:orphan:

|rss_image| :ref:`<== <ap-main-4>`  **page de blog - 6/16** :ref:`==> <ap-main-6>` :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-5:

page de blog - 6/16
+++++++++++++++++++

.. 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>`_ :
    

    ...




.. blogpostagg::
    :title: Machine et sécurité
    :date: 2018-11-15
    :keywords: security,machine learning
    :categories: machine learning
    :rawfile: 2018/2018-11-15_malware.rst

    Recommandation depuis
    `PyParis <http://pyparis.org/>`_ :
    `Malware Data Science: Attack Detection and Attribution <https://nostarch.com/malwaredatascience>`_,
    Joshua Saxe with Hillary Sanders.




.. blogpostagg::
    :title: KBinsDiscretizer
    :date: 2018-11-15
    :keywords: KBinsDiscretizer,modèle interprétable
    :categories: machine learning
    :rawfile: 2018/2018-11-15_kbins.rst

    Le modèle linéaire est facilement interprétable
    mais ne marche pas aussi bien qu'une random forest.
    Pourquoi le pas utiliser des modèles linéaires par
    morceaux. Il suffit juste de découper l'espace
    des features en morceaux ce que fait le
    `KBinsDiscretizer <https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.KBinsDiscretizer.html>`_.
    Et ça marche plutôt bien, particulièrement lorsque les
    données sont peu nombreuses.




.. blogpostagg::
    :title: dirty-cat(égories)
    :date: 2018-11-15
    :keywords: dirty-cat,variable catégorielle
    :categories: machine learning
    :rawfile: 2018/2018-11-15_dirtycat.rst

    Je suis assis à côté de Gaël Varoquaux qui me raconte
    son dernier papier sur :epkg:`dirty-cat` pour traiter
    des colonnes catégorielles avec beaucoup de catégories
    et qui se ressemblent :
    

    ...




.. blogpostagg::
    :title: Fairness - fairlearn - classification
    :date: 2018-10-24
    :keywords: classification,éthique
    :categories: éthique
    :rawfile: 2018/2018-10-24_fair.rst

    Je suis tombé sur ce module
    `fairlearn <https://github.com/Microsoft/fairlearn>`_
    qui s'appuie sur l'article
    `A Reductions Approach to Fair Classification <https://arxiv.org/pdf/1803.02453.pdf>`_.
    L'article définit mathématiquement l'aspect
    éthique qu'il souhaite vérifier dans des modèles
    de machine learning dédiés à la classification.
    L'article commence par définir le triplet
    *(X,A,Y)* où *A* est l'ensemble des attributs protégés,
    *X* l'ensemble des variables, *Y* la chose à prédire.
    On note *h(X)* la prédiction du classifieur binaire.
    L'article définit ensuite la *parité*
    :math:`\pr{h(X) = \hat{y} | A = a} = \pr{h(X) = \hat{y}} \; \forall a, \hat{y} \in \{0, 1\}`,
    puis l'égalité des chances :
    :math:`\pr{h(X) = \hat{y} | A = a, Y = y} = \pr{h(X) = \hat{y} | Y = y}`.
    L'article propose une façon d'apprendre un modèle respectant
    ces contraintes qui s'expriment sous la forme d'un ensemble
    de contraintes linéaires.




.. blogpostagg::
    :title: English content
    :date: 2018-10-13
    :keywords: english content
    :categories: english
    :rawfile: 2018/2018-10-13_english.rst

    Most of the content is written in French.
    Two reaons for that, my teachings are in French,
    most of the content available on the internet
    is already in English. However, there exist some
    English content.
    A good start would be the lectures by
    `Gaël Varoquaux <http://gael-varoquaux.info/>`_ :`.
    :ref:`l-ml-skgael`.
    I wrote some challenges in English one about algorithmic,
    the other one about unsupervized machine learning :
    `Computer Science Challenges <http://www.xavierdupre.fr/app/ensae_projects/helpsphinx/i_challenges.html>`_.
    The main goal of this course is to introduce many
    standard machine learning problems and play with them.
    I suggest doing one competition or study with a known
    datasets (:epkg:`Kaggle`, :epkg:`UCI`).




.. blogpostagg::
    :title: Représenter un arbre de décision
    :date: 2018-09-27
    :keywords: decision tree
    :categories: machine learning
    :rawfile: 2018/2018-09-27_tree.rst

    Deux pistes :
    

    ...





----

|rss_image| :ref:`<== <ap-main-4>`  **page de blog - 6/16** :ref:`==> <ap-main-6>` :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>`