#JSS2015

Les journéesSQL Server 2015

Un événement organisé par GUSS

@GUSS_FRANCE

#JSS2015

Les journéesSQL Server 2015

Un événement organisé par GUSS

Le Machine Learning like a Boss

Laurent Couartou - AZEOFabien Adato – AZEO

#JSS2015

Merci à nos sponsors

#JSS2015

DéfinitionCas d’usageLes principes

Comprendre le Machine Learning

#JSS2015

Définition

Le Machine Learning est une science qui permet de créer

automatiquement des systèmes à partir de données d’exemples.

#JSS2015

Cas d’usage• Catégorisation / Détection :

– Détection de visage https://www.how-old.net/

• Prédire une valeur (régression) : – Prédire une température, un chiffre d’affaire

• Grouper par similitude / réduire la dimensionnalité d’un jeu de données (clustering) : – Créer des profils de clients

#JSS2015

Qu’est ce que le Machine LearningModélisation

classique :

f(x) = y

Données d’exemples (x,y)

Machine Learning :

𝑇𝑒𝑚𝑝 é 𝑟𝑎𝑡𝑢𝑟𝑒=𝐻𝑎𝑢𝑡𝑒𝑢𝑟 ∗0,5+10

#JSS2015

Principe – Processus

page 8

Sélection du type de

modèleEntraineme

nt Test Evaluation Utilisation du modèle

80%

20%

Découpage des données

Entrainement Test

#JSS2015

Azure Machine Learning

#JSS2015

Solution Cloud-Only qui fait parti de la suite Cortana Analitycs

#JSS2015

Fonctionnalités de AzureML

#JSS2015

Fonctionnalités de AzureML•Le Studio : Interface web d’expérimentation drag-and-drop (sans ligne de code)

#JSS2015

Fonctionnalités de AzureML

page 13

Bibliothèque d’algorithme

+ composants de transformation de données

#JSS2015

Fonctionnalités de AzureMLCustomisation via le langage R, Python

et SQL

#JSS2015

Fonctionnalités de AzureML

Sauvegarder ses modèles entrainés et les utiliser sous forme de service web

#JSS2015

Démo 1 : Utilisation d’un modèle de classification entraîné

#JSS2015

Choix de l’algorithmeIl faut choisir son algorithme en fonction du type d’apprentissage et

du type de données en sortie.

Type d’apprentissage :1. Etude non supervisée : on ne connais pas à l’avance ce que

l’on recherche.2. Etude supervisée : on sait déjà ce que l’on attend en sortie.

Type de données :3. Variable continue : un nombre infini de valeurs possibles.4. Variable discrète : un nombre défini de valeurs possibles.

#JSS2015

Choix de l’algorithme• Données Discrètes à regrouper• Exemple : créer des groupes de clients

•Données Discrètes •Exemple : une lettre, un booléen…

•Données Continues•Exemple : une température, un CA…

A, B , C ?

Clusterisation Classification Régression

#JSS2015

Apprentissage supervisé

Régression : on cherche un courbe qui colle aux données.

Catégorisation : on cherche à déterminer une frontière entre deux catégories

Mes données se prêtent-elles à l’utilisation d’un algorithme linéaire?

#JSS2015

http://blogs.technet.com/b/machinelearning/archive/2015/09/22/how-to-find-an-algorithm-that-fits.aspx

#JSS2015

Démo 2 : Entraînement d’un modèle

#JSS2015

Tarification

page 22

https://azure.microsoft.com/en-us/pricing/details/machine-learning/

#JSS2015#JSS2015

Les évaluations des sessions,c’est important !!

http://GUSS.Pro/jss

#JSS2015

Merci à nos volontaires…

#JSS2015#JSS2015