.. blogpost::
    :title: Année 2022, séance 5
    :keywords: python
    :date: 2022-03-08
    :categories: plan

    Séance découpée en trois parties.

    **Exercice**

    On veut créer une classe d'arbre de décision qui fonctionne
    comme un arbre de décision mais génère une erreur si la distribution
    des feuilles prédites s'éloigne de celle observée durant
    l'apprentissage.

    **Partie I : réseaux de neurones et transfer learning**

    * machine learning et
      `deep learning <https://fr.wikipedia.org/wiki/Apprentissage_profond>`_
    * réseau de neurones profond, `pytorch <https://pytorch.org/>`_
    * `onnx <https://onnx.ai/>`_,
      `onnxruntime <https://onnxruntime.ai/>`_
    * utilisation de modèles de deep learning avec scikit-learn

    Quelques éléments techniques.

    * CPU, GPU
    * double, float
    * dense, sparse
    * json, xml, yml
    * encoding
    * graphes, graphes sociaux, communautés

    **Partie II : données massives**

    Que faire quand les données sont énormes et qu'on n'a pas de cluster ?

    * `pandas <https://pandas.pydata.org/>`_
    * `sqlite3 <https://docs.python.org/3/library/sqlite3.html>`_
    * `streaming <https://fr.wikipedia.org/wiki/Streaming>`_
    * `streaming machine learning
      <http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx/ml2a/td2a_talgo_streaming_ml.html>`_
    * `river <https://github.com/online-ml/river>`_

    **Partie III : variables textuelles**

    Catégorie et texte

    * webscrapping, html, javascript
    * catégories, `dirty-cat <https://dirty-cat.github.io/stable/>`_ (rappel)
    * convertir du texte libre en variable numérique, n-grammes

    * traitement de phrase, tfidf
    * text embedding
    * word2vec, gloves, gensim, spacy
    * séries temporelles

    **Projet**

    * Mois d'avril (début 28/3, rendu 15/5, note 30/6)
    * Modalités précisées en fin de mois

    **Exercice**

    Trouver les adresses identiques après la fusion de deux
    bases de données. Comment utiliser du machine learning ?