Menu
L’intelligence artificielle (IA) est largement traitée dans les médias spécialisés avec les technologies de Machine Learning et de Deep Learning (réseaux de neurones artificiels) qui permettent de développer de nombreuses applications grand public ou professionnelles. Il nous a semblé intÅ
Les techniques de Machine Learning peuvent s’accommoder d’une base d’apprentissage avec peu de données initiales alors même qu’elles sont réputées nécessiter d’énormes quantités de données. On appelle cela le Small Data par opposition au Big Data. En effet, pour pallier un faible …
La détection d’anomalies parmi une population d’individus peut être réalisée par des algorithmes de Machine Learning non supervisés tels que l’Isolation Forest ou le LOF (Local Outlier Factor). En utilisant la bibliothèque Scikit-Learn, nous avons développé deux exemples d’utilisati…
Les innovations en IA (Intelligence Artificielle) vont sans doute être très nombreuses ces prochaines années. Sans vouloir être exhaustif, il nous a paru intéressant, dans cet article de veille, de dessiner les tendances et nouvelles technologies que l’on voit apparaître et qui, pour certai…
Les réseaux de neurones permettent de faire du Machine Learning (traitement de données numériques, analyse d’images ou de séries temporelles). Dans un article précédent, nous abordions les différents algorithmes (KNN, RandomForest, …) de Machine Learning en nous appuyant sur les librairi…
Le Machine Learning, tendance lourde de l’industrie 4.0 avec des applications en croissance (analyse de données, traitement d’images, Analytics, …), utilise aujourd’hui majoritairement le langage Python. Nous avons déjà traité de l’IA (Intelligence Artificielle) dans de précéden…
L’intelligence artificielle (IA) en métallurgie (fonderie, …) va peu à peu se développer (d’abord dans les grands groupes, puis dans les ETI et les PME) avec la démocratisation des technologies du numérique, la présence de data en grand nombre et sous la pression des donneurs d’ordre,…
