-01- Python: Deep Learning, Machine Learning, Convolution a Neural Network

with KGP Talkie

Dans mes démarches d’études, j’ai trouvé des tutoriels sur l’Intelligence Artificielle (provenance: Udemy.com) présentée avec des outils en Python. J’ai découvert une méthodologie interactive à faire rêver: Des notes de cours théoriques avec exemples, intégrée dans l’interface un simulateur de la nouvelle connaissance apprise permettant d’appliquer le concept nouveau! Le premier dossier contient tout le package d’installation pour faire ses tests, suivre dans une progression personnelle interactive. Tous les autres contiennent des vidéos explicatifs détaillés sur ce qui a été présenté avec Jupyter dans Visual Studio. Chacun peut apprendre selon sa cadence d’investissement.

En utilisant Visual Studio Code sur environnement Linux (avec MacOS, certaines librairies n’étaient pas lisibles, pourtant installées, comme NumPy). Les consignes nécessitaient l’installation de l’extension Jupyter dans Visual Code, l’outil qui a permis de lire notes de cours ainsi que les expérimentations, avec traceur de variable: Marvellous! Quand tout marche sans trop de dégats, c’est toujours plus agréable!

Le tutoriel commence par faire la présentation des principaux outils de programmation en langage Python. Ce procédé est très similaire aux premiers messages reçus dans le roman Contact de Carl Sagan (roman format papier et non dans le film): on commence par la base (dans le roman: les nombres premiers, puis additions, soustractions, booléens, …). On établit le langage!

Puis on se rajoute un outil important: la librairie numpy, afin de pouvoir manipuler différents types de variables de façon plus agréable! On peut facilement générer des nombres ou tableaux aléatoires avec numpy.

Le tout dans un interface vraiment pratique, convivial, adaptable à volonté pour la bonne compréhension des outils!

On rajoute ensuite (on dirait une recette Ricardo!) la librairie Pandas qui permet de faire de l’analyse de données avec bien plus de facilité! Wonderfull!

Un autre outil est la librairie mathplotlib.pyplot, afin de traiter des données statistiques et de les afficher en différents tableaux.

On ajoute la librairie Seaborn: La présentation des données sous forme de graphique est très importante en Data science. Cela est particulièrement vrai avec Python, connu pour sa grande diversité de bibliothèques centrées sur les données. Sans surprise, ce langage orienté objet est l’un des préférés des Data scientist pour la transformation et la visualisation des données. Pour y parvenir, ils se servent de bibliothèques dédiées très populaires comme Matplotlib et Seaborn. Cette dernière séduit un nombre croissant de scientifiques de données en raison de sa simplicité d’utilisation.

Convolutional Neuronal Network

« It’s a Deepp Learning algorithm that can take an input image, and process the image, and classify one from the other. » On change maintenant d’interface d’apprentissage, par une présentation PowerPoint (Libre Office Impress sur Linux fait autant l’affaire) afin d’explorer un peut de concepts théoriques plus abstraits, mais contenant des schémas qui synthétisent très bien les concepts!