<?xml version="1.0" encoding="utf-8" ?>
<rss version="2.0" xml:base="https://www.programmez.com/" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>Deep learning</title>
    <link>https://www.programmez.com/</link>
    <description></description>
    <language>fr</language>
    
    <item>
  <title>Microsoft propose une CLI d&#039;importation de données Azure ML</title>
  <link>https://www.programmez.com/actualites/microsoft-propose-une-cli-dimportation-de-donnees-azure-ml-35353</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;Microsoft propose une CLI d&amp;#039;importation de données Azure ML&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2023-06-02T13:12:35+02:00&quot; title=&quot;Vendredi, 2 juin 2023 - 13:12&quot; class=&quot;datetime&quot;&gt;ven, 2 Jun 2023 - 13:12&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/microsoft-propose-une-cli-dimportation-de-donnees-azure-ml-35353%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/microsoft-propose-une-cli-dimportation-de-donnees-azure-ml-35353%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/technologies&quot; hreflang=&quot;fr&quot;&gt;Technologies&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/azure-ml&quot; hreflang=&quot;fr&quot;&gt;Azure ML&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/intelligence-artificielle&quot; hreflang=&quot;fr&quot;&gt;intelligence artificielle&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;Microsoft a annoncé la préversion publique de l&#039;interface de ligne de commande et du SDK d&#039;importation de données Azure Machine Learning (Azure ML), qui est conçue pour importer facilement des données à partir de référentiels de données qui ne font pas partie de la plateforme Azure pour la formation à Azure ML.&amp;nbsp;Cela inclut des bases de données comme Snowflake et des services de stockage en nuage comme AWS S3.&lt;/p&gt;
&lt;p&gt;Cette intégration permet aux scientifiques des données d&#039;importer directement des données depuis Snowflake, éliminant ainsi le besoin d&#039;une communication constante avec les équipes d&#039;ingénierie des données. Chaque importation crée une version unique de l&#039;ensemble de données qui est à son tour utilisée dans les tâches de formation, offrant aux data scientists la traçabilité requise dans les scénarios nécessitant une nouvelle formation ou pour les audits de modèles.&lt;/p&gt;
&lt;p&gt;Ce &lt;a href=&quot;https://techcommunity.microsoft.com/t5/ai-machine-learning-blog/empowering-snowflake-users-with-azure-machine-learning/ba-p/3834719&quot;&gt;billet de Microsoft&lt;/a&gt; explique comment mettre en oeuvre cette CLi d&#039;importation de données.&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Fri, 02 Jun 2023 11:12:35 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">76020 at https://www.programmez.com</guid>
    </item>
<item>
  <title>Salesforces Research ouvre le code de LAVIS</title>
  <link>https://www.programmez.com/actualites/salesforces-research-ouvre-le-code-de-lavis-34658</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;Salesforces Research ouvre le code de LAVIS&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2022-11-22T13:41:18+01:00&quot; title=&quot;Mardi, 22 novembre 2022 - 13:41&quot; class=&quot;datetime&quot;&gt;mar, 22 Nov 2022 - 13:41&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/salesforces-research-ouvre-le-code-de-lavis-34658%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/salesforces-research-ouvre-le-code-de-lavis-34658%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/technologies&quot; hreflang=&quot;fr&quot;&gt;Technologies&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/machine-learning&quot; hreflang=&quot;fr&quot;&gt;machine learning&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;LAVIS (abréviation de LANguage-VISion) est une bibliothèque d&#039;apprentissage en profondeur open source pour la recherche et les applications de la vision du langage, offrant un support complet pour un large éventail de tâches, d&#039;ensembles de données et de modèles.&lt;/p&gt;
&lt;p&gt;LAVIS dispose d&#039;une interface unifiée pour accéder facilement à des modèles de langage d&#039;image et de langage vidéo de pointe et à des ensembles de données communs.&amp;nbsp;LAVIS prend en charge la formation, l&#039;évaluation et l&#039;analyse comparative sur une grande variété de tâches, y compris la classification multimodale, la récupération, le sous-titrage, la réponse visuelle aux questions, le dialogue et la pré-formation.&amp;nbsp;LAVIS est également extensible et configurable, pour faciliter le développement et la personnalisation futurs.&lt;/p&gt;
&lt;p&gt;Les composants clés de la bibliothèque sont organisés selon une conception modulaire.&amp;nbsp;Cela permet, d&#039;après SAlesforce Research, un accès prêt à l&#039;emploi à des composants individuels, un développement rapide et une intégration facile de composants nouveaux ou externes.&amp;nbsp;La conception modulaire facilite également les inférences de modèle, telles que l&#039;extraction de caractéristiques multimodales.&lt;/p&gt;

&lt;p&gt;LAVIS est un logiciel libre sous licence BSD 3, disponible sur &lt;a href=&quot;https://github.com/salesforce/LAVIS&quot;&gt;GitHub&lt;/a&gt;.&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Tue, 22 Nov 2022 12:41:18 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">75561 at https://www.programmez.com</guid>
    </item>
<item>
  <title>Microsoft ajoute ZeRo-Infinity a sa bibliothèque DeepSpeed</title>
  <link>https://www.programmez.com/actualites/microsoft-ajoute-zero-infinity-sa-bibliotheque-deepspeed-32247</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;Microsoft ajoute ZeRo-Infinity a sa bibliothèque DeepSpeed&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2021-06-02T12:19:00+02:00&quot; title=&quot;Mercredi, 2 juin 2021 - 12:19&quot; class=&quot;datetime&quot;&gt;mer, 2 Jun 2021 - 12:19&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/microsoft-ajoute-zero-infinity-sa-bibliotheque-deepspeed-32247%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/microsoft-ajoute-zero-infinity-sa-bibliotheque-deepspeed-32247%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;Microsoft a&amp;nbsp;ajouté &lt;a href=&quot;https://arxiv.org/abs/2104.07857v1&quot;&gt;ZeRO-Infinity&lt;/a&gt; à sa&amp;nbsp;bibliothèque de formation&amp;nbsp;open source&amp;nbsp;&lt;a href=&quot;https://www.deepspeed.ai/&quot;&gt;DeepSpeed&lt;/a&gt;. Pour mémoire, DeepSpeed ​​est une bibliothèque d&#039;optimisation de l&#039;apprentissage en profondeur qui rend, selon Microsoft, la formation distribuée facile, efficace et efficiente.&lt;/p&gt;
&lt;p&gt;ZeRO-Infinity est une nouvelle technologie de formation d&#039;apprentissage en profondeur (Deep Learning) pour faire évoluer la formation de modèles d&#039;un seul GPU à des superordinateurs massifs avec des milliers de GPU.&lt;/p&gt;
&lt;p&gt;ZeRO-Infinity (Zero Redundancy Optimizer) améliore la capacité du système en allant au-delà du mur de mémoire du GPU et permet ainsi d&#039;entraîner des modèles avec des dizaines de milliards de paramètres, un ordre de grandeur supérieur à ce que les systèmes de pointe peuvent prendre en charge, selon Microsoft.&amp;nbsp;ZeRO-Infinity offre également une voie prometteuse vers la formation de modèles de 100 000 milliards de paramètres, toujours selon Redmond.&lt;/p&gt;
&lt;p&gt;La vidéo ci-dessous montre comment&amp;nbsp;ZeRO-Infinity&amp;nbsp;exploite efficacement le GPU, le CPU et le NVMe en 1) partitionnant chaque couche de modèle sur tous les processus de données parallèles, 2) en plaçant les partitions sur les périphériques NVMe parallèles de données correspondants, et 3) en coordonnant le mouvement des données nécessaires pour calculer la propagation avant/arrière et les mises à jour de poids sur les GPU et les CPU parallèles aux données, respectivement.&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Wed, 02 Jun 2021 10:19:00 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">74179 at https://www.programmez.com</guid>
    </item>
<item>
  <title>CodeCarbon : un outil open source pour évaluer l&#039;empreinte carbone de l&#039;intelligence artificielle</title>
  <link>https://www.programmez.com/actualites/codecarbon-un-outil-open-source-pour-evaluer-lempreinte-carbone-de-lintelligence-artificielle-31518</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;CodeCarbon : un outil open source pour évaluer l&amp;#039;empreinte carbone de l&amp;#039;intelligence artificielle&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2021-02-26T14:05:29+01:00&quot; title=&quot;Vendredi, 26 février 2021 - 14:05&quot; class=&quot;datetime&quot;&gt;ven, 26 Fév 2021 - 14:05&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/codecarbon-un-outil-open-source-pour-evaluer-lempreinte-carbone-de-lintelligence-artificielle-31518%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/codecarbon-un-outil-open-source-pour-evaluer-lempreinte-carbone-de-lintelligence-artificielle-31518%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/technologies&quot; hreflang=&quot;fr&quot;&gt;Technologies&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/intelligence-artificielle&quot; hreflang=&quot;fr&quot;&gt;intelligence artificielle&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/green-it&quot; hreflang=&quot;fr&quot;&gt;Green IT&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;La société &lt;a href=&quot;https://www.comet.ml/site/enterprise/&quot;&gt;Comet&lt;/a&gt; spécialisée en intelligence artificielle et en apprenstissage automatique, se préoccupe de l&#039;empreinte carbone de ces outils.&lt;/p&gt;
&lt;p&gt;Au cours de l&#039;été 2019, un groupe de chercheurs dirigé par Emma Strubell de l&#039;Université du Massachusetts à Amherst a publié une&amp;nbsp;&lt;a href=&quot;https://arxiv.org/pdf/1906.02243.pdf&quot;&gt;étude&lt;/a&gt;&amp;nbsp;qui estimait que la formation d&#039;un seul modèle d&#039;apprentissage en profondeur pouvait produire jusqu&#039;à 626155 livres d&#039;émissions de CO2.&amp;nbsp;À titre de comparaison qui donne à réfléchir, ce montant est similaire aux émissions de CO2 produites par un Américain moyen sur 17 ans.&lt;/p&gt;
&lt;p&gt;Pour Comet, le problème ne fait qu&#039;empirer.&amp;nbsp;Dans notre environnement de recherche centré sur l&#039;apprentissage en profondeur, les progrès de l&#039;intelligence artificielle sont réalisés en grande partie grâce à la création de modèles plus volumineux, à l&#039;agrégation d&#039;ensembles de données plus volumineux et à l&#039;exploitation de plus de puissance de calcul.&lt;/p&gt;
&lt;p&gt;Que peuvent faire les chercheurs pour atténuer l&#039;empreinte carbone de leurs recherches?&amp;nbsp;La première étape consiste à rendre les émissions associées à l&#039;apprentissage automatique plus accessibles et transparentes.&amp;nbsp;&lt;/p&gt;
&lt;p&gt;À cette fin, Comet s&#039;est associé à certains des principaux chercheurs et praticiens en IA au monde -&amp;nbsp;MILA&amp;nbsp;, le laboratoire de recherche en IA dirigé par Yoshua Bengio à Montréal,&amp;nbsp;BCG GAMMA&amp;nbsp;, la division Analytics and Data Science du Boston Consulting Group, et&amp;nbsp;Haverford College, pourcréer&amp;nbsp;CodeCarbon, un package Python open source pour aider les chercheurs à suivre l&#039;empreinte carbone de leurs recherches.&lt;/p&gt;
&lt;p&gt;CodeCarbon enregistre la quantité d&#039;énergie utilisée par l&#039;infrastructure sous-jacente des principaux fournisseurs de cloud et des centres de données sur site hébergés en privé.&amp;nbsp;Sur la base de sources de données accessibles au public, il estime la quantité d&#039;émissions de CO₂ produites en se référant à l&#039;intensité carbone du mix énergétique du réseau électrique auquel le matériel est connecté. Un &lt;a href=&quot;https://www.comet.ml/mlco2/codecarbon-test/view/XFNDEoLvxysp0DlQiOpwNuNte&quot;&gt;projet public&lt;/a&gt; sur le site de Comet permet de voir CodeCarbon en action. (2ème video ci-dessous)&lt;/p&gt;
&lt;p&gt;CodeCarbon est un logiciel libre sous licence MIT disponible sur &lt;a href=&quot;https://github.com/mlco2/codecarbon&quot;&gt;GitHub&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;[video:https://vimeo.com/486015008 autoplay:0]&lt;/p&gt;
&lt;p&gt;[video:https://vimeo.com/486054680 autoplay:0]&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Fri, 26 Feb 2021 13:05:29 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">73923 at https://www.programmez.com</guid>
    </item>
<item>
  <title>Google ouvre le code d&#039;ALBERT une version allégée de son modèle de traitement du langage naturel BERT </title>
  <link>https://www.programmez.com/actualites/google-ouvre-le-code-dalbert-une-version-allegee-de-son-modele-de-traitement-du-langage-naturel-bert-30115</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;Google ouvre le code d&amp;#039;ALBERT une version allégée de son modèle de traitement du langage naturel BERT &lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2020-01-27T18:02:14+01:00&quot; title=&quot;Lundi, 27 janvier 2020 - 18:02&quot; class=&quot;datetime&quot;&gt;lun, 27 Jan 2020 - 18:02&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/google-ouvre-le-code-dalbert-une-version-allegee-de-son-modele-de-traitement-du-langage-naturel-bert-30115%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/google-ouvre-le-code-dalbert-une-version-allegee-de-son-modele-de-traitement-du-langage-naturel-bert-30115%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/outils/frameworks&quot; hreflang=&quot;fr&quot;&gt;Frameworks&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;ALBERT pour A Lite BERT est un modèle de traitement du langage naturel qui utilise 89% de paramètres de moins que son grand frère BERT, que Mountain View utilise dans son moteur de recherche. Google vient d&#039;ouvrir le code d&#039;ALBERT.&lt;/p&gt;
&lt;p&gt;ALBERT utilise deux optimisations pour réduire la taille du modèle initial : une factorisation de la couche d&#039;intégration et le partage des paramètres entre les couches cachées du réseau. grâce à la combinaison de ces deux optimisation, ALBERT ne reçoit que 121 Mo de paramètres, tandis que BERT en reçoit 108. Ceci pour une perte mineure de performances, explique Google dans un &lt;a href=&quot;https://ai.googleblog.com/2019/12/albert-lite-bert-for-self-supervised.html&quot;&gt;billet&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;Le code et les modèles d&#039;ALBERT sont disponibles sur &lt;a href=&quot;https://github.com/google-research/ALBERT&quot;&gt;GitHub&lt;/a&gt;.&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Mon, 27 Jan 2020 17:02:14 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">73004 at https://www.programmez.com</guid>
    </item>
<item>
  <title>Earthcube ouvre l&#039;accès de sa plateforme de développement IA aux entreprises</title>
  <link>https://www.programmez.com/actualites/earthcube-ouvre-lacces-de-sa-plateforme-de-developpement-ia-aux-entreprises-30089</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;Earthcube ouvre l&amp;#039;accès de sa plateforme de développement IA aux entreprises&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2020-01-20T15:46:29+01:00&quot; title=&quot;Lundi, 20 janvier 2020 - 15:46&quot; class=&quot;datetime&quot;&gt;lun, 20 Jan 2020 - 15:46&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/earthcube-ouvre-lacces-de-sa-plateforme-de-developpement-ia-aux-entreprises-30089%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/earthcube-ouvre-lacces-de-sa-plateforme-de-developpement-ia-aux-entreprises-30089%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/metier-business&quot; hreflang=&quot;fr&quot;&gt;Métier - Business&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/intelligence-artificielle&quot; hreflang=&quot;fr&quot;&gt;intelligence artificielle&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;Earthcube, une startup spécialisée dans l’IA au service des systèmes critiques rend disponible sa plateforme de développement de solutions d’Intelligence Artificielle. Cette plateforme de développement qu’Earthcube utilise aujourd’hui pour mettre au point ses propres algorithmes regroupe deux composants principaux :&amp;nbsp;&lt;/p&gt;
&lt;p&gt;Framework IA : Ce framework, développé en interne par l’équipe de data scientists d’Earthcube à partir de Keras et Tensorflow permet de développer rapidement des solutions d’Intelligence Artificielle répondant à des enjeux critiques de robustesse et de performances et d’autonomie. Le framework IA englobe toutes les étapes de la création de modèles de deep learning : la création des datasets d&#039;entraînement, le design de l’architecture, l’entraînement du modèle, la prédiction avec le modèle entraîné ainsi que la possibilité de faire une évaluation précise de cette prédiction, ainsi qu’une brique dédiée au déploiement en production des modèles. Le framework intègre en outre plusieurs types d’architectures de réseaux de neurones, comme ResNet, Retinanet ou encore Segcaps, intégralement paramétrables de manière très simple. Chaque paramètre de l’architecture choisie peut être adapté en modifiant le fichier de paramétrage initial. Il est donc possible de choisir entre utiliser des briques technologiques préexistantes et les modifier si besoin, ou de développer les briques soi-même, pour finalement assembler ces différentes briques entre elles.&amp;nbsp;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;Data Platform : La Data Platform d’Earthcube, interconnecté avec le framework IA, est un outils clé pour la productivité et le passage à l’échelle. La Data Platform permet non seulement une visualisation des données mais aussi une meilleure compréhension de ces dernières, en agrégeant leurs métadonnées (type de capteurs, conditions météorologiques, etc) pour créer des datasets d’entraînements et de tests plus pertinents et augmenter la fiabilité et la performance des modèles.&lt;/p&gt;
&lt;p&gt;L’interconnexion avec l’IA framework permet d’accéder automatiquement à des informations précédemment enregistrées, telles que des datasets pré-construits, mais aussi aux modèles existants et ainsi de faire tourner des tests automatiquement. Enfin, la plateforme permet une analyse quantitative et qualitative des comportements des modèles en affichant les résultats directement sur les images, ainsi que leurs métriques de performance. Cela permet à l’équipe de Data Science de vérifier rigoureusement la manière dont les modèles se comporteront une fois déployés.&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&quot;Notre propre plateforme de développement IA permet aux entreprises de s’appuyer sur des outils fiables, robustes et avant-gardistes pour accélérer le développement et le déploiement à grande échelle de leurs applications dans le domaine de l’Intelligence Artificielle&quot;, déclare Arnaud Guérin, CEO et co-fondateur d’Earthcube. &quot;Cette plateforme, initialement développée pour notre productivité interne, est le fruit de notre expérience dans le développement de solutions IA pour les secteurs critiques, comme le secteur de la Défense. Elle répond donc à des enjeux très élevés de fiabilité, de performance et d’autonomie&quot;.&lt;/p&gt;
&lt;p&gt;La plate-forme est disponible aussi bien on premise qu’en fonctionnement SaaS.&amp;nbsp;&lt;/p&gt;
&lt;p&gt;[video:https://www.youtube.com/watch?v=hLet5dIb7ic autoplay:0]&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Mon, 20 Jan 2020 14:46:29 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">72986 at https://www.programmez.com</guid>
    </item>
<item>
  <title>Sortie de TensorFlow 2.0</title>
  <link>https://www.programmez.com/actualites/sortie-de-tensorflow-20-29417</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;Sortie de TensorFlow 2.0&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2019-10-01T16:41:45+02:00&quot; title=&quot;Mardi, 1 octobre 2019 - 16:41&quot; class=&quot;datetime&quot;&gt;mar, 1 Oct 2019 - 16:41&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/sortie-de-tensorflow-20-29417%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/sortie-de-tensorflow-20-29417%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/outils/frameworks&quot; hreflang=&quot;fr&quot;&gt;Frameworks&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/tensorflow&quot; hreflang=&quot;fr&quot;&gt;TensorFlow&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/intelligence-artificielle&quot; hreflang=&quot;fr&quot;&gt;intelligence artificielle&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/machine-learning&quot; hreflang=&quot;fr&quot;&gt;machine learning&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;TensorFlow est un outil de machine learning et de deep learning. Il expose une API en Python. Google l&#039;utilise en interne, notamment pour Inception v3, son architecture de reconnaissance d&#039;image.&lt;/p&gt;
&lt;p&gt;Google a ouvert le code de TensorFlow en 2015. Moutain View a &lt;a href=&quot;https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0&quot;&gt;annoncé&lt;/a&gt; lundi la sortie de TensorFlow 2.0 en version finale.&lt;/p&gt;
&lt;p&gt;Cette mouture met l&#039;accent sur la simplicité et la facilité d&#039;utilisation, selon les termes de Google. La construction de modèles avec Keras est présentée comme étant facile, et l&#039;exécution rapide. C&#039;est toujours selon Google, le plus gros point fort de cette version 2.0. Google souligne aussi avoir simplifié l&#039;API&amp;nbsp;en réduisant la duplication et en supprimant les terminaux obsolètes.&lt;/p&gt;
&lt;p&gt;TensorFlow 2.0 fournit Keras en tant qu&#039;API de haut niveau centrale utilisée pour créer et former des modèles.&amp;nbsp;Keras fournit plusieurs API de création de modèle, telles que Séquentielle, Fonctionnelle et Sous-classification, ainsi qu&#039;une exécution rapide, pour une itération immédiate, un débogage intuitif, et&amp;nbsp;la construction de pipelines d&#039;entrée évolutifs.&amp;nbsp;Google renvoie à cette &lt;a href=&quot;https://www.tensorflow.org/guide/keras/overview&quot;&gt;documentation&lt;/a&gt; pour plus de détails.&lt;/p&gt;
&lt;p&gt;En revanche Google a effectué de nombreuses modifications d&#039;API qui entraînent des incompatibilités avec les versions antérieures. En outre TensorFlow 2.0.0 est construit à l&#039;aide de devtoolset7 (GCC7) sur Ubuntu 16. Cela peut entraîner des incompatibilités ABI avec des extensions construites à l&#039;aide de versions antérieures de TensorFlow.&lt;/p&gt;
&lt;p&gt;TensorFlow c&#039;est aussi une notable amélioration de performances, grâce à une meilleure utilisation des GPU. TensorFlow 2.0 offre des performances d’entraînement jusqu’à trois fois plus rapides en utilisant une précision mixte sur les GPU Volta et Turing avec quelques lignes de code. TensorFlow 2.0 est étroitement intégré à TensorRT et utilise&amp;nbsp;une API améliorée&amp;nbsp;pour offrir une meilleure convivialité et de hautes performances lors de l’inférence sur&amp;nbsp;&lt;a href=&quot;https://cloud.google.com/compute/docs/tutorials/ml-inference-t4&quot;&gt;les GPU NVIDIA T4 Cloud&lt;/a&gt;&amp;nbsp;sur Google Cloud.&lt;/p&gt;
&lt;p&gt;Kari Briski, directeur principal de la gestion des produits de logiciel d&#039;informatique accélérée chez NVIDIA a commenté ainsi la sortie de TensorFlow 2.0&amp;nbsp; : &quot;L&#039;apprentissage automatique sur les GPU et les systèmes NVIDIA permet aux développeurs de résoudre des problèmes qui semblaient impossibles il y a quelques années. TensorFlow 2.0 est doté de nombreuses fonctionnalités d’accélération GPU exceptionnelles et nous avons hâte de voir les étonnantes applications d’IA que la communauté créera avec ces outils mis à jour.&quot;&lt;/p&gt;
&lt;p&gt;[video:https://www.youtube.com/watch?&amp;amp;v=EqWsPO8DVXk autoplay:0]&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Tue, 01 Oct 2019 14:41:45 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">72513 at https://www.programmez.com</guid>
    </item>
<item>
  <title>Deep Learning : Météo-France publie une formation en français, en libre accès et en open source</title>
  <link>https://www.programmez.com/actualites/deep-learning-meteo-france-publie-une-formation-en-francais-en-libre-acces-et-en-open-source-29059</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;Deep Learning : Météo-France publie une formation en français, en libre accès et en open source&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2019-06-12T16:02:46+02:00&quot; title=&quot;Mercredi, 12 juin 2019 - 16:02&quot; class=&quot;datetime&quot;&gt;mer, 12 Jun 2019 - 16:02&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/deep-learning-meteo-france-publie-une-formation-en-francais-en-libre-acces-et-en-open-source-29059%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/deep-learning-meteo-france-publie-une-formation-en-francais-en-libre-acces-et-en-open-source-29059%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/metier-business/formations&quot; hreflang=&quot;fr&quot;&gt;Formations&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/formation&quot; hreflang=&quot;fr&quot;&gt;formation&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;Afin de tirer le meilleur parti de la richesse de ses bases de données météorologiques, Météo-France investit sur des technologies d&#039;intelligence artificielle. Dans ce cadre, l&#039;établissement a créé une formation d&#039;initiation en deux jours au Deep Learning destinée à ses agents. Cette initiation étant adaptée à d&#039;autres domaines d&#039;application que la météorologie, Météo-France a choisi de publier sur la plateforme GitHub les supports de cours et les codes sources des travaux pratiques, en open source et en français, pour contribuer au développement des compétences en intelligence artificielle dans la communauté francophone.&lt;/p&gt;
&lt;p&gt;La formation est disponible ici : &lt;a href=&quot;https://github.com/meteofrance/formation-deep-learning&quot;&gt;https://github.com/meteofrance/formation-deep-learning&lt;/a&gt;. &lt;br&gt; &lt;br&gt; Météo-France invite par ailleurs les connaisseurs du domaine à améliorer ou compléter cette initiation : les propositions de modification peuvent être soumises directement sur GitHub.&lt;/p&gt;
&lt;p&gt;Programme de la formation&lt;/p&gt;
&lt;p&gt;Cette formation s&#039;adresse à des chercheurs, ingénieurs d’études et développeurs n&#039;ayant pas de connaissance préalable du domaine. Elle nécessite comme seuls pré-requis des connaissances de base en programmation en Python et un niveau de premier cycle universitaire en mathématiques. La formation comporte 9 cours et 5 modules de travaux pratiques.&lt;/p&gt;
&lt;p&gt;Cours 0 - Programme de la formation&lt;/p&gt;
&lt;p&gt;Cours 1 - Introduction au Machine Learning&lt;/p&gt;
&lt;p&gt;Cours TP 1 - Python pour Data Scientists&lt;/p&gt;
&lt;p&gt;TP 1 - Python pour Data Scientists&lt;/p&gt;
&lt;p&gt;TP 2 - Reconnaissance de chiffres manuscrits (modèles linéaires, random forest...)&lt;/p&gt;
&lt;p&gt;Cours 2 - Introduction au Deep Learning&lt;/p&gt;
&lt;p&gt;Cours 3 - La librairie Keras&lt;/p&gt;
&lt;p&gt;TP 3 - Réseaux convolutionnels : reconnaissance de chiffres manuscrits avec Keras&lt;/p&gt;
&lt;p&gt;Cours TP 4 - Visualisation et Transfer Learning&lt;/p&gt;
&lt;p&gt;TP 4 - Transfer Learning : classification d&#039;images&lt;/p&gt;
&lt;p&gt;Cours 4 - Architecture de réseaux convolutionnels&lt;/p&gt;
&lt;p&gt;Cours TP 5 - Segmentation par pixels avec Unet&lt;/p&gt;
&lt;p&gt;TP 5 - Segmentation par pixels avec Unet&lt;/p&gt;
&lt;p&gt;Cours 5 - Réseaux récurrents&lt;/p&gt;
&lt;p&gt;Les planches des cours sont au format Markdown, afin d&#039;être aisément modifiables. Une version pdf est également disponible. Les TP sont en Python 3, au format Jupyter Notebook. Leurs corrections sont fournies. Cette formation est partagée par Météo-France sous la licence Apache 2.0.&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Wed, 12 Jun 2019 14:02:46 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">72268 at https://www.programmez.com</guid>
    </item>
<item>
  <title>ML.NET arrive en version 1.0 Release Candidate</title>
  <link>https://www.programmez.com/actualites/mlnet-arrive-en-version-10-release-candidate-28823</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;ML.NET arrive en version 1.0 Release Candidate&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2019-04-12T15:17:53+02:00&quot; title=&quot;Vendredi, 12 avril 2019 - 15:17&quot; class=&quot;datetime&quot;&gt;ven, 12 Avr 2019 - 15:17&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/mlnet-arrive-en-version-10-release-candidate-28823%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/mlnet-arrive-en-version-10-release-candidate-28823%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/outils/frameworks&quot; hreflang=&quot;fr&quot;&gt;Frameworks&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/intelligence-artificielle&quot; hreflang=&quot;fr&quot;&gt;intelligence artificielle&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/mlnet&quot; hreflang=&quot;fr&quot;&gt;ML.NET&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;ML.NET est un framework de machine learning open source et multi plates-formes destiné aux développeurs .NET. Il est disponible pour Windows, Linux et macOS. Avec ML.NET, les développeurs peuvent exploiter leurs outils et compétences existants pour développer et infuser une intelligence artificielle personnalisée dans leurs applications en créant des modèles d’apprentissage automatique personnalisés pour des scénarios courants tels que l’analyse des sentiments, la recommandation, la classification des images, etc. indique Microsoft dans son annonce de la sortie de ce framework en version 1.0 Release Candidate.&lt;/p&gt;
&lt;p&gt;La version finale arrivera dans le courant du trimestre. Il est à remarquer toutefois que si cette version finale sera, par définition, prête pour la production, des packages resteront en version preview. Il s&#039;agit de :&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;Composants TensorFlow&lt;/li&gt;
&lt;li&gt;Composants Onnx&lt;/li&gt;
&lt;li&gt;Composants TimeSeries&lt;/li&gt;
&lt;li&gt;Composants de recommandation&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Microsoft semble fortement vouloir promouvoir ce framework auprès des développeurs. En effet, les sorties des versions préliminaires se sont succédées à un rythme très élevé : 1 par mois. Par ailleurs dans son &lt;a href=&quot;https://dotnet.microsoft.com/apps/machinelearning-ai/ml-dotnet&quot;&gt;annonce&lt;/a&gt;&amp;nbsp;Microsoft souligne que les développeurs qui souhaitent utiliser ML.NET dans leur application et passer en production peuvent contacter un ingénieur de l&#039;équipe ML.NET sur le &lt;a href=&quot;https://dotnet.microsoft.com/apps/machinelearning-ai/ml-dotnet&quot;&gt;site officiel&lt;/a&gt;&amp;nbsp;afin d&#039;être aidés dans leurs implémentations.&lt;/p&gt;
&lt;p&gt;ML.NET est un logiciel libre sous licence MIT. Il est disponible sur&amp;nbsp;&lt;a href=&quot;https://github.com/dotnet/machinelearning&quot;&gt;GitHub&lt;/a&gt;.&amp;nbsp;&lt;/p&gt;
&lt;p&gt;En septembre 2018, lors de sa conférence Ignite, Microsoft a présenté longuement ML.NET. Vidéo ci-dessous.&lt;/p&gt;
&lt;p&gt;[video:https://www.youtube.com/watch?v=yDa8zsyKJRw autoplay:0]&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Fri, 12 Apr 2019 13:17:53 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">72114 at https://www.programmez.com</guid>
    </item>
<item>
  <title>AlphaStar bat des joueurs professionnels de StarCraft II</title>
  <link>https://www.programmez.com/actualites/alphastar-bat-des-joueurs-professionnels-de-starcraft-ii-28532</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;AlphaStar bat des joueurs professionnels de StarCraft II&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2019-01-29T16:18:48+01:00&quot; title=&quot;Mardi, 29 janvier 2019 - 16:18&quot; class=&quot;datetime&quot;&gt;mar, 29 Jan 2019 - 16:18&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/alphastar-bat-des-joueurs-professionnels-de-starcraft-ii-28532%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/alphastar-bat-des-joueurs-professionnels-de-starcraft-ii-28532%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/technologies&quot; hreflang=&quot;fr&quot;&gt;Technologies&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/intelligence-artificielle&quot; hreflang=&quot;fr&quot;&gt;intelligence artificielle&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deep-learning&quot; hreflang=&quot;fr&quot;&gt;Deep learning&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/deepmind&quot; hreflang=&quot;fr&quot;&gt;DeepMind&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;En 2016 et 2017 AlphaGo, l&#039;intelligence artificielle de la société DeepMind, filiale de Google, a battu les champions de Go Lee Sedol et le prodige Ke Jie. Dès 2016, DeepMind indiquait vouloir relever de nouveaux défis et s&#039;attaquer à StarCraft II, avec l&#039;ambition que son intelligence artificielle batte des joueurs professionnels.&lt;/p&gt;
&lt;p&gt;Pourquoi StarCraft II ? DeepMind le considère comme le meilleur jeu à un contre un de tous les temps, la crème des jeu. Contrairement au Go ou aux Echecs, le monde de StarCraft n&#039;est pas un monde ordonné où tous les paramètres sont définis à l&#039;avance. StarCraft reproduit en quelque sorte le manque d&#039;organisation du monde réel, souligne DeepMind. De plus, le brouillard fait que le jeu doit de nouveau être exploré à chaque partie. Alors un programme d&#039;intelligence artificielle qui sera capable d&#039;apprendre à bien jouer à StarCraft II, trouvera des applications dans le monde réel. C&#039;est l&#039;enjeu.&lt;/p&gt;
&lt;p&gt;DeepMind a baptisé AlphaStar son programme d&#039;intelligence artificielle pour StartCratf II. Le 19 décembre dernier, au cours d&#039;un match en 5 parties, AlphaStar a battu Grzegorz &#039;MaNa&#039; Komincz, qui figure parmi les plus&amp;nbsp;forts joueurs deStarCraft professionnels du monde, sur le score de 5 à 0. Ceci après avoir battu au cours d&#039;un match de référence Dario &#039;TLO&#039;&amp;nbsp;Wünsch, le coéquipier Grzegorz&amp;nbsp;&lt;/p&gt;
&lt;p&gt;Les matches se sont déroulés dans des conditions de match professionnelles sur une&amp;nbsp;carte en&amp;nbsp;échelle de compétition&amp;nbsp;et sans aucune restriction de jeu, précise fièrement DeepMind dans son &lt;a href=&quot;https://deepmind.com/blog/alphastar-mastering-real-time-strategy-game-starcraft-ii/&quot;&gt;communiqué&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;DeepMind exlique : Le comportement d&#039;AlphaStar est généré par un&amp;nbsp;réseau de neurones&amp;nbsp;profonds&amp;nbsp;qui reçoit des données d&#039;entrée de l&#039;interface de jeu brute (une liste d&#039;unités et de leurs propriétés) et génère une séquence d&#039;instructions constituant une action dans le jeu.&amp;nbsp;Plus précisément, l’architecture de réseau neuronal applique&amp;nbsp;aux unités&amp;nbsp;un&amp;nbsp;torse de&amp;nbsp;transformateur&amp;nbsp;(similaire à&amp;nbsp;&amp;nbsp;l’apprentissage par renforcement relationnel profond relationnel&amp;nbsp;), associée à un&amp;nbsp;noyau LSTM profond&amp;nbsp;, à une&amp;nbsp;tête de stratégie auto-régressive&amp;nbsp;avec un&amp;nbsp;réseau de pointeurs&amp;nbsp;et à une&amp;nbsp;valeur de référence centralisée..&amp;nbsp;Nous pensons que ce modèle avancé contribuera à de nombreux autres problèmes de recherche en apprentissage automatique impliquant la modélisation de séquence à long terme et les grands espaces de sortie tels que la traduction, la modélisation du langage et les représentations visuelles.&lt;/p&gt;
&lt;p&gt;Et ajoute : AlphaStar utilise également un nouvel algorithme d’apprentissage multi-agents.&amp;nbsp;Le réseau de neurones a été initialement formé par apprentissage supervisé à partir de jeux humains anonymisés&amp;nbsp;publiés par Blizzard&amp;nbsp;.&amp;nbsp;Cela a permis à AlphaStar d’apprendre, par imitation, les stratégies de base micro et macro utilisées par les joueurs de l’échelle StarCraft.&amp;nbsp;Cet agent initial a vaincu l&#039;IA intégrée de niveau «Elite» - autour du niveau de l&#039;or pour un joueur humain - dans 95% des matchs.&lt;/p&gt;
&lt;p&gt;[video:https://www.youtube.com/watch?v=cUTMhmVh1qs autoplay:0]&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Tue, 29 Jan 2019 15:18:48 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">71922 at https://www.programmez.com</guid>
    </item>

  </channel>
</rss>
