2019-03-08 Session 5#

L’objectif de la séance est de passer du temps sur des jeux de données. Le premier jeu, Titanic (jeu 1), contient des informations sur près de 900 passagers du Titanic. On souhaite prédire la probabilité qu’une personne n’ait pas survécu au naufrage. Le fait d’obtenir un modèle performant n’est pas nécessairement ce qui est recherché ici psuique l’information est déjà connue mais plutôt ce que le modèle peut nous apprendre en terme d’équité sociale face à la mort. Ce jeu est intéressant dans la mesure où les variables sont de types variés.

Je suis tombé sur ce jeu d’images Lego Brick qui permet de construire un classifieur reconnaissant des briques Lego. Le jeu de données est intéressant dans la mesure où il montre des pièces sous tous les angles mais qui sont clairement des images de synthèses et non des images réelles. Cela suggère qu’il faut des pièces sous tous les angles pour apprendre mais cela réduit la portée du modèle qu’on peut apprendre qui sera sans doute incapable de reconnaître la même pièce posée sous n’importe quel fond.

On va s’intéresser à un jeu de données utilisé lors du hackathon ENSAE 2018 : sample_labelled_train.zip (jeu 2). Il contient peu d’images dont le nombre ne suffit pas à les classer correctement. L’objectif est ici de comparer deux clustering : un sur les images brutes, un autre sur des images transformées avec un modèle de deep learning (transfer learning).

Le dernier sera une série temporelle financière, le CAC40 (jeu 3), pour lequel il faut prédire s’il montera ou descendera le lendemain. Voyons si cela est possible. Ce n’est pas très original mais c’est un grand classique. Les données ont été récupérées avec pyensae et cet exemple Manipulation de séries financières avec la classe StockPrices. Je suis parfois étonné, ça marche encore alors que j’ai essayé de télécharger les mêmes données depuis le site de Yahoo sans succès. A vrai dire, je sais à la semaine près si ça pète car je fais tourner un test unitaire qui vérifie que ça marche toutes les semaines.

Pour l’originalité, voici des sujets qui ont intéressé des étudiants qui ont suivis mes cours par le passé :

  • Analyse de la malignité des cellules

  • A home-made Siri : répondre à des questions ouvertes en utilisant Wikipédia

  • Prediction de surplus de velos dans une station

  • Optimisation d’un problème d’allocation de créneaux d’atterissage

  • Reconnaissance de genre musical

  • Prédiction des centres d’intérêts des députés à partir de leurs interventions

  • Prédiction de la natue d’une tumeur

  • Pertinence et incitations de la taxation sur le carburant automobile

  • Reconnaissance dessins logos applications

  • Déterminants des inégalités de parloirs entre détenus