Study Group in French

Si vous voulez en savoir plus sur Jeremy et FastAI : https://twimlai.com/twiml-talk-186-the-fastai-v1-deep-learning-framework-with-jeremy-howard/

1 Like

Salut,
Je vous conseille le cours de Jeremy sur le Machine Learning :
http://course.fast.ai/lessonsml1/lessonsml1.html
Les 7 premiers épisodes sont sur Random Forest et il prend plus le temps de donner des astuces sur Pandas et Python. Vous pouvez les sauter si le Radom Forest ne vous intéresse pas.
Les 5 suivants sont sur les rĂ©seaux de neurones, plus axĂ©s thĂ©orie que la pratique que l’on va voir dans le cours Deep Learning. Elles traitent uniquement de rĂ©seaux complĂ©tements connectĂ©s, par opposition au rĂ©seau convolutif par exemple.

Il y a une version texte trĂšs complĂšte ici https://medium.com/@hiromi_suenaga/machine-learning-1-lesson-1-84a1dc2b5236

Je ne pense pas ĂȘtre disponible pour organiser un call cette semaine. Je vous laisse voir quand vous souhaitez le faire.

3 Likes

@Kaspar Nvidia does a webinar about breast cancer detection, maybe you will learn some tips
http://info.nvidia.com/new-frontiers-in-breast-cancer-detection-reg-page?ncid=em-ded-nnnnn1-62822

super i watch

C’etait vraiment bien merci:)

1 Like

Bonjour Ă  tous,

Que diriez-vous de refaire une visio ce mercredi soir Ă  21h ?

super

Bonjour Benoit, je suis partant pour la visio mercredi.

1 Like

Super, voici le lien : https://hangouts.google.com/call/nj2ZDfLYD4MzRQf8ic42AEEI

Bonjour Ă  tous,
Comment ça va ?
Le cours de la semaine derniĂšre Ă©tait dense, mais motivant :grinning:
Je suis sur d’autres projets en ce moment mais on se fait une visio vendredi soir à 21h00 ?

super je suis partant

Ok Benoit, ça marche pour vendredi 21h!

Pour info : lien youtube vers l’application en temps rĂ©el de mon algo de dĂ©tection de pieds de betteraves par segmentation (Unet avec tensorflow) : https://youtu.be/f0WOgpMSWB4

J’obtiens un coef dice sur le jeu de validation de 0.79. Suite au cours 3 j’ai rĂ©utilisĂ© le Unet de Fastai: j’obtiens un coef dice de 0.75. Un peu moins bien mais visuellement les rĂ©sultats semblent meilleurs (meilleur dĂ©tection : moins de faux positifs)
J’ai l’impression que l’utilisation de Resnet34 en encodeur du UNet dans Fastai est donc bĂ©nĂ©fique.

Bravo JM !
Comment ce fait-il qu’il y ait juste un rond rouge au milieu plutît que toute la plante couverte par un maque rouge ? C’est du post-traitement ?

J’ai justement utilisĂ© ResNet / UNet et fastai (v0.7) pour la compĂ©tition Kaggle Airbus https://www.kaggle.com/c/airbus-ship-detection
Je suis dans le top 100 mais sans trop de mĂ©rite car j’ai utilisĂ© du code publiĂ© par un participant que j’ai simplement entraĂźnĂ© du mieux que j’ai pu

Voici le source : https://github.com/trancept/kaggle-airbus-ship

Je pourrais vous parler de recommandation si ça vous intĂ©resse car c’est une partie de mon boulot.

Est-ce que certains sont intĂ©ressĂ©s par le NLP ? On pourrait adapter ce qu’a prĂ©sentĂ© Jeremy au français.

super - ton video er bien convaincant

qui parlons vendre di - j’ai trouver (et telecharge) en jeux de text de la commision europeenn: https://ec.europa.eu/jrc/en/language-technologies/dgt-acquis

Merci Benoit et Kaspar! Le rond rouge est la sortie directe du modĂšle : l’objectif est de dĂ©terminer l’emplacement du pied et non la plante entiĂšre. Ce n’est donc pas vraiment de la segmentation mĂȘme si les techniques utilisĂ©es sont les mĂȘmes.

Je suis intĂ©ressĂ© si tu pouvais nous parler de recommandation! (j’espĂšre avoir le temps de voir le cours 4 avant vendredi soir)

Tu veux dire que tu n’as labellisĂ© que les pieds ? Comme si tu n’avais labellisĂ© que les roues pour dĂ©tecter des voitures ?
C’est une super idĂ©e je trouve, ça fait gagner beaucoup de temps de labellisation !!!

@Kaspar J’ai justement assistĂ© Ă  une confĂ©rence oĂč ils utilisaient les transcriptions en diffĂ©rentes langues du parlement pour entraĂźner un modĂšle NLP de traduction automatique ( https://www.limsi.fr/en/research/tlp/topics/topic5 ).
En cherchant les rĂ©fĂ©rences je suis tombĂ© sur cet article de blog qui fait la mĂȘme chose : https://machinelearningmastery.com/prepare-french-english-dataset-machine-translation/

J’ai entrainĂ© ULMFit pour avoir un modĂšle de langage français et je l’ai appliquĂ© Ă  des tĂąches de classifications.
Vous pouvez voir les résultats sur ce thread: ULMFiT - French
Les résultats sont trÚs prometteurs.

Je vais bientĂŽt publier le code sur github.

2 Likes

tres interessent
Combine de temps est-ce que vous avec mis pour le metre en ouvre.
Du telechargement au resultat des entrainement?

j’essai d’estimer le temps crĂ©er en ulmfit sur les textes de l’union europenne.

Avec la derniĂšre version de fastai, c’est devenu trĂšs simple de le mettre en Ɠuvre. Ça demandait plus de travail sur les versions prĂ©cĂ©dentes.
Il faut quand mĂȘme prĂ©voir un bon temps d’entraĂźnement du modĂšle de langage avec un GPU performant (~10/20h minimum avec une 1080ti).
Par contre, une fois que le modĂšle de langage est entraĂźnĂ©, c’est trĂšs rapide de s’en servir pour entraĂźner un modĂšle de classification.
Je vais d’ailleurs publier les poids du modĂšle, ça permettra de s’en servir comme base, pour faire comme dans le dernier cours (sans devoir tout rĂ©-entraĂźner sur un gros corpus de texte).