Simon Baudart
À propos de Simon
Cela fait bientôt 20 ans que je travaille dans le monde de l'IT chez Wavenet, en tant que développeur .Net à mes débuts et maintenant en tant qu'architecte. Toujours passionné par les nouveautés et les challenges, c'est naturellement que je me suis tourné vers l'IA depuis quelques années afin de l'intégrer de manière pragmatique dans les solutions que nous développons pour nos clients.
Machine Learning comme un rōnin : zéro cloud, 100% contrôle
Entraîner avec les plus gros modèles sur des clouds connus ? Fastoche. Mais tout faire chez soi, sans Internet ? Là, ça se complique. Récemment, nous avons eu l'occasion de travailler sur l'entrainement d'un modèle pour de la détection de fraude dans des transactions. Facile ! Pas vraiment… quand la contrainte du client est d'être 100% OnPremises, aussi bien pour l'entrainement que pour le run. Un challenge qui nous a permis de revenir aux fondamentaux du Machine Learning boostés par les frameworks modernes. Retour donc au bon vieux Python, à Docker, à l’AutoML, au délicat équilibre entre entraînement, surentraînement et validation... Nous vous proposons de revivre avec nous ce challenge au travers des différentes étapes qui nous ont permis de mener à bien ce projet. Et bien entendu, les pièges dans lesquels nous sommes tombés ! Nous irons de la sélection du jeu de données jusqu'à la mise à disposition sous forme d'api locale en passant par les différentes itérations de l'entrainement. Notre objectif : vous montrer que la voie du guerrier armé de sa boite à outils en python est toujours d'actualité et viable ! Du code brut, de l'entraînement sur-mesure, et pas une goutte de cloud pour cette introduction au Machine Learning by yourself.