Imagine Cup

Imagine Cup

Plan

1 : application

  • Dernier tweet de Yann Lecun Machine Learning Intelligence Artificelle Formation Continue

  • Développement logiciel des années 1990-2010 (langage bas-niveau, installé chez le client)

  • Internet

  • Développement logiciel des années 2000+ (application web, téléphone, mise à jour continue, test A/B, …)

  • Machine plus performante, langage haut niveau (Python, R)

  • Librairie open source (machine learning, serveur web, base de données…), Github, travis

  • Développement logiciel des années 2015+ (API REST qui communiquent, remote - Azure, Amazon, …)

  • 2017+ deep learning, transfer learning

  • Développement logiciel des années 2017+ (deep learning)

2 : données

  • Tous les problèmes peuvent être résolus : il suffit d’avoir les bonnes données

  • Collecter la données (capteurs, application facebook, …)

  • Kafka (temps réel), Hadoop (stockage), Spark (traitement), Beam (pipeline), Arrow (API)

  • Exemples : moteur de recherches, site marchand

  • Enjeux légaux, protections des données

3 : production

4 : IA

  • Pas d’inelligence artificelle autonome

  • Mais une myriade de modèles de machine learning

  • Effet long terme (usage) / court terme (rendement)

  • Mise à jour de modèle, historique des versions

  • Ingénieur recherche et développement, de plus en plus recherche

5 : conquête

  • Plein de domaines où la machine peut aider.

  • Education, santé, droit, transport…

  • Impact social, économique

  • Marché mature (client, acteurs présents)