IA
Séminaire stratégie intelligence artificielle et business
Objectif Définir pour son entreprise la meilleure stratégie vis-à-vis de la révolution engendrée par l’intelligence artificielle et le deep learning, à destination des décideurs et des comités de direction update ▶ decide ▶ transform Programme Version sur la journée Module 1 8h30:10h30 Les fondamentaux de l’IA: ce qu’elle peut faire, ce qu’elle fera, ce qu’elle[…]
XGBoost : un exemple sur les fleurs
Capri23auto / Pixabay
XGBoost (Extreme Gradient Boosting) est une librairie devenue très célèbre sur Kaggle car elle permet rapidement de trouver quels paramètres influent sur un phénomène. Voici un exemple simple sur la détermination de espèces d’iris en fonction de la morphologie de la fleur.
Faut-il abandonner son data scientist ?
Pexels / Pixabay
Quel que soit le cabinet de prospective, tous convergent pour dire que la très grande majorité des métiers qui seront à pourvoir dans dix ans n’existent pas aujourd’hui. Certains ont cru en tenir un: le data scientist. Mais celui-ci fera-t-il parti de ces fameux métiers qui seront bien payés en 2030? Pas sûr si on regarde les tendances de fond qui agitent le monde de l’intelligence artificielle.
Le transfer learning pour les données rares
Julius_Silver / Pixabay
L’industrie, contrairement aux géants des réseaux sociaux qui tirent les technologies d’intelligence artificielle aujourd’hui, dispose en général de moins de données. Plus chères et plus risquées à obtenir – lancer une fusée ou essayer une configuration machine est onéreux- ces données sont toutefois de bonne qualité. Dans cet article, nous allons vous présenter un exemple de transfer learning qui est une façon faire du smalldata quand le bigdata est inaccessible.
Pourquoi nous utilisons le terme Intelligence artificielle plutôt que machine learning?
Merci à Rob Palmer de nous avoir permis d’utiliser cette magnifique illustration de l’intelligence animale
R&D Médiation utilise le terme « Intelligence artificielle » pour désigner ses réseaux de neurones entrainés. Nous recevons parfois des remarques de puristes nous disant que c’est mal et que l’on devrait dire « machine learning ». Voici une petite explication étymologique afin de clarifier cela car, en effet, la science c’est bien, mais il ne faut pas oublier la littérature.
La combustion par intelligence artificielle
La modélisation de la combustion, et plus généralement des réactions à l’équilibre, a de multiples applications: moteur à explosion, moteurs de fusée, sécurité incendie, protection de l’environnement. Dans cet article, nous avons voulu faire un prototype de réseau de neurones qui calcule les températures de flammes (températures de réaction) et deux caractéristiques utiles pour le[…]
Decoder son génome
artistraman / Pixabay
Nous quittons pour cet article, en partie, le domaine de l’intelligence artificielle pour nous intéresser à la génomique. Comment décoder le génome et chercher des choses intéressantes qui se cachent à l’intérieur? Nous vous présentons ici une brève explication.
Aborder la dynamique des matériaux granulaires par une approche couplant automates cellulaires et transferlearning
NB: Ces travaux ont été publiés dans JITIPEE L’importance de la dynamique des matériaux granulaires pour l’industrie La dynamique des matériaux granulaires est un domaine d’étude qui revêt une importance certaine pour de nombreuses industries, et qui nous intéresse donc chez R&D Médiation. En effet, les procédés de formulation nécessitant d’admettre des matériaux granulaires dans[…]