.. _l-td2a-algo:

========================================
Algorithmes, Optimisation, Programmation
========================================

Agilité, rapidité, inventivité.

.. contents::
    :local:

Scrapping, API, Site Web, Notebooks
===================================

.. toctree::
    :maxdepth: 1

    td2a_talgo_webscrapping_et_api
    td2a_talgo_site_web
    td2a_talgo_jupyter_et_les_commandes_magiques

Traiter les données rapidement pour de plus grands volumes
==========================================================

.. toctree::
    :maxdepth: 1

    td2a_talgo_big_data_sans_cluster_structures_de_donnees
    td2a_talgo_tensor_tableaux_multidimensionnel
    td2a_talgo_c_acceleration_de_code

Meilleure efficacité avec des algorithmes
=========================================

.. toctree::
    :maxdepth: 1

    td2a_talgo_parallelisation_serialisation
    td2a_talgo_puzzles_algorithmiques
    td2a_talgo_algorithmes_probabilistes
    td2a_talgo_automatic_differenciation
    td2a_talgo_streaming_algorithms
    td2a_talgo_streaming_ml

Machine learning, algorithmes plus rapides
==========================================

.. toctree::
    :maxdepth: 1

    td2a_talgo_ml_faster

Machine learning en environnement contraint
===========================================

Les objets connectés sont petits et ne possède pas la puissance
de calculs des ordinateurs. Il faut adapter les algorithmes de machines
learning pour ces environnements. Dans la plupart des cas, cela signifie apprendre
sur un ordinateur, exporter le modèle dans l'objet connecté et prédire sans
connexion extérieure. Dans le meilleur des cas, cela signifie aussi apprendre
dans l'objet connecté avec des contraintes assez fortes sur la mémoire et
la puissance de calculs.

.. toctree::
    :maxdepth: 1

    td2a_talgo_predire_en_environnement_contraint
    td2a_talgo_apprendre_en_environnement_contraint

Optimisation
============

Les algorithmes d'optmisation sont la base du
machine learning. Les connaître et les comprendre
ne peut assurément pas faire de mal.

.. toctree::
    :maxdepth: 1

    td2a_talgo_optimisation
    td2a_mlplus_sgd

Data Scientist en liberté
=========================

Contrairement à ce qu'on pense, les datascientists sont plus prévisibles que les données.

*machine learning*

* :ref:`l-debutermlprojet`
* `Sous le capot de la boîte noire <http://www.xavierdupre.fr/app/mlstatpy/helpsphinx/index.html#mlstatpy>`_
* `Quick samples on machine learning <http://www.xavierdupre.fr/app/ensae_projects/helpsphinx/mlexamples.html>`_
* `Cheat Sheets <http://www.xavierdupre.fr/app/ensae_projects/helpsphinx/cheat_sheets.html>`_
* `Gros volumes et sqllite3 <http://www.xavierdupre.fr/app/actuariat_python/helpsphinx/notebooks/_gs5_sql_big_data.html>`_
* C'est quoi déjà le `True False Positive <http://www.xavierdupre.fr/app/mlstatpy/helpsphinx/c_metric/roc.html>`_ ?

*quoi d'autres ?*

* `Gerry Mandering <http://www.xavierdupre.fr/app/actuariat_python/helpsphinx/notebooks/_gs_gerrymandering.html>`_ (bidouillage de cartes électorales)
* `Apprendre des synonymes <http://www.xavierdupre.fr/app/actuariat_python/helpsphinx/notebooks/_gs7_synonyme.html>`_
* `Revue de compétition Kaggle <http://www.xavierdupre.fr/app/jupytalk/helpsphinx/2016/ensae201611.html>`_

*installation*

* `Anaconda <https://www.continuum.io/downloads>`_ + ``conda update all`` + ``pip install jyquickhelper``
* `XGBoost sous Windows <http://www.xavierdupre.fr/app/pymyinstall/helpsphinx/blog/2016/2016-08-09_xgboost_again.html>`_