:orphan:

|rss_image| :ref:`<== <ap-main-5>`  **page de blog - 7/14** :ref:`==> <ap-main-7>` :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-6:

page de blog - 7/14
+++++++++++++++++++

.. blogpostagg::
    :title: turicreate
    :date: 2018-03-01
    :keywords: turicreate
    :categories: modules
    :rawfile: 2018/2018-03-01_turicreate.rst

    :epkg:`Python` est un langage et un environnement
    en constante mutation. Des packages ne sont plus
    maintenus, d'autres surgissent. Le dernier en date :
    `turicreate <https://github.com/apple/turicreate>`_.
    Il est développé par *Apple* et d'après ce que j'en comprends,
    il s'agit principalement de construire des modèles
    à installer sur leur téléphone. Certaines tâches
    comme la `détection d'objects <https://github.com/apple/turicreate/blob/master/userguide/object_detection/README.md>`_
    sont quasiment accessibles avec un simple copier/coller.
    A suivre donc même si ça ne marche que sous linux
    pour le moment (ou sous Windows avec
    WSL = Windows Linux Subsystem).




.. blogpostagg::
    :title: mlxtend - tutorial sympathique - bootstrap
    :date: 2018-02-08
    :keywords: mlxtend,bootstrap,API
    :categories: modules
    :rawfile: 2018/2018-02-08_mlxtend.rst

    Je viens de faire un petit tour sur la documentation
    de `mlxtend <https://rasbt.github.io/mlxtend/>`_ et
    en particuler la liste des exemples :
    `User Guide <https://rasbt.github.io/mlxtend/USER_GUIDE_INDEX/>`_.
    Il y a le fameux graphe avec la base de données Iris
    qui représente les régions de décisions, le tout en une ligne :
    `plot_decision_regions <https://rasbt.github.io/mlxtend/user_guide/plotting/plot_decision_regions/>`_.
    La méthode `bootstrap <http://rasbt.github.io/mlxtend/user_guide/evaluate/bootstrap/>`_
    vaut aussi le détour.




.. blogpostagg::
    :title: Calcul distribué en Python (CPU)
    :date: 2018-01-28
    :keywords: calcul distribué,parallel computing
    :categories: parallel computing
    :rawfile: 2018/2018-01-28_parallel_computing.rst

    Le langage :epkg:`Python` est très lent.
    C'est pourquoi la plupart les calculs scientifiques
    sont implémentés en :epkg:`C++` ou tout autre
    alternative à mi-chemin comme :epkg:`Cython`
    qui est presque un langage à part entière.
    La connaissance du :epkg:`C++` n'est pas indispensable
    mais elle facilite énormément la période d'apprentissage.
    

    ...




.. blogpostagg::
    :title: Saves and reload a pytorch model
    :date: 2018-01-07
    :keywords: torch,serialize
    :categories: deep learning
    :rawfile: 2018/2018-01-07_torch.rst

    Saving and loading a :epkg:`pytorch` model is something
    which took me a couple of searches on internet so
    let's write it out. So to save a model:
    

    ...




.. blogpostagg::
    :title: Awesome quelque chose
    :date: 2017-12-16
    :keywords: 
    :categories: références
    :rawfile: 2017/2017-12-16_awesome.rst

    On voit de plus en plus d'exemples de repository
    GitHub qui références des listes d'articles ou de librairies
    qui sont *awesome*.
    

    ...




.. blogpostagg::
    :title: C++ depuis un notebook
    :date: 2017-12-02
    :keywords: 
    :categories: langage
    :rawfile: 2017/2017-12-02_cplusplus.rst

    Il est maintenant possible de faire du C++ dans un notebook :
    `Interactive Workflows for C++ with Jupyter <https://blog.jupyter.org/interactive-workflows-for-c-with-jupyter-fe9b54227d92>`_.
    Ce langage s'ajoute à l'incroyable liste déjà disponible :
    `Jupyter kernels <https://github.com/jupyter/jupyter/wiki/Jupyter-kernels>`_.
    Ce petit tour de force repose sur
    `Cling <https://root.cern.ch/cling>`_,
    un interpréteur pour C++ et
    `Xeus <https://github.com/QuantStack/xeus>`_
    qui implémente le kernel.
    L'article mentionne d'autres outils très sympathiques.
    Parmi eux, `xtensor <https://github.com/QuantStack/xtensor/>`_
    qui permet le calcul numérique sous C++.
    `mybinder <https://mybinder.org/>`_ permet
    de `dockeriser <https://fr.wikipedia.org/wiki/Docker_(logiciel)>`_
    un repository github.




.. blogpostagg::
    :title: Resté informé sur le Deep Learning
    :date: 2017-11-13
    :keywords: blog,deep learning
    :categories: blog
    :rawfile: 2017/2017-11-13_blog.rst

    * `Towards Data Science <https://towardsdatascience.com/>`_
    * `colah's blog <http://colah.github.io/>`_
    * `Andrej Karpathy blog <http://karpathy.github.io/>`_
    * `Sebastien Ruder <http://ruder.io/#open>`_
    * `DeepMing <https://deepmind.com/blog/>`_
    * `Distill <https://distill.pub/>`_
    * `OpenAI <https://blog.openai.com/>`_
    * `HackerNoon <https://hackernoon.com/>`_
    * `FastML <http://fastml.com/>`_
    * `Agustinus Kristiadi's Blog <https://wiseodd.github.io/>`_
    
    Un article qui suggèrent des blogs à lire :
    

    ...




.. blogpostagg::
    :title: Cours de deep learning appliqués au NLP
    :date: 2017-11-13
    :keywords: deep learning,NLP
    :categories: cours
    :rawfile: 2017/2017-11-13_nlp.rst

    `Stanford University School of Engineering <https://www.youtube.com/channel/UCdKG2JnvPu6mY1NDXYFfN0g>`_
    met en ligne beaucoup de cours dont les suivants
    `Natural Language Processing with Deep Learning <https://www.youtube.com/watch?v=OQQ-W_63UgQ&list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6>`_.
    C'est l'état de l'art cette année.
    

    ...




.. blogpostagg::
    :title: Lectures sur Map Reduce, algorithme distribués
    :date: 2017-11-10
    :keywords: code
    :categories: algorithme
    :rawfile: 2017/2017-11-10_mapreduce.rst

    Il arrive parfois de faire quelques trouvailles,
    des articles bien écrits qu'on se surprend à penser
    qu'il n'est plus besoin de préparer un support écrit.
    C'est le cas de cet article de blog
    `MapReduce Patterns, Algorithms, and Use Cases <https://highlyscalable.wordpress.com/2012/02/01/mapreduce-patterns/>`_.
    Je recommande également la lecture des autres articles de ce blog :
    `Highly Scalable Blog <https://highlyscalable.wordpress.com/>`_.
    J'ai trouvé cette référence en parcourant les supports de cours
    de `Roxana Geambasu <https://roxanageambasu.github.io/>`_
    comme
    `Distributed Systems Fundamentals <https://columbia.github.io/ds1-class/03-resources/>`_.




.. blogpostagg::
    :title: Algorithmes classiques implémentés
    :date: 2017-11-04
    :keywords: code
    :categories: algorithme
    :rawfile: 2017/2017-11-04_algorithms.rst

    Le module `algorithms <https://github.com/nryoung/algorithms>`_
    implémente beaucoup d'algorithmes classiques tels que
    la `recherche binaire <https://github.com/nryoung/algorithms/blob/master/algorithms/searching/binary_search.py>`_,
    le générateur de nombre aléatoire de
    `Mersenne <https://github.com/nryoung/algorithms/blob/master/algorithms/random/mersenne_twister.py>`_,
    le tri `heapsort <https://github.com/nryoung/algorithms/blob/master/algorithms/sorting/heap_sort.py>`_.





----

|rss_image| :ref:`<== <ap-main-5>`  **page de blog - 7/14** :ref:`==> <ap-main-7>` :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>`