*2cmMachine Learning : enjeux et opportunités

Pierre Gaillard – Inria Paris
Paris Sciences & Data
2 février 2017
Note : présentation basée sur celle de Francis Bach pour le petit déjeuner de l’ENS (nov. 2016)
1

   « intelligence artificielle qui consiste à apprendre et modéliser un
phénomène »
Machine Learning ⊂Statistiques + Informatique
Big data / machine learning / data science / intelligence artificielle / deep learning,
une révolution?
-   calcul, coûts de stockage
-       Volume, Variété, Vélocité, Véracité
–IBM : 1018 bytes de données créés / jour — 90% ont moins de deux ans
– Dans tous les domaines : sciences, industrie, vie personnelle
– De toutes les formes : vidéo, texte, clics
-nobservations en dimension d
2

3

3

Limites : – les débits ne suivent pas
– miniaturisation Ýlimites de la physique traditionnelle Ýphysique quantique
3