:orphan:

|rss_image| :ref:`<== <ap-main-1>`  **page de blog - 3/14** :ref:`==> <ap-main-3>` :ref:`Blog <ap-main-0>` :ref:`cours (3) <ap-cat-cours-0>`

.. |rss_image| image:: feed-icon-16x16.png
    :target: ../_downloads/rss.xml
    :alt: RSS

----


.. _ap-main-2:

page de blog - 3/14
+++++++++++++++++++

.. blogpostagg::
    :title: Un module pour annoter les données
    :date: 2019-05-24
    :keywords: smart,annotations,label
    :categories: annotation
    :rawfile: 2019/2019-05-24_smart.rst

    Le machine learning supervisé a besoin de données
    labellisées. Sans label, pas d'apprentissage, quand
    il n'y en a pas, il faut les fabriquer. C'est long,
    fastidieux mais on apprend beaucoup on labellisant
    ses données, il arrive souvent qu'on change
    la façon de le faire en les regardant.
    Toutefois, il faut le faire un jour. Je n'ai pas
    essayé l'outil suivant mais il pourrait aider :
    `SMART <https://rtiinternational.github.io/SMART/>`_.




.. blogpostagg::
    :title: Quelques modules intéressants
    :date: 2019-05-20
    :keywords: loguru,botflow,pandas
    :categories: modules
    :rawfile: 2019/2019-05-20_modules.rst

    Une liste de modules à suivre.
    Un benchmark sur :epkg:`pandas` pour commencer :
    `Fast-Pandas <https://github.com/mm-mansour/Fast-Pandas>`_.
    On voit que en deça de 10.000 lignes, l'ordinateur
    passe son temps surtout dans le code python. Après,
    il fait enfin un peu de calcul.
    

    ...




.. blogpostagg::
    :title: Ludwig, machine learning et réchauffement climatique
    :date: 2019-02-20
    :keywords: ludwig,Uber
    :categories: module
    :rawfile: 2019/2019-02-20_ludwig.rst

    Uber a sorti son module de machine learning
    `ludwig <https://github.com/uber/ludwig>`_
    (`documentation <https://uber.github.io/ludwig/>`_)
    qui automatise plein de choses pour une catégorie
    de problèmes de machine learning classique et deep.
    Certains apprentissages peuvent être parallélisés
    avec `mpi4py <https://rabernat.github.io/research_computing/parallel-programming-with-mpi-for-python.html>`_.
    J'ai fini sur le site de son auteur
    `Ryan Abernathey <https://rabernat.github.io/>`_
    qui étudie la circulation de l'eau autour du globe,
    ce qui m'a amené à `Pangeo <http://pangeo.io/>`_
    *A community platform for Big Data geoscience*
    et des jeux de données sur la Terre
    `Pangeo Data Catalog <http://pangeo.io/catalog.html>`_
    ou encore le module `xgcm <https://github.com/xgcm/xgcm>`_
    qui pourrait être utile pour faire des simulations sur le
    réchauffement climatique.




.. blogpostagg::
    :title: Problème avec spacy
    :date: 2019-02-18
    :keywords: spacy
    :categories: installation
    :rawfile: 2019/2019-02-18_spacy.rst

    Et voilà comment on peut perdre quelques heures à
    comprendre pourquoi un notebook qui fonctionnait
    ne fonctionne plus. C'est l'erreur que j'ai depuis
    quelques semaines déjà pour laquelle je ne peux
    pas vraiment mettre à jour certains modules sans
    rencontrer l'erreur suivante :
    

    ...




.. blogpostagg::
    :title: Pipeline et processeur
    :date: 2019-01-16
    :keywords: CPU,pipeline
    :categories: performance
    :rawfile: 2019/2019-01-16_perf.rst

    Trois liens différents vers trois articles qui parlent
    tous du même sujet :
    `Why use an FPGA instead of a CPU or GPU? <https://blog.esciencecenter.nl/why-use-an-fpga-instead-of-a-cpu-or-gpu-b234cd4f309c>`_,
    `Why use an FPGA instead of a CPU or GPU? (Quora) <https://www.quora.com/Why-use-an-FPGA-instead-of-a-CPU-or-GPU-1>`_,
    `Why Use an FPGA Instead of a CPU or GPU? (News) <https://news.ycombinator.com/item?id=17757624>`_.
    On y apprend que le :epkg:`FGPA` est plus lent que le :epkg:`CPU` et :epkg:`GPU`,
    ou plus précisément qu'un cycle d'exécution du FGPA est plus lent.
    En revanche, dans ce cycle, on peut y mettre plus d'instructions.
    Le dernier article cite un chiffre : le FGPA est 10 plus lent mais
    un cycle peut contenir 20 fois plus d'instructions qu'un CPU.
    Le dernier article compare les forces et faiblesses
    de plusieurs approches :
    `FPGA vs CPU vs GPU vs Microcontroller: How Do They Fit into the Processing Jigsaw Puzzle? <https://www.arrow.com/en/research-and-events/articles/fpga-vs-cpu-vs-gpu-vs-microcontroller>`_.
    FGPA permet d'aller plus vite mais il faut s'y connaître un peu
    pour les obtenir.
    

    ...




.. blogpostagg::
    :title: Mars : calcul distribué en python
    :date: 2019-01-16
    :keywords: mars,numpy
    :categories: calcul
    :rawfile: 2019/2019-01-20_mars.rst

    :epkg:`mars` est un projet open source depuis 15 jours
    et qui permet de faire des calculs sur ds matrices
    en grande dimension. Il est supporté par *Alibaba* :
    `Alibaba Open-Sources Mars to Complement NumPy <https://medium.com/syncedreview/alibaba-open-sources-mars-to-complement-numpy-ea215ff1fa2f>`_.
    Les performances ont l'air intéressantes même si mon premier
    essai sur un produit scalaire montre que des vecteurs
    de tailles humaines, :epkg:`numpy` restent difficile à battre.




.. blogpostagg::
    :title: Spacy ressources
    :date: 2019-01-11
    :keywords: spacy,nlp
    :categories: nlp
    :rawfile: 2019/2019-01-11_spacyres.rst

    Le moyen le plus simple pour installer les ressources
    linguistiques de :epkg:`spacy` est d'exécuter la commande
    suivante pour la langue souhaitée :
    

    ...




.. blogpostagg::
    :title: Exercices de scrapping
    :date: 2019-01-09
    :keywords: exercice
    :categories: exercice
    :rawfile: 2019/2019-01-09_scraping.rst

    Le site contient quelques notebooks à propos du :epkg:`scraping`.
    Je distingue souvent deux niveaux de difficultés. Le plus simple
    est d'utiliser une :epkg:`API REST`. On récupère alors des informations
    formatées prêtes à être utilisées. Ces API sont souvent stables
    mais nécessitent de s'authentifier.
    

    ...




.. blogpostagg::
    :title: Des articles intéressants
    :date: 2018-12-09
    :keywords: 
    :categories: modules
    :rawfile: 2018/2018-12-09_medium.rst

    Je retombe parfois sur ce site
    `medium <https://medium.com/>`_
    et il propose
    quelques articles intéressant pour qui veut
    apprendre à manipuler les données. Quelques articles
    trouvés sur cet agrégateur :
    `Markov Chain Monte Carlo in Python <https://towardsdatascience.com/markov-chain-monte-carlo-in-python-44f7e609be98>`_,
    `Interpretable Machine Learning with XGBoost <https://towardsdatascience.com/interpretable-machine-learning-with-xgboost-9ec80d148d27>`_,
    `An End-to-End Project on Time Series Analysis and Forecasting with Python <https://towardsdatascience.com/an-end-to-end-project-on-time-series-analysis-and-forecasting-with-python-4835e6bf050b>`_,
    `The 2018 Web Developer Roadmap <https://codeburst.io/the-2018-web-developer-roadmap-826b1b806e8d>`_.
    Le dernier montre quelques bizarreries des outils de traduction automatique :
    `Introduction and main issues of Neural Machine Translation <https://towardsdatascience.com/introduction-and-main-issues-of-neural-machine-translation-3c67116721d1>`_.
    Un dernier pour la route sur les déformations d'informations principalement sur facebook :
    `France might be losing its first big information war <https://blog.0day.rocks/france-might-be-losing-its-first-big-information-war-2f3ab8b82fbb?fbclid=IwAR1HOZu7aas80VTvblgASIa-IMQxmq3dqsYzVAy5CYy2-tgDxk6TV2rRCJ8>`_.
    Un paragraphe étudie les heures de parutions des articles ou réponses pur montrer
    que les auteurs n'ont pas grand chose à voir avec les informations
    qu'ils relaient. Il est difficile d'être anonyme sur Internet...
    oui mais on peut noyer sa propre identité au milieu de plein d'autres
    tout à fait fausses, comme on peut noyer la vérité au milieu
    d'articles quelque peu déformés.




.. blogpostagg::
    :title: Quelques modules intéressants
    :date: 2018-11-30
    :keywords: pyFFTW,fftw3,DTW,kNN,Flt-SNE
    :categories: modules
    :rawfile: 2018/2018-11-30_module_interessent.rst

    * `pyFFTW <https://github.com/pyFFTW/pyFFTW>`_
      (`fftw3 <https://github.com/FFTW/fftw3>`_)
    * `K Nearest Neighbors & Dynamic Time Warping <https://github.com/markdregan/K-Nearest-Neighbors-with-Dynamic-Time-Warping>`_
    * `FFT-accelerated Interpolation-based t-SNE (FIt-SNE) <https://github.com/KlugerLab/FIt-SNE>`_
    * `py-spy <https://github.com/benfred/py-spy>`_
    * `kalman-filter <https://github.com/hbcbh1999/kalman-filter>`_
    
    Depuis le site `Awesome Functional Python <https://github.com/hbcbh1999/awesome-functional-python>`_ :
    

    ...





----

|rss_image| :ref:`<== <ap-main-1>`  **page de blog - 3/14** :ref:`==> <ap-main-3>` :ref:`2020-09 (1) <ap-month-2020-09-0>` :ref:`2020-10 (2) <ap-month-2020-10-0>` :ref:`2020-11 (2) <ap-month-2020-11-0>` :ref:`2020-12 (1) <ap-month-2020-12-0>` :ref:`2021-02 (2) <ap-month-2021-02-0>`