La situation des élèves en maths et en sciences est mauvaise en France, et ça semble être un phénomène qui s'est amplifié récemment. Dommage, je crois vraiment que ces apprentissages sont structurants.
via : https://twitter.com/MaliciaRogue/status/803577746077065217
Super cette plateforme pour l'apprentissage du hacking. Il y a tout plein de challenges, du "simple" au carrément "retord"
J'ai lancé deux petits challenges pour voir, c'est déjà pas mal compliqué :grimacing:
Wow, très intéressant. Quelques bouts de codes et un peu de théorie sur la robustesse en apprentissage statistique. Voir les slides aussi, très intéressantes (bien qu'assez peu "autoporteuses" : le speech aurait été un plus)
via : https://twitter.com/dataandme/status/757648167940816896
Excellent : un outil de deep-mining sur des images pour reproduire des styles graphiques de peintres. Ça marche relativement bien (voir très bien).
Bluffant.
Supers vidéo et article sur le deep-learning. En particulier les exemples sous la vidéo :)
Intéressante présentation sur TensorFlow, un outil de deep-learning de Google.
À garder sous le coude.
via : https://www.facebook.com/bdla2014/posts/1890901097803514 (Big Data Learning Association)
Oulà, j'ai tellement envie de voir ça, mais ça dur 27 minutes. Tant pis, je pose-là, à lire plus tard.
Impressionnant. Je n'avais jamais vu cette vidéo d'Audrey Vernon, qui a appris et est capable de réciter aléatoirement les noms sur la liste Forbes. Awesome.
Géniale vidéo sur l'apprentissage.
Une superbe expérience de neuro pour voir à quel point l'apprentissage du vélo s'ancre dans le cerveau, et à quel point il est difficile de désapprendre. (mais aussi que la plasticité cérébrale est juste énorme chez les enfants)
À voir !!
Mais quelle idiotie.
Jolie comparaison de ce twittos : c'est comme si le ministère de l'agriculture signait avec Monsanto pour l'agriculture de demain.
Bref, encore de l'incompétence.
Génial. Une lib Python pour trainer et utiliser des réseaux de neurones. Toute sorte de réseaux. À garder absolument sous le coude.
Bon article sur … plein de choses. Notamment la peur paralysante apprise aux femmes, etc.
Bref, le mieux c'est de le lire, je ne saurais le décrire.
via : https://twitter.com/PenelopeB/status/623838439553765376
Je mets ça ici : le truc de Google en deeplearning, qui « produit des images » par rapport à d'autres, et par voie de ressemblance. Dans ce cas, ce sont des réseaux neuronaux multicouches qui sont utilisés.
Très bon article sur les données “molles”. Concept qui recouvre plusieurs choses : les méta-données, la psychologie, et notamment dans la mesure, etc.
Dans un monde de data, c'est important d'avoir ça en tête, parce qu'il faut sortir de la donnée stricte qui peut être hyper trompeuse.
Cas classique de sexisme dans des livres pour enfants. Cette fois quand même c'est pire : ce qui est appris aux filles est bien plus léger que pour les garçons. Pfff…
Une conférence pour parler des effets de la télé sur le développement du cerveau, les addictions, l'espérance de vie, le comportement, etc. Notamment sur les processus d'apprentissage, donc c'est super intéressant.
Mis à part quelques approximations scientifiques dues au contexte (public de néophytes) et diabolisations, l'ensemble est très intéressant, instructif et bien argumenté.
Merci Qosgof (http://qosgof.fr/fosteb/) pour le lien.
Pfouah !
Des modèles numériques qui apprennent à marcher tout seuls.
On retrouve vraiment la marche humaine, mais aussi d'autres animaux. Tout simplement incroyable.
via : https://twitter.com/Bouletcorp/status/423929879747239936
Margaux m'avait, il y a longtemps, demandé de lire ce truc. Bien qu'il y ait assez peu de détails, ça reste intéressant :
Microsoft ferait du biomimétisme sur le cerveau pour obtenir un driver de reconnaissance vocale plus efficient (rapidité, précision : ça reste vague donc)
Bon, de toute façon, ça reprend un principe général en sciences et particulièrement en apprentissage machine : sans connaissance a priori des process, on peut toujours obtenir de la reconnaissance/classification, mais au prix de beaucoup de bruit. Plus on reproduit le phénomène naturel, plus on ajoute de la connaissance "a priori" au modèle, et donc, plus le modèle est performant.
Par exemple, les réseaux de neurones artificiels ou les réseaux bayésiens représentent un framework général pour réaliser de la reconnaissance. Mais si on peut d'ores-et-déjà ajouter de la connaissance (ne pas écouter certaines fréquences, réaliser un découpage en syllabes, renforcer le rôle de l'intonation, etc.) alors le modèle sera plus efficace.
Bref, Microsoft continue de temps en temps de faire des trucs sympas. À voir le degré de marketing.
Mouarf. Y a vraiment des gens qui sont tombés dans le panneau ?
C'est pas mal comme blague de mauvais goût.
/short : des lignes de commandes pour activer le mode développeur sur Mac (mais en fait pour effacer l'intégralité du disque, en hard)
via : @Korben