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)