:orphan:

|rss_image| :ref:`<== <ap-main-4>`  **page de blog - 6/14** :ref:`==> <ap-main-6>` :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-5:

page de blog - 6/14
+++++++++++++++++++

.. blogpostagg::
    :title: Ajout de références
    :date: 2018-04-27
    :keywords: nmt
    :categories: biblio
    :rawfile: 2018/2018-04-27_new.rst

    Je découvre plus de sujets qui suscite ma curiosité
    que je pourrais jamais un jour en traiter.
    Voici le dernier : :ref:`l-mld2a-ad`.




.. blogpostagg::
    :title: Reconstruction 3D
    :date: 2018-04-16
    :keywords: nmt
    :categories: biblio
    :rawfile: 2018/2018-04-16_3drec.rst

    C'est un sujet compliqué pour lequel il existe
    des solutions simples comme :epkg:`opencv` :
    `Depth Map from Stereo Images <http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_calib3d/py_depthmap/py_depthmap.html>`_.
    `meshalb <http://www.meshlab.net/>`_ permet de visualiser
    les objets à facette. Un site qui recense plein de problématique
    en 3D : `3D-Machine-Learning <https://github.com/timzhang642/3D-Machine-Learning>`_.
    `Pascal VOC <http://host.robots.ox.ac.uk/pascal/VOC/>`_
    est un format très utilisé pour annoter les objets à
    reconnaître dans une image.
    Il existe un module :epkg:`python` capable de les écrire,
    `pascal-voc-writer <https://pypi.python.org/pypi/pascal-voc-writer>`_,
    pour les lire
    `pascal-voc-python <https://github.com/mprat/pascal-voc-python>`_,
    un outil pour labelliser
    `Label-Annotation-VOC-Pascal <https://github.com/manhcuogntin4/Label-Annotation-VOC-Pascal>`_.




.. blogpostagg::
    :title: Ajout de références modules
    :date: 2018-04-05
    :keywords: nmt
    :categories: biblio
    :rawfile: 2018/2018-04-07_new.rst

    Dans :ref:`l-nmt-traduction-auto` :
    

    ...




.. blogpostagg::
    :title: Blockchain en python - tutoriels
    :date: 2018-03-31
    :keywords: blockchain,python
    :categories: tutoriel
    :rawfile: 2018/2018-03-31_blockchain.rst

    Un moyen simple d'avoir une idée de ce qu'est
    une :epkg:`blockchain` est de l'implémenter en :epkg:`python`.
    Deux tutoriels :
    

    ...




.. blogpostagg::
    :title: Biblio : articles ajoutés récemment, machine learning
    :date: 2018-03-27
    :keywords: online training,stochastique gradient descent
    :categories: biblio
    :rawfile: 2018/2018-03-27_new.rst

    Dans :ref:`l-ml2a-ranking` :
    

    ...




.. blogpostagg::
    :title: Biblio : articles ajoutés récemment, interprétabilité des modèles
    :date: 2018-03-24
    :keywords: interprétabilité,eli5
    :categories: machine learning
    :rawfile: 2018/2018-03-24_interpretabilite.rst

    Dans :ref:`l-interpretabilite-ml` :
    

    ...




.. blogpostagg::
    :title: Biblio : articles ajoutés récemment, tests de pénétrations
    :date: 2018-03-20
    :keywords: benchmark,pytorch,tensorflow,cntk
    :categories: biblio
    :rawfile: 2018/2018-03-20_new.rst

    Dans :ref:`l-algoculture-shortlist` :
    

    ...




.. blogpostagg::
    :title: Comparaison de librairies de deep learning
    :date: 2018-03-19
    :keywords: benchmark,pytorck,tensorflow,cntk
    :categories: deep learning
    :rawfile: 2018/2018-03-19_deep_learning_framework.rst

    C'est un article de blog produit par la recherche de Microsoft :
    `Comparing Deep Learning Frameworks: A Rosetta Stone Approach <https://blogs.technet.microsoft.com/machinelearning/2018/03/14/comparing-deep-learning-frameworks-a-rosetta-stone-approach/>`_.
    Il compare les temps d'apprentissage et de test pour la plupart
    des librairies de deep learning.
    L'ensemble est disponible sur
    `GitHub <https://github.com/ilkarman/DeepLearningFrameworks>`_.
    Le répertoire de
    `notebooks <https://github.com/ilkarman/DeepLearningFrameworks/tree/master/notebooks>`_
    est intéressant car cela permet de récupérer les mêmes exemples (4)
    implémentés avec les différantes librairies de deep learning
    les plus connues.




.. blogpostagg::
    :title: Biblio : articles ajoutés récemment
    :date: 2018-03-19
    :keywords: benchmark,pytorck,tensorflow,cntk
    :categories: biblio
    :rawfile: 2018/2018-03-19_new.rst

    Dans :ref:`l-suggestio-articles-projet-3A` :
    

    ...




.. blogpostagg::
    :title: Cheat Sheets et autres liens
    :date: 2018-03-09
    :keywords: cheatsheets,data science
    :categories: cheatsheet
    :rawfile: 2018/2018-03-09_cheatsheets.rst

    Je suis tombé sur ce site `DataCamp <https://www.datacamp.com/community>`_.
    On y trouve des articles ou des liens vers des articles assez amusants et intéressants,
    `Visualizing when I'm most productive during the day <https://deanattali.com/blog/visualize-git-commits-time/?utm_campaign=News&utm_medium=Community&utm_source=DataCamp.com>`_,
    `5 Fantastic Practical Natural Language Processing Resources <https://www.kdnuggets.com/2018/02/5-fantastic-practical-natural-language-processing-resources.html?utm_campaign=News&utm_medium=Community&utm_source=DataCamp.com>`_,
    `The 10 Algorithms Machine Learning Engineers Need to Know <https://gab41.lab41.org/the-10-algorithms-machine-learning-engineers-need-to-know-f4bb63f5b2fa>`_,
    `A Diagram Editor for JupyterLab <https://blog.jupyter.org/a-diagram-editor-for-jupyterlab-a254121ff919>`_
    (`jupyterlab-drawio <https://github.com/QuantStack/jupyterlab-drawio>`_).
    Cela m'a permis de découvrir l'article
    `TypeScript vs. JavaScript: Should You Migrate Your Project to TypeScript? <https://stackify.com/typescript-vs-javascript-migrate/>`_.
    Il y a également une liste de cheatsheets intéressantes :
    `Data Science Cheat Sheets <https://www.datacamp.com/community/data-science-cheatsheets>`_,
    et quelques astuces et tutoriels :
    `Experts' Favorite Data Science Techniques <https://www.datacamp.com/community/tutorials/data-science-techniques-dataframed>`_.
    Un dernier module qui pourrait devenir intéressant :
    `ray <https://github.com/ray-project/ray>`_.
    

    ...





----

|rss_image| :ref:`<== <ap-main-4>`  **page de blog - 6/14** :ref:`==> <ap-main-6>` :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>`