Machine Learning for the rest of us

Aujourd'hui il est impossible de passer à côté. Réseaux sociaux, services mail, vidéo à la demande, les plus grandes boites du web utilisent le machine learning à tour de bras, pour le meilleur et parfois pour le pire.
Mais en quoi cela consiste-t-il?
Après une introduction au machine learning, tour d'horizon de quelques petites applications implémentables en python.

Transcript

1. MACHINE LEARNING for the rest of us @providenz
2. $ whoami @providenz
3. datamateur $ whoami
4. Machine learning ? Pieces Chambres Surface Quartier Prix 3 2 90 Montferrand 137000 3 3 76 La Plaine 168500 7 5 160 Les Cézeaux 276500 6 4 126 Saint Alyre 149000 … … … … …
5. Machine learning ? Pieces Chambres Surface Quartier Prix 8 4 101 Pré de la reine ??????
6. Machine learning if block == sthg: if area < 90: if rooms > 3: if bedrooms >= 2: sq_meters_price = XX if …
8. Machine learning ? phase 1/2: apprentissage ALGO Moult voire + MODÈLE Données
9. Machine learning ? phase 2/2: prédiction Prédiction MODÈLE Pieces Chambres Surface Quartier Prix 8 4 101 Pré de la reine ??????
10. Applications Vision Moteurs de recherche Antispam Systèmes de recommandations Finance Détection de fraude Médical Analyse de sentiment Détection de langue Shazam Siri Art …
11. 2 types de problèmes Classification Régression
12. Classification
13. Iris Setosa Versicolor Virginica
14. Régression
16. Implémentations
17. En python scikit-learn gensim orange …
18. Hors python Weka: http://www.cs.waikato.ac.nz/ml/weka/ Vowpal wabbit: https://github.com/JohnLangford/ vowpal_wabbit Shogun: http://www.shogun-toolbox.org/
19. Predictives apis BIGML : bigml.com GOOGLE PREDICTION API aka ML as a service
20. Python
21. Process Spécifier le problème Collecter et préparer les données Feature engineering Sélectionner un algo Training Validation Prédiction
22. Feature engineering Pieces Chambres Surface Lat Long Prix 3 2 90 45.77966 3.08628 137000 Pieces Chambres Surface Quartier Prix 3 2 90 <Int> 137000
23. Pieces Chambres Surface Quartier 3 2 90 Montferrand 3 3 76 La Plaine 7 5 160 Les Cézeaux 6 4 126 Saint Alyre Prix 137000 168500 276500 149000 Features Target 3 2 68 N/A 3 2 67 Gare 93000 112000 Train Test Cross validation
24. SCIKIT LEARN http://scikit-learn.org/ pip install scikit-learn
25. Compléments ipython pandas numpy scipy hdf5 nltk
27. Classifiers (Algos) random forest k-means support vector machines lasso ridge regression …
28. Notebooks
29. Warnings
30. Trop peu de données
31. Warnings Corrélation != rapport de causes à effets Spurious correlations http://tylervigen.com/
32. Ressources http://scikit-learn.org/ http://pandas.pydata.org/ http://matplotlib.org/ http://stanford.edu/~mwaskom/software/seaborn/ https://www.kaggle.com/ libs challenges
33. Ressources: livres Bootstrapping machine learning: http:// www.louisdorard.com/machine-learning-book/ Building Machine Learning Systems with Python: https:// www.packtpub.com/big-data-and-business-intelligence/ building-machine-learning-systems-python Programming collective intelligence : http:// www.amazon.com/gp/product/0596529325/ An Introduction to Statistical Learning: http://www- bcf.usc.edu/~gareth/ISL/ La statistique sans formule mathématique Bernard Py
34. https://www.flickr.com/photos/52569650@N00/ https://www.flickr.com/photos/haglundc/ Crédits photo
35. Merci @providenz