Discussion :

[onilink_]

Il y a aussi la grande famille des métaheuristiques, avec des choses comme la programmation génétique, qui semble donner de bons résultats, par exemple chez Uber (apprentissage par renforcement, mais ça s'applique toujours) : https://arxiv.org/pdf/1712.06567.pdf

Effectivement, je connaissais mais je pensais que c'était bien plus gourmand en calculs que les autres méthodes. Bon a savoir du coup.

Effectivement, les réseaux convolutifs existaient déjà en 2000 mais il y a eu beaucoup d'améliorations depuis : drop-out, pooling, relu, automatic differentiation...
http://rodrigob.github.io/are_we_the...s_results.html

Elle est géniale cette page, merci pour le lien!

[Joe Le Boulet]

Je suis surpris de ne pas voir le choix C# avec CNTK( utilisable comme backend Keras), Accord.Net ( machine learning pour traitement d'image et de signal sonore) mais aussi ML.Net (nouveau framework sorti en preview debut mai)

Apres Python avec Keras et Tensorflow marche tres bien, la creation de reseau de neurones est simple.

[Hermione-V]

Le Data Scientist est évidemment expert dans le domaine du développement informatique. A l'heure actuelle, le langage informatique qui se détache sensiblement du lot est Python, suivi de près par Java. Ces deux langages constituent la majorité des compétences demandée par les entreprises en phase de constitution d'un pôle dédié à l'IA et à ses applications. Ces dernières années, de nombreux frameworks ont vu le jour notamment en Python, afin d'aider les développeurs dans ce secteur. Plus spécialisé, le langage R est également souvent demandé pour des applications statistiques.

voir

[nadjim]

Personnellement je développe ma propre librairie de réseaux de neurones en C++ mais si c'était à refaire j'utiliserais TensorFlow (en Python), ça m'aurais pris 100 fois moins de temps.
D'ailleurs si des personnes veulent m'aider dans mon projet, vous êtes les bienvenus.

Je serais intéressé de pouvoir te donner un coup de main dans ton projet.

[Madmac]

À mon avis, aucun !

Pour faire un système efficace, on doit envisagé un système constituer de plusieurs parties. Pour certaines parties statiques, un langage compilé offrira la vitesse, pour d'autre parties plus organiques, un langage interprété permettra l'auto-programmation dynamique pour l'acquisition du savoir.

[monlogoamoi]

Pour moi c++, c'est plus pratique

[Devjfc]

Je regarde l'"IA" actuelle avec suspicion précisément parce que les définitions et donc les propos me semblent flous et dans la pratique peu aptes à passer à l'échelle. Je me souviens d'une fable de La Fontaine où l'intelligence est faites de grains d'Ellébore qui soignent la folie. Cela me semble une vision sympa : un ensemble d'acteurs autonomes polyloguant entre eux pour ajuster une réponse et ayant une capacité d'autoréparation en cas d'attaque, sans contrainte d'OS ni de nombre de CPU/machines, sans fuite mémoire comme java. Que devrais-je ajouter à ma liste d'achats ? La rapidité, le nombre d'agents supportés, la disponibilité de librairies de communications, une approche algorithmique possible des graphes et de la mémorisation ?
Je me pose donc la question d'investir mon mois d'aout dans l'apprentissage de erlang, elixir, OTP, de mettre une machine beam sur chacun de mes ordinateurs domestiques pour voir si l'IoT autonome intelligent cela pourrait être sympa ?
Des suggestions ? Des commentaires ?
Je m'étais dis l'année dernière qu'apprendre à plusieurs irait plus vite, et j'ai suggéré l'idée de se faire un "automooc" pour débugger les cours/explications à plusieurs (j'ai bien conscience que mon approche de l'IA est particulière et que discuter chaque notion au moment où on la découvre peut permettre une meilleure compréhension). J'ai trouvé de l'intérêt (un meet-up) mais pas de vrai starting-partner :-)

[equispace]

Salut,
Alors si je dois vous donner mon avis j'ai voté autre parce qu'en fait nous utilisons dans notre activité deux langages à la fois Matlab et VisualProlog.

Si je dois vous donner ma vue de l'IA aujourd'hui voici ce que nous utilisons comme concept au sein du centre de recherche :

Il y a une autre distinction à faire ici - la différence entre les systèmes d'IA conçus pour des tâches spécifiques (souvent appelées " AI Faible ") les quelques systèmes qui sont conçus pour la capacité de raisonner en général (dénommé «AI Forte»). Cette distinction est parfois confuse pour les gens qui ne connaissent pas le sujet, et par conséquent, interpréter de façon erronée des résultats spécifiques dans un domaine spécifique comme en quelque sorte la portée à travers tous les comportements intelligents, ce qui n'est pas le cas.

Les systèmes qui peuvent vous recommander des choses en fonction de votre comportement passé seront différents des systèmes qui peuvent apprendre à reconnaître des images à partir d'exemples, qui sera également différent des systèmes qui peuvent prendre des décisions basées sur la synthèse de la preuve. Ils peuvent tous être des exemples de l'AI " Faible " dans la pratique, mais peut ne pas être généralisable pour traiter toutes les questions qu'une machine intelligente devra traiter de lui-même.

C'est la définition qui me semble la plus proche de la réalité.
Merci

[Madmac]

Salut,
Alors si je dois vous donner mon avis j'ai voté autre parce qu'en fait nous utilisons dans notre activité deux langages à la fois Matlab et VisualProlog.

Si je dois vous donner ma vue de l'IA aujourd'hui voici ce que nous utilisons comme concept au sein du centre de recherche :

Il y a une autre distinction à faire ici - la différence entre les systèmes d'IA conçus pour des tâches spécifiques (souvent appelées " AI Faible ") les quelques systèmes qui sont conçus pour la capacité de raisonner en général (dénommé «AI Forte»). Cette distinction est parfois confuse pour les gens qui ne connaissent pas le sujet, et par conséquent, interpréter de façon erronée des résultats spécifiques dans un domaine spécifique comme en quelque sorte la portée à travers tous les comportements intelligents, ce qui n'est pas le cas.

Les systèmes qui peuvent vous recommander des choses en fonction de votre comportement passé seront différents des systèmes qui peuvent apprendre à reconnaître des images à partir d'exemples, qui sera également différent des systèmes qui peuvent prendre des décisions basées sur la synthèse de la preuve. Ils peuvent tous être des exemples de l'AI " Faible " dans la pratique, mais peut ne pas être généralisable pour traiter toutes les questions qu'une machine intelligente devra traiter de lui-même.

C'est la définition qui me semble la plus proche de la réalité.
Merci

Prolog est également en haut de ma liste. Et Julia me semble un substitut plus flexible que Matlab.