AI GUEST TALK : infrastructure logicielle du machine learning - exemple de scikit-learn

AI GUEST TALK : infrastructure logicielle du machine learning - exemple de scikit-learn

20210617T190000

20210617T200000

https://alumni.utc.fr//medias/image/12549985825f11b6db84888.png

-AI GUEST TALK-L'infrastructure logicielle du machine learning  avec l'exemple de scikit-learn, une bibliothèque logicielle open-source et librePréface :Aujourd'hui, presque tous les logiciels sont conçus grâce à des composants dont le code est public, gratuit et accessible librement en ligne : on parle de logiciels open-source. À l'instar des infrastructures physiques et publiques que n'importe qui peut emprunter, les logiciels open-source peuvent être utilisés par tous (entreprises, chercheurs, particuliers) pour réaliser des analyses ou d'autres logiciels.Ces logiciels, développés et maintenus par des communautés de développeurs, chercheurs, étudiants et passionnés, constituent indéniablement les pierres angulaires  de l'infrastructure numérique de nos sociétés, en particulier de l'économie reposant sur l'analyse de données et le machine learning. Au programme de cette conférenceCette présentation vise à introduire le travail, les enjeux et les challenges des personnes maintenant ces logiciels libres et open-source : les principes fondamentaux de contributions des logiciels open-source ainsi que quelques uns de leurs éléments clefs seront couverts via le cas de scikit-learn, une bibliothèque de référence pour l'analyse de données et le machine learning utilisée par plus d'un million de personnes dans le monde. Aussi, les participants pourront connaître les coulisses du développement cutting-edge de ces outils fondamentaux!Notre invité du jourJe m'appelle Julien Jerphanion. J'ai été diplômé de l'Université de Technologie de Compiègne en Génie Informatique (FDD, label ModMath, mineur Phiteco) en 2019 et du Master MVA de l'École Normale Supérieure Paris-Saclay en 2020. Je suis intéressé par des sujets entre mathématiques appliquées, informatique et logiciel, comme l'analyse numérique, l'optimisation, et les statistiques computationnelles. Depuis avril 2021, je travaille en tant qu'ingénieur de recherche à l'INRIA dans l'équipe Parietal sur l'amélioration des performances de scikit-learn. Sites :scikit-learn @ Fondation INRIA : https://scikit-learn.fondation-inria.fr/accueil/Site de l'INRIA : https://www.inria.fr/Site personnel de Julien Jerphanion : https://jjerphan.xyz/

https://alumni.utc.fr/en/event/ai-guest-talk-infrastructure-logicielle-du-machine-learning-exemple-de-scikit-learn/2021/06/17/2363