:orphan:

|rss_image| :ref:`<== <ap-main-3>`  **page de blog - 5/16** :ref:`==> <ap-main-5>` :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-4:

page de blog - 5/16
+++++++++++++++++++

.. blogpostagg::
    :title: Articles
    :date: 2020-02-20
    :keywords: articles
    :categories: papers
    :rawfile: 2020/2020-02-24_review.rst

    La librairie `deslib
    <https://deslib.readthedocs.io/en/latest/index.html>`_
    implémente plusieurs algorithme de sélection de modèles
    sur des problèmes de classifications. Mais plutôt que
    de sélectionner un modèle ou un ensemble de modèle
    sur toutes la base, elle sélectionne les meilleurs
    modèles localement. On appelle cela la
    `sélection dynamique de classifieurs
    <https://www.sciencedirect.com/science/article/pii/S1566253517304074>`_
    (voir :ref:`l-dynamic-selection-ml`).
    

    ...




.. blogpostagg::
    :title: Kaggle...
    :date: 2019-12-05
    :keywords: exercice
    :categories: kaggle
    :rawfile: 2019/2019-12_05_kaggle.rst

    :epkg:`Kaggle` propose des sujets principalement
    académiques depuis quelques années. Est-ce une bonne
    source de données pour un projet étudiant ? Ca l'a été.
    Maintenant, les étudiants n'ont plus grand chose à faire
    pour sortir de ce qui a déjà été fait.
    Le sujet `soccer <https://www.kaggle.com/hugomathien/soccer>`_
    a été étudié sous toutes les coutures par beaucoup de gens qui
    laissent le fruit de leur travail sur le site. Un des derniers
    parus `Match Outcome Prediction Project
    <https://www.kaggle.com/airback/match-outcome-prediction-in-football>`_
    correspond à ce qu'on attend d'un futur datascientist.
    Il faudrait que je regarde ce que le site contient
    avant de me pencher sur le projet d'un étudiant qui a choisi
    ce jeu de données. Il serait possible de bannir *kaggle* de la
    liste des sources de données admissibles ou faire confiance
    aux étudiants. J'avoue qu'à leur âge, je ne lisais pas beaucoup,
    internet n'existait pas il est vrai. Mais ça m'amusait plus
    d'inventer mes propres trucs que de réutiliser ceux des autres
    qui marchaient pourtant bien. C'est comme ça que j'ai recodé
    plein de trucs inutiles pour le principe de faire quelque
    chose qui m'appartienne. Ou alors ça me paraissait plus
    simple d'inventer un truc nouveau que de comprendre le travail
    des autres.




.. blogpostagg::
    :title: Notebook maintenance
    :date: 2019-09-21
    :keywords: exercice
    :categories: maintenance
    :rawfile: 2019/2019-09-21_issues.rst

    Je dis souvent en cours qu'un notebook pète tous les
    quinze jours. Le dernier :ref:`mltablemortaliterst`
    plante sur une instruction qui me fait penser que j'attendrais
    la prochaine version avant de me pencher dessus car je n'en
    comprends pas la logique. Je l'ai laissée avec une exception
    et j'ai ajouté une ligne équivalente mais très probablement
    moins efficace. Tout cela à cause de :epkg:`xarray`.
    Le monde open source est pavé de bonnes intentions.




.. blogpostagg::
    :title: Créer un exécutable
    :date: 2019-06-15
    :keywords: setup,innosetup,pyinstaller
    :categories: installation
    :rawfile: 2019/2019-06-15_exe.rst

    On me pose parfois la question, comment
    faire pour créer son propre exécutable et ne
    pas avoir à installer python chez un client
    pour faire tourner ce qu'on a fait pour lui.
    Cet article y répond :
    `Making a Stand Alone Executable from a Python Script using PyInstaller
    <https://medium.com/dreamcatcher-its-blog/making-an-stand-alone-executable-from-a-python-script-using-pyinstaller-d1df9170e263>`_.
    

    ...




.. blogpostagg::
    :title: Un module pour annoter les données
    :date: 2019-05-24
    :keywords: smart,annotations,label
    :categories: annotation
    :rawfile: 2019/2019-05-24_smart.rst

    Le machine learning supervisé a besoin de données
    labellisées. Sans label, pas d'apprentissage, quand
    il n'y en a pas, il faut les fabriquer. C'est long,
    fastidieux mais on apprend beaucoup on labellisant
    ses données, il arrive souvent qu'on change
    la façon de le faire en les regardant.
    Toutefois, il faut le faire un jour. Je n'ai pas
    essayé l'outil suivant mais il pourrait aider :
    `SMART <https://rtiinternational.github.io/SMART/>`_.




.. blogpostagg::
    :title: Quelques modules intéressants
    :date: 2019-05-20
    :keywords: loguru,botflow,pandas
    :categories: modules
    :rawfile: 2019/2019-05-20_modules.rst

    Une liste de modules à suivre.
    Un benchmark sur :epkg:`pandas` pour commencer :
    `Fast-Pandas <https://github.com/mm-mansour/Fast-Pandas>`_.
    On voit que en deça de 10.000 lignes, l'ordinateur
    passe son temps surtout dans le code python. Après,
    il fait enfin un peu de calcul.
    

    ...




.. blogpostagg::
    :title: Ludwig, machine learning et réchauffement climatique
    :date: 2019-02-20
    :keywords: ludwig,Uber
    :categories: module
    :rawfile: 2019/2019-02-20_ludwig.rst

    Uber a sorti son module de machine learning
    `ludwig <https://github.com/uber/ludwig>`_
    (`documentation <https://uber.github.io/ludwig/>`_)
    qui automatise plein de choses pour une catégorie
    de problèmes de machine learning classique et deep.
    Certains apprentissages peuvent être parallélisés
    avec `mpi4py <https://rabernat.github.io/research_computing/parallel-programming-with-mpi-for-python.html>`_.
    J'ai fini sur le site de son auteur
    `Ryan Abernathey <https://rabernat.github.io/>`_
    qui étudie la circulation de l'eau autour du globe,
    ce qui m'a amené à `Pangeo <http://pangeo.io/>`_
    *A community platform for Big Data geoscience*
    et des jeux de données sur la Terre
    `Pangeo Data Catalog <http://pangeo.io/catalog.html>`_
    ou encore le module `xgcm <https://github.com/xgcm/xgcm>`_
    qui pourrait être utile pour faire des simulations sur le
    réchauffement climatique.




.. blogpostagg::
    :title: Problème avec spacy
    :date: 2019-02-18
    :keywords: spacy
    :categories: installation
    :rawfile: 2019/2019-02-18_spacy.rst

    Et voilà comment on peut perdre quelques heures à
    comprendre pourquoi un notebook qui fonctionnait
    ne fonctionne plus. C'est l'erreur que j'ai depuis
    quelques semaines déjà pour laquelle je ne peux
    pas vraiment mettre à jour certains modules sans
    rencontrer l'erreur suivante :
    

    ...




.. blogpostagg::
    :title: Pipeline et processeur
    :date: 2019-01-16
    :keywords: CPU,pipeline
    :categories: performance
    :rawfile: 2019/2019-01-16_perf.rst

    Trois liens différents vers trois articles qui parlent
    tous du même sujet :
    `Why use an FPGA instead of a CPU or GPU? <https://blog.esciencecenter.nl/why-use-an-fpga-instead-of-a-cpu-or-gpu-b234cd4f309c>`_,
    `Why use an FPGA instead of a CPU or GPU? (Quora) <https://www.quora.com/Why-use-an-FPGA-instead-of-a-CPU-or-GPU-1>`_,
    `Why Use an FPGA Instead of a CPU or GPU? (News) <https://news.ycombinator.com/item?id=17757624>`_.
    On y apprend que le :epkg:`FGPA` est plus lent que le :epkg:`CPU` et :epkg:`GPU`,
    ou plus précisément qu'un cycle d'exécution du FGPA est plus lent.
    En revanche, dans ce cycle, on peut y mettre plus d'instructions.
    Le dernier article cite un chiffre : le FGPA est 10 plus lent mais
    un cycle peut contenir 20 fois plus d'instructions qu'un CPU.
    Le dernier article compare les forces et faiblesses
    de plusieurs approches :
    `FPGA vs CPU vs GPU vs Microcontroller: How Do They Fit into the Processing Jigsaw Puzzle? <https://www.arrow.com/en/research-and-events/articles/fpga-vs-cpu-vs-gpu-vs-microcontroller>`_.
    FGPA permet d'aller plus vite mais il faut s'y connaître un peu
    pour les obtenir.
    

    ...




.. blogpostagg::
    :title: Mars : calcul distribué en python
    :date: 2019-01-16
    :keywords: mars,numpy
    :categories: calcul
    :rawfile: 2019/2019-01-20_mars.rst

    :epkg:`mars` est un projet open source depuis 15 jours
    et qui permet de faire des calculs sur ds matrices
    en grande dimension. Il est supporté par *Alibaba* :
    `Alibaba Open-Sources Mars to Complement NumPy <https://medium.com/syncedreview/alibaba-open-sources-mars-to-complement-numpy-ea215ff1fa2f>`_.
    Les performances ont l'air intéressantes même si mon premier
    essai sur un produit scalaire montre que des vecteurs
    de tailles humaines, :epkg:`numpy` restent difficile à battre.





----

|rss_image| :ref:`<== <ap-main-3>`  **page de blog - 5/16** :ref:`==> <ap-main-5>` :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>`