Apprentissage statistique et analyse prédictive en Python avec scikit-learn par Alexandre Gramfort

Apprentissage statistique et analyse prédictive en Python avec scikit-learn par Alexandre Gramfort
Actu IA

À l’occasion de l’événement BlendWebMix 2017, Alexandre Gramfort est intervenu sur la thématique “Apprentissage statistique et analyse prédictive en Python avec scikit-learn”.

“Avec plus de 300 000 utilisateurs réguliers, scikit-learn est la librairie de référence pour le machine learning en Python. scikit-learn couvre l’apprentissage supervisé (régression, classification) et non-supervisé (clustering, détection d’anomalie, réduction de dimension) scikit-learn est construit sur l’écosystème du Python scientifique Numpy, Scipy et Cython.” (Lire notre interview de Gaël Varoquaux au sujet de scikit-learn).

Alexandre Gramfort est chercheur au sein d’Inria, membre de l’équipe-projet Parietal (équipe mixte avec le CEA-Saclayet) et a été maître de conférences diplômé de Télécom ParisTech. Son projet au sein d’Inria vise à interpréter plus finement les signaux électrophysiologiques de cerveaux sains ou malades, pour mieux en appréhender le fonctionnement. Il a également été lauréat d’une bourse ERC Starting Grant 2015, pour son projet Signal processing and Learning Applied to Brain data (SLAB) et travaille principalement sur le statistical machine learning, le traitement des signaux et des images, l’optimisation, le calcul scientifique et l’ingénierie logicielle.

BlendWebMix, organisé depuis maintenant plus de 6 ans, mélange chaque année conférences, ateliers et moments de networking et s’adresse à tous les niveaux de compétences, tous les profils de métiers, etc. Une centaine de conférences abordent tous les thèmes actuels du WEB, avec différents niveaux, secteurs et formats proposés. Cette année, ce sont plus de 1800 personnes qui ont participé à l’édition 2018, les 24 et 25 octobre, au Centre des Congrès à Lyon.

Au cours de la présentation, Alexandre Gramfort commence par présenter la différence entre intelligence artificielle, Machine Learning et Deep Learning avant d’entrer dans le vif du sujet en présentant Scikit-Learn. Enfin, il présente différents cas d’usages et algorithmes, démonstration et analyse de code à l’appui.

Présentation SlideShare :