:orphan:

|rss_image| :ref:`<== <ap-main-1>`  **page de blog - 3/16** :ref:`==> <ap-main-3>` :ref:`Blog <ap-main-0>` :ref:`article (8) <ap-cat-article-0>` :ref:`articles (3) <ap-cat-articles-0>` :ref:`cours (6) <ap-cat-cours-0>` :ref:`module (7) <ap-cat-module-0>` :ref:`paper (3) <ap-cat-paper-0>`

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

----


.. _ap-main-2:

page de blog - 3/16
+++++++++++++++++++

.. blogpostagg::
    :title: Performance
    :date: 2021-05-03
    :keywords: linear algebra,CPU
    :categories: performance
    :rawfile: 2021/2021-05-03_cpu.rst

    Quelques articles sur la performance.
    

    ...




.. blogpostagg::
    :title: Quelques modules intéressants
    :date: 2021-04-23
    :keywords: ascii,remote,putty
    :categories: module
    :rawfile: 2021/2021-04-23_module.rst

    Le module permet de tracer des graphes comme :epkg:`matplotlib`
    `bashplotlib <https://github.com/glamp/bashplotlib>`_
    mais en mode ascii, très pratique pour ceux qui travaillent
    en ligne de commande.
    Sinon, il y a toujours l'extension de Visual Studio
    `VS Code Remote Development
    <https://code.visualstudio.com/docs/remote/remote-overview>`_
    qui permet de coder en local avec une machine distante comme machine
    de calcul.
    

    ...




.. blogpostagg::
    :title: Articles, liens, code efficaces
    :date: 2021-03-24
    :keywords: implémentation
    :categories: papers
    :rawfile: 2021/2021-03-24_fast.rst

    * `How to optimize GEMM on CPU
      <https://tvm.apache.org/docs/tutorials/optimize/opt_gemm.html#sphx-glr-tutorials-optimize-opt-gemm-py>`_
    * `HIGH PERFORMANCE CODE GENERATION IN MLIR: AN EARLY CASE STUDY WITH GEMM
      <https://arxiv.org/pdf/2003.00532v1.pdf>`_
    * `Fireiron: A Data-Movement-Aware Scheduling Language for GPUs
      <https://dl.acm.org/doi/pdf/10.1145/3410463.3414632>`_
    * `Linalg Dialect Rationale: The Case For Compiler-Friendly Custom Operations
      <https://mlir.llvm.org/docs/Rationale/RationaleLinalgDialect/>`_
    * `Robocode
      <https://robocode.sourceforge.io/>`_
    * `Introducing PyTorch Profiler - the new and improved performance tool
      <https://pytorch.org/blog/introducing-pytorch-profiler-the-new-and-improved-performance-tool/>`_




.. blogpostagg::
    :title: pandas en plus rapide
    :date: 2021-03-21
    :keywords: py-polars,pandas
    :categories: modules
    :rawfile: 2021/2021-03-21_pypolars.rst

    `py-polars <https://github.com/ritchie46/polars>`_ implémente
    des dataframes, comme :epkg:`pandas`, à ceci près qu'elle
    propose également une interface *lazy* ou streaming.
    Elle est implémentée en :epkg:`Rust`.




.. blogpostagg::
    :title: Ethique, fairness, machine learning
    :date: 2021-02-02
    :keywords: éthique
    :categories: fairness
    :rawfile: 2021/2021-02-02_fair.rst

    La recherche dans le domaine du machine learning éthique est
    assez disparate. Je suis tombé sur cet article
    `An overview of some available Fairness Frameworks & Packages
    <https://www.linkedin.com/pulse/
    overview-some-available-fairness-frameworks-packages-murat-durmus/>`_
    qui reprend différentes approches sur le sujet. Il contient de nombreux
    liens vers des articles sur le sujet. Il existe de nombreux
    outils pour mesurer le côté éthique d'un modèle, voire d'apprendre
    un modèle de façon éthique. La plupart du temps, c'est l'initiative
    d'un ou plusieurs chercheurs qui arrêtent leur effort de maintenance
    une fois leur article publié.
    

    ...




.. blogpostagg::
    :title: Lectures, mise en production
    :date: 2021-02-01
    :keywords: papers,production
    :categories: lectures
    :rawfile: 2021/2021-02-01_reading.rst

    J'ai créé ce notebook pour :ref:`2020covidrst` pour introduire
    les modèles épidémiologiques, sujets que j'ai abordés durant mes cours
    cette année. Cela m'a aidé à mieux anticiper les décisions
    liées à la gestion de l'épidémie du COVID et les élèves étaient
    curieux.
    

    ...




.. blogpostagg::
    :title: Quelques lectures...
    :date: 2020-12-06
    :keywords: papers
    :categories: lectures
    :rawfile: 2020/2020-12-06_reading.rst

    Interpreation
    
    * `Regression Discontinuity for Causal Effect Estimation in Epidemiology
      <https://www.semanticscholar.org/paper/
      Regression-Discontinuity-for-Causal-Effect-in-Oldenburg-Moscoe/
      14786a09e5ba97e388aff293e9bbe7db7dd9dc59>`_
    
    Efficiency
    
    * `Performance Optimization Strategies for WRF Physics Schemes Used in Weather Modeling
      <https://www.researchgate.net/publication/
      326307125_Performance_Optimization_Strategies_for_WRF_Physics_Schemes_Used_in_Weather_Modeling>`_
    * `Cache Memories
      <https://www.cs.cmu.edu/~213/lectures/11-cache-memories.pdf>`_
    
    Survival Analysis
    
    * `Introduction to Survival Analysis
      <http://www.stat.columbia.edu/~madigan/W2025/notes/survival.pdf>`_
    * `Effective Ways to Build and Evaluate Individual Survival Distributions
      <https://www.jmlr.org/papers/volume21/18-772/18-772.pdf>`_




.. blogpostagg::
    :title: Un problème d'optimisation pour optimiser un calcul matriciel
    :date: 2020-11-18
    :keywords: einsum
    :categories: optimisation
    :rawfile: 2020/2020-11-18_einsum.rst

    Je suis tombé par hasard sur le package
    `opt-einsum <https://github.com/dgasmith/opt_einsum>`_ qui
    est utilisé par :epkg:`tensorflow` pour optimiser le calcul
    de la fonction :epkg:`numpy:einsum`. En lisant la documentation,
    j'ai abouti à l'article :
    `Faster identification of optimal contraction sequences for tensor networks
    <https://arxiv.org/pdf/1304.6112.pdf>`_, cet article s'intéresse à
    l'implémentation optimale de réaliser une opération de type `einsum
    <https://numpy.org/devdocs/reference/generated/numpy.einsum.html>`_.
    

    ...




.. blogpostagg::
    :title: Cours de statistiques descriptives, machine learning...
    :date: 2020-11-02
    :keywords: Arthur Charpentier
    :categories: cours
    :rawfile: 2020/2020-11-02_cours.rst

    * `Analyse des données en actuariat <https://github.com/freakonometrics/ACT6100/>`_
    * `Moindres carrés <https://freakonometrics.hypotheses.org/61450>`_
    * `Analyse non supervisée <https://freakonometrics.hypotheses.org/61441>`_
    * `Rappel et Compléments <https://freakonometrics.hypotheses.org/61305>`_
    
    Quelques articles sur l'épidémie :
    

    ...




.. blogpostagg::
    :title: Bluffer les modèles de machine learning
    :date: 2020-10-14
    :keywords: packages
    :categories: sécurité
    :rawfile: 2020/2020-10-14_red.rst

    Je suis tombé sur cette vidéo qui parle des façons de duper
    les modèles de machine learning comme ceux utilisés dans les caméras
    de surveillance, les voitures Tesla. Et je ne peux pas résister aux
    chercheurs qui disent aimer les maths avec autant de plaisir,
    `Don't Red Team AI Like a Chump
    <https://cyber.harvard.edu/story/2019-11/dont-red-team-ai-chump>`_,
    et son auteure : `Ariel Herbert-Voss
    <https://cyber.harvard.edu/people/ariel-herbert-voss>`_.
    

    ...





----

|rss_image| :ref:`<== <ap-main-1>`  **page de blog - 3/16** :ref:`==> <ap-main-3>` :ref:`2022-10 (1) <ap-month-2022-10-0>` :ref:`2022-12 (2) <ap-month-2022-12-0>` :ref:`2023-01 (1) <ap-month-2023-01-0>` :ref:`2023-02 (1) <ap-month-2023-02-0>` :ref:`2023-04 (1) <ap-month-2023-04-0>`