@let@token Apprentissage de Données Massives @let@token

Introduction
Environnements technologiques
Cas d’usage
Conclusion
Apprentissage de Donn´ ees Massives
Trois cas d’usage avec R, Python et Spark
Philippe Besse, Brendan Guillouet et Jean-Michel Loubes
Universit´ e de Toulouse
INSA – Dpt GMM
Institut de Math´ ematiques – ESP
UMR CNRS 5219
Besse et al. — JES 2016 Grosses Data

Introduction
Environnements technologiques
Cas d’usage
Conclusion
Taxis : Classification de trajectoires GPS
Besse et al. — JES 2016 Grosses Data

Introduction
Environnements technologiques
Cas d’usage
Conclusion
Objectif
Nouvelle Science des Donn´ ees
Contenu
Objectif
Question : Quelle (meilleure) technologie utiliser pour
l’apprentissage sur donn´ ees massives ?
Grosses data ? RAM, DD ?
Mat´ eriel : Poste personnel, serveur, Cloud ?
Donn´ ees distribu´ ees (Hadoop) ?
Comparaisons de difficiles ` a impossibles
Point de vue du ”statisticien”
Prototype puis passage ` a l’´ echelle du mˆ eme code
Trois cas d’usage : MNIST, MovieLens, Cdiscount
M´ ethodes et algorithmes : pr ´ eparation, RF, NMF, Logit
Trois environnements : R ` a Python, Python ` a Spark ?
Scripts dans http://github.com/wikistat
Besse et al. — JES 2016 Grosses Data

Introduction
Environnements technologiques
Cas d’usage
Conclusion
Objectif
Nouvelle Science des Donn´ ees
Contenu
AIrbus : Analyse des messages d’incidents en vol (700 000 en 6 mois)
Besse et al. — JES 2016 Grosses Data

Introduction
Environnements technologiques
Cas d’usage
Conclusion
Objectif
Nouvelle Science des Donn´ ees
Contenu
Nouvelle ( ?) Science des Donn ´ ees
1995 Data Mining : Gestion de la Relation Client, suites
logicielles (Friedman, 1997)
2010 Data Science : Publicit´ e en ligne, Hadoop, cloud
computing (Donoho, 2015 ;
beamergotobuttonBesse et Laurent, 2016)
Donn´ ees pr´ ealables (fouille), dimensions (omiques) p>> n,
Pas de nouvelles m´ ethodes, seules celles ´ echelonnables
Data pas toujours Grosses mais datification du quotidien
´
Ethique et virtualisation / transparence de la d´ ecision
Science des donn´ ees : nouveau terme d’erreur
Erreur d’optimisation + Compromis biais / variance
Optimisation stochastique (Robbins Monro) ; non
diff´ erentiable
Parall´ elisation des librairies de calcul
Nouveau mod` ele ´ economique
Besse et al. — JES 2016 Grosses Data