page de blog - 8/13 — Python dans tous ses états 0.9.3087.3087

Carré magique (1A) et transformation d’une fonction¶

2017-09-19

On veut écrire une fonction qui calcule la somme des nombres sur chaque ligne d’un carré magique pour s’assurer qu’on a bien la même somme à chaque fois.

…

Quelques papiers que j’aimerais avoir le temps de lire¶

2017-09-13

Titres des notebooks¶

2017-09-12

Le site contient plus de 300 notebooks qu’on peut retrouver compilés sous la forme d’une gallerie Galleries de notebooks et d’une page qui indique la couverture des tests unitaires : Notebooks Coverage. Excepté si les notebooks utilisent un cluster un une autre ressources difficile d’accès, ceux-ci sont exécutées une fois par semaine pour vérifier qu’ils continuent à tourner avec les dernières versions des modules dont ils dépendent. Ce faisant, le titre est maintenant précédé d’un code qui indique le public auquel il s’adresse et le contenu. Il y a trois niveaux, 1A, 2A, 3A pour chaque année du cursus à l’ENSAE. Le contenu et indiqué par un code.

…

Installer theano et un compilateur C++¶

2017-08-20

epkg:theano est un module difficile à installer car il utilise une compilation C++ pour optimiser les calculer que le programmeur demmande. Cela veut dire qu’il fait appel à un compilateur C++ pour convertir des instructions Python en un code qui s’exécute rapidement. Les portables ont peu souvent des processeurs GPU mais rien n’empêche de développer un programme de deep learning en CPU d’abord. C’est plus facile sous Linux (ou sous Windows Subsystem for Linux. Il suffit d’installer g++ :

…

PyData Seattle - des idées à prendre¶

2017-08-03

Les vidéos de la conférence sont en ligne et il y a toujours de bonnes idées à prendre : PyData Seattle 2017. Quelques modules à suivre : Scattertext, pomegranate. Un dernier module qui montre que toutes les grandes boîtes ont leur outil de machine learning. catboost est optimisé pour la construction de forêt d’arbres sur des variables catégorielles tout comme Facebook avait sorti le sien sur le texte fasttext. Enfin, un champ que je connais moins, z3, un outil de preuve systématique, qui pourrait servir un jour à traiter des données.

Cheat Sheets¶

2017-06-24

Quand quelqu’un s’amuse à regrouper plusieurs cheat sheets au même endroit, il faut absolument garder le lien quelque part, Essential Cheat Sheets for Machine Learning and Deep Learning Engineers, et son répertoire GitHub. C’est une façon très simple d’attirer pas mal de monde au même endroit car cela nous évite pas mal d’aller retour vers un moteur de recherche.

Performance du langage Python¶

2017-02-25

C’est un article de blog assez concis et clair qui dévoile une partie de ce que cache un langage interprété comme Python : Cost of abstractions.

Combiner des random forest¶

2017-02-15

C’est une astuce que m’ont fait découvrir deux étudiants dans leur projet associé au cours de troisième année Eléments logiciels pour le traitement des données massives. Ils ont utilisé une propriété rendue possible par l’implémentation des random forest de scikit-learn : il est possible de construire une random forest issue de l’assemblage de deux random forest. De là à paralléliser l’apprentissage d’une random forest, il n’y a qu’un pas. L’article en question : Combining random forest models in scikit learn.

Un module pour calculer des indicateurs financiers¶

2017-01-08

Je ne l’ai pas essayé mais il a l’air intéressant pour quiconque souhaite coder des algorithmes de trading automatiques : TA-LIB et son interface Python. La plupart des indicateurs financiers y sont implémentés.

Annoter des images¶

2017-01-05

Construire une application qui reconnaît des images implique qu’on sache localiser un visage et le reconnaître. Pour appendre, il faut disposer d’une base images annotées ou labellisées dans lesquelles on connaît l’information à trouver. Voici l’image tirée de wikipédia : Détection de visage.

…

Blog

page de blog - 8/13¶