1.
Machine Learning &
Régulation Numérique
Didier Girard / Guillaume Laforge

2.
SPAM

3.
RECOMMENDATIONS

4.
2011 rank Company 2009 2010 2011
1 Netflix 0.0 % 0.5 % 44.0 %
2 Apple 71.5 % 60.8 % 32.3 %
3 Microsoft 11.2 % 16.7 % 7.6 %
4 Vudu (Walmart) 0.5 % 2.7 % 4.2 %
5 Sony 5.4 % 6.8 % 2.4 %
Others 11.4 % 12.6 % 9.5 %
Total 89 % 87 % 90 %
“Voici mon catalogue” vs “J’ai une video pour vous.”

5.
Yup, NSA
does!

6.
Toutes les données,
tu récolteras
#MixIT14

7.
data
machine
learning

8.
Définition

9.
Définition
Une branche de l’intelligence
artificielle qui s’occupe de la
construction et l’étude de systèmes
quiapprennentàpartirdedonnées

10.
Le parallèle de l’accordeur de piano
Data
Accordeur
Modèle

11.
Les grandes familles
Supervisé vs non-supervisé

12.
Supervisé
Régression, classification...

13.
Régression
http://en.wikipedia.org/wiki/Regression_analysis
Un modèle de regression relie Y à une fonction de X et ß
Son Touches Accordeur

14.
Régression linéaire
http://en.wikipedia.org/wiki/Linear_regression

15.
Régression linéaire

16.
Régression linéaire

17.
Régression linéaire

18.
Régression linéaire

19.
Régression linéaire

20.
ATTENTION
corrélation
≠ causalité
:-)

21.
Ta fonction de coût,
tu minimiseras
#MixIT14

22.
Fonction de coût

23.
Régression

24.
Régression — ordre premier

25.
Régression — ordre premier
?

26.
Régression — ordre second

27.
Régression — ordre second
?

28.
Classification
La classification est le problème
d'identifier à quel ensemble de
catégories (sous-population) une
nouvelle observation correspond
http://en.wikipedia.org/wiki/Statistical_classification

29.
Classification

30.
Classification

31.
Non-supervisé
Clusterisation, séparation de sources...

32.
Clusterisation

33.
Clusterisation

34.
Clusterisation

35.
Séparation de sources
Source 1
Source 2

36.
Séparation de sources
Source 1
Source 2
Observation

37.
Séparation de sources
Source 1
Source 2
Observation
Source séparée 1
Source séparée 2

38.
Tes données,
tu visualiseras
#MixIT14

39.
Visualiser

40.
N’apprends pas
ce que tu sais déjà
#MixIT14

41.
Ne pas apprendre ce que l’on sait

42.
Ne pas apprendre ce que l’on sait

43.
Ne pas apprendre ce que l’on sait

44.
Ne pas apprendre ce que l’on sait

45.
Tes données, tu
segmenteras
#MixIT14

46.
Segmenter
Problème :
● Je vous donne la latitude et la
longitude
● Vous devez coder un systeme
qui me donne l’altitude
1. un modèle pour toute la France ?
2. un modèle par type de relief ?
3. un modèle par région ?

47.
Segmenter

48.
Segmenter

49.
Tes données, tu
pré-traiteras
#MixIT14

50.
Exemple : Normaliser/Centrer

51.
Exemple : Face Recognition
http://bitsearch.blogspot.com/2013/02/unsupervised-face-clustering-with-opencv.html

52.
Que faire des données manquantes ?
● Supprimer la dimension ?
● Signaler au système apprenant ?

53.
Données aberrantes
● Erreur d’
observation ?
● Cas exceptionnel ?

54.
Ton algorithme,
tu choisiras
#MixIT14

55.
k-nearest neighbors
Wikipedia

56.
Support Vector Machine
Wikipedia

57.
Random tree forest

58.
Neural Networks
Wikipedia

59.
De l’intuition,
tu auras
#MixIT14

60.
https://www.flickr.com/photos/hills_alive/3368257480/
Comment
caractériser l’
intuition ?
Chasse aux
champignons ?

61.
Sélectionner les bonnes variables

62.
Sélectionner les bonnes variables
Consommation
● jour de la semaine
● vacances scolaires
● jours fériés
● température
Reconnaissance d’image
● histogramme de
couleur

63.
Ton système,
tu entraineras
#MixIT14

64.
Apprendre et généraliser
Apprentissage : 60% Généralisation : 40%

65.
Par coeur, tu n’
apprendras pas
#MixIT14

66.
Régression — ordre supérieur ?
?

67.
Capacité d’apprentissage d’un système
Capacité d’apprentissage
Complexité
des systèmes
modélisables
Risque de sur-
apprentissage

68.
Pour aller plus loin : VC-Dimension
Trois choses entrent en jeu :
● taille de l’échantillon
● nombre de paramètres d’ajustement du
modèle
● nombre de dimensions de l’espace d’entrée

69.
Intuition : capacité de généralisation
#MixIT14

70.
Ton modèle,
tu valideras
#MixIT14

71.
Apprendre, Généraliser et Valider
Apprentissage : 60% Généralisation : 20% Validation : 20%

72.
Ton modèle,
tu exécuteras
#MixIT14

73.
A un moment ou un autre… il faut se lancer !

74.
Les recettes de tonton Moïse pour le ML
1. Enregistrez toutes les données que vous pourrez
2. Observez et visualisez vos données
3. Segmentez vos données
4. Pré-traitez et normalisez vos données
5. Choisissez bien votre algorithme
6. Entrainez votre système
7. Validez votre système
8. Et… exécutez !

75.
Quelques outils
● R
http://www.r-project.org/
● Octave
https://www.gnu.org/software/octave/
● SciKit Learn
http://scikit-learn.org/
● Apache Mahout
https://mahout.apache.org/
● Weka
http://www.cs.waikato.ac.nz/ml/weka/
● Google Prediction
https://developers.google.com/prediction
● Prediction.IO
http://prediction.io/
● MADlib
http://madlib.net/

76.
Conclusion
Machine Learning et Régulation Numérique

77.
Le Data Scientist de demain est le Physicien Nucléaire d’hier

78.
BIG DATA IS SCORING YOU
#MixIT14

79.
http://money.cnn.com/2014/04/02/pf/consumer-scores/index.html
Consumer
profitability
score
Churn score
Job security
score
Medication
adherence
score
Fraud scoreCustomer
score
Law
enforcement
score

80.
On ne peut pas arrêter la machine...

81.
Apprendre et comprendre comment marche le Machine Learning

82.
Etre au coeur du système, pour le réguler

83.
Les gens éduqués sont les garde-fous des dérives du Machine Learning
#MixIT14

84.
Le monde est entre vos mains ! A vous de jouer !

85.
Didier Girard / Guillaume Laforge
@didiergirard @glaforge
Merci

86.
Didier Girard / Guillaume Laforge
@didiergirard @glaforge
Questions —
réponses