Une introduction en vidéo fracassante et spectaculaire du cours de deep-learning de l’université de MIT pour cette année, l’enseignant a eu avec cette introduction de bien faire comprendre aux étudiants de quoi s’agit-il et les projections effectifs des connaissances de ce cours.
introduction au cours de deep-learning de MIT
Pour rappel, le deep-learning est une branche du machine-learning elle-même une sous-classe du domaine de l’inintelligence artificielle. On peut facilement observer que de nos jours c’est l’intelligence la plus avancée et la prometteuse en comparaison aux autres intelligences.
Le Machine Learning (ou ML) est une branche importante de l’Intelligence Artificielle, la majorité des technologies actuelles d’IA utilisent des techniques de cette branche, comme par exemple les innovations DeepMind de Google ou les Enceintes Connectées, comme Google Home, Amazon Echo ou Apple HomePod, représentées sur la photo en bas. Je ne suis pas un spécialiste du domaine pour conseiller le meilleur livre pour apprendre cette discipline mais sur internet on arrive trouver des spécialistes qui peuvent nous orienter dans le choix d’un bon livre pour un bon investissement d’apprentissage dans le domaine. Le gars sur la vidéo en bas fait des vidéos de tutoriaux sur l’utilisation du langage Python dans le domaine du Data Science et Machine Learning, d’ailleurs le Python est très prisé pour ces deux disciplines. D’après l’auteur de la vidéo le livre Hands On Machine Learning with Scikit Learn and Tensorflow est le meilleur livre actuel sur le Machine Learning concernant l’aspect pratique du domaine (et non théorique), il explique dans la vidéo pourquoi d’après lui c’est le meilleur livre qui existe.
3 assistants vocaux (de gauche à droite) : Apple Homepod, Amazon Echo, Google Home
D’après ma modeste expérience dans l’éducation, le meilleur moyen d’apprendre pour un étudiant est un »bon » livre, j’ai toujours répété à mes étudiants qu’un bon livre vous fera apprendre dix fois plus ce que vous apprendrez en suivant le cursus normal pour module donné, et c’est tout à fait logique, les bons livres sont généralement écrits par des spécialistes avec des années d’expérience, peut être les meilleurs dans le domaine, par exemple pour le module des architecture des ordinateur le livre Computer Organization and Design écrit par David A. Patterson et John L. Hennessy, les deux auteurs sont des experts reconnus mondialement, c’étaient les deux initiateurs de la conception des processeurs RISC, de facto de 99% des processeurs actuels. Les deux auteurs ont obtenu le prix Turing, l’équivalent du prix Nobel en informatique. John L. Hennessy est l’un des fondateurs du processeur MIPS étudié dans le module, il a été le tuteur des deux étudiants Larry Page et Sergey Brin lors de leur projet de fin d’étude pour la création du moteur de recherche Google. David A. Patterson est actuellement l’un des leaders de la fondation RISC-V, le processeur dit du future. Le livre contrairement au cours permet de prendre le temps et petit à petit d’approfondir et détailler minutieusement les différents aspects du domaine.
is this the best book on Machine Learning ?
Il faut savoir que l’Intelligence
Artificielle est une discipline qui monte de jour en jour en
puissance, ça serait probablement l’une des technologies
prédominante dans les décennies à venir, investir dès les
premières années dans cette technologie serait inch-allah bénéfique
à long terme. Il faut juste savoir que ce domaine est réputé
d’avoir une appréciation théorique lourde, et un background
mathématique et statistique poussée. J’ai eu l’opportunité dans
mon ingéniorat de travailler sur les Réseaux de neurones, l’une des
techniques les plus répondues dans le ML, j’ai aussi travaillé sur
les Support Vector Machine et je me rappelle qu’il me fallait étudier
en plus des notions en mathématique non étudiés dans le cursus
normal d’informaticien, comme certaines notions d’optimisations et
d’analyses mathématiques, des concepts et théories en
statistique…etc. Quoique le livre présenté en haut se concentre
sur l’aspect pratique du domaine, l’aspect théorique reste pas moins
important et non négligeable que l’aspect pratique.
La technologie dans le domaine de l’intelligence artificielle avance à grands pas, la tendance actuelle sur les réseaux sociaux est de trouver les vidéos dites Deepfake, ce sont des vidéos réalisées en utilisant un logiciel de Machine Learning (une branche de l’intelligence artificielle) pour créer de fausses vidéos de personnalités qui sont en réalité synthétisées et non réels, comme vous pouvez le voir sur les images des présidents en bas. Le terme Deepfake vient de Deep Learning fake, Deep Learning étant une technique très répondue dans le Machine Learning. Des applications grands publiques ont vu le jour sur internet en grande partie à l’aide d’une communauté sur Reddit actif sur ces technologies.
Ces techniques qui ne sont pas réservés qu’à la vidéo mais impliquent aussi la parole, sont potentiellement dangereux pour l’authenticité de l’information, dans un monde où les fake news font éloge il sera de plus en plus difficile de discerner la véracité dans l’information. Le département de la défonce américaine considère cette technologie comme potentiellement dangereuse et a produit des outils pour déceler les vidéos deepfake, d’autres instituts de recherche aussi songent à utiliser des techniques de Deep Learning pour détecter les deepfakes. Dire qu’au final le meilleur moyen de combattre une intelligence artificielle serait une autre intelligence artificielle.
