepublic.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *