Intro au Big Data & Machine Learning

BigData&MachineLearningEricDaoudAttoyan

SéminaireMEA– Jeudi19Mai2016

Introduction

• Quisuis-je?• MEAdepuisSeptembre2016• IngénieurGénéralisteECAMLyonPromo2015• MastèreSpécialisé« SystèmesInformatiquesOuverts »,CentraleParisPromo2016

• Quefais-je?• Stagedefind’étudeschezManoMano• IngénierieInformatique• MachineLearning• Moteursderecommandations

BigData&MachineLearning 2

Plan

1. Qu’est-cequeleBig Data?2. Qu’est-cequeleMachineLearning?3. Exemplesd’applications


Qu’estcequeleBig Data?


Définition

« La notion de big data est un concept s'étant popularisé en 2012 pourtraduire le fait que les entreprises sont confrontées à des volumes dedonnées à traiter de plus en plus considérables et présentant un fortenjeu commercial et marketing. »


Larègledes3V


Lesacteurs

• Transformationvenueàlabasedes« .com »

• Maismaintenanttouchebeaucoupplusdesecteurs


Petitsondage

Le Big Data implique de traiter beaucoup de données rapidement, lesentreprises ont donc besoin d’infrastructures très puissantes.Pour faire de tels calculs, choisiriez vous :

a) Un ordinateur très très puissantb) Beaucoup d’ordinateurs normaux


Petitsondage

Le Big Data implique de traiter beaucoup de données rapidement, lesentreprises ont donc besoin d’infrastructures très puissantes.Pour faire de tels calculs, choisiriez vous :

a) Quelques ordinateurs très très puissantsb) Beaucoup d’ordinateurs normauxà Algorithme« Map Reduce »


L’algorithmeMap Reduce


Map Reduce pourcompterlesoccurencesdesmotsd’untexte


Qu’estcequeleMachineLearning?


Définition

« Machine learning is the science of getting computers to act withoutbeing explicitly programmed. In the past decade, machine learning hasgiven us self-driving cars, practical speech recognition, effective websearch, and a vastly improved understanding of the human genome »


Processus


Différentsproblèmes

• ApprentissageSupervisé• ApprentissageNonSupervisé• ApprentissageparRenforcement• ApprentissageProfond


ApprentissageSupervisé

A partir d’un set de données d’entrainement, l’algorithme vaapprendre un modèle qui lui permettra de faire des prédictionsultérieurement.

Exemple : Filtrage Spam


ApprentissagenonSupervisé

Aucun set de données d’entrainementn’est fourni. L’algorithme doit trouver lemeilleur modèle lui même.

Exemple : Trouver des groupes d’acheteurssimilaires sur un site d’e-commerce


ApprentissageSupervisévs.NonSupervisé


ApprentissageparRenforcement

« Apprendre, à partir d'expériences, ce qu'il convient de faire endifférentes situations. Agent autonome au sein d'un environnement,qui doit prendre des décisions en fonction de son état courant. Enretour, l'environnement procure à l'agent une récompense, qui peutêtre positive ou négative »

Exemple : Un robot qui apprend à jouer aux échecs contre un êtrehumain


ApprentissageProfond(DeepLearning)

Apprentissage supervisé avec un réseaude neurones. une machine virtuellecomposée d'unités qui effectuentchacune de petits calculs simples. Lesrésultats de la première couche deneurones vont servir d'entrée au calculdes autres.

Exemple : Reconnaissance d’image


QuelquesExemples


GoogleDeepMind


Lapublicitéciblée


LaVoitureAutonome


LesMoteursdeRecommandations


Aquoiçasert?

• Deplusenplusdechoixpourl’utilisateur,quelquesoitlecontenu• Guider,fairedécouvrir, vendreplus…


Deuxapproches

• ContentBased Filtering• Sebasesurlecontenudesproduitsappréciésparl’utilisateur• Exemple:BobaimeleRock,luiproposerdeschansonsdeRock

• CollaborativeFiltering• Rapprochedesutilisateursetpropose lecontenuquel’unaaiméetpasl’autre

• Exemple:BobetJoesontsimilaires.BobaadoréledernieralbumdesArcticMonkeys. RecommandercetalbumàJoequinel’apasencoreécouté.


Deuxapproches


Conclusion

• Domainepasnouveau,maisenpleinessorgrâceàl’explosiondesdonnéesetdelapuissancedecalcul• Beaucoupd’applicationsenliendirectaveclesutilisateurs• Domaineenvogue,quineconnaîtpaslacrise• Lemeilleurresteencoreàvenir!


Mercidevotre attention!Big Data&MachineLearning

EricDaoudAttoyanSéminaireMEA– Jeudi19Mai2016

Références

• https://fr.coursera.org/learn/machine-learning• http://fr.slideshare.net/xamat/recommender-systems-machine-learning-summer-school-2014-cmu• https://deepmind.com• https://www.google.com/selfdrivingcar/• http://www.lemonde.fr/sciences/article/2016/02/04/la-lecon-d-un-maitre-de-l-intelligence-artificielle_4859368_1650684.html• https://hbr.org/2012/10/big-data-the-management-revolution/ar• http://static.googleusercontent.com/media/research.google.com/en//archive/mapreduce-osdi04.pdf• https://fr.wikipedia.org/wiki/Apprentissage_automatique


Intro au Big Data & Machine Learning

Data & Analytics

Transcript of Intro au Big Data & Machine Learning