Deeptimize : une infrastructure full serverless sur le Cloud AWS pour booster l’analyse vidéo du sport par l’IA

Deeptimize propose une solution d’analyse du sport en vidéo par l’IA. Les algorithmes de Deeptimize extraient de la donnée de tout type de vidéo : des données liées au mouvement, à la posture, ou des données sémantiques (ce qui se passe dans la vidéo, à quel moment, quelle position). Afin de rendre la donnée largement accessible au monde...

Lire la suite

La revue de presse IA/ML – septembre 2023

Nous sommes heureux de vous partager notre toute première revue de presse sur les sujets d’IA et de ML. Dans une volonté d'accroître la circulation d'informations, nous avons mis en place au sein de notre communauté IA / ML, un nouveau processus de partage d’articles qualitatifs afin de, petit à petit, construire une base de connaissa...

Lire la suite

How to calculate the carbon footprint of training/running a large AI model in the cloud

GPT-3, GPT-4, ChatGPT, Bard, Stable Diffusion, Midjourney, DALL-E, etc., are Generative AI systems, made by large AI models. Systems that can generate text, images, or other media in response to prompts. A large amount of data and computing resources are necessary to train a large model like that. However, the question is: how big are...

Lire la suite

Dans ta science : la note de synthèse Hub France IA sur ChatGPT et l’IA générative

Il ne vous aura pas échappé que ChatGPT et les IA génératives font la une des actualités depuis plusieurs mois, et que ce phénomène a largement dépassé les milieux spécialisés de l'IT et de l'IA. Pour répondre aux interrogations soulevées par l'essor de l'IA générative, Hub France IA a constitué un groupe de travail consacré à ChatGTP...

Lire la suite

IA responsable : quelles solutions pour réduire l’empreinte carbone des modèles ?

L’IA apporte des solutions à de nombreux problèmes, mais cela se fait aussi au prix d’une consommation énergétique accrue. Nous verrons dans cet article un panorama des techniques existantes, concrètes, et faciles à mettre en place, pour rendre nos modèles d’IA moins gourmands en énergie, de manière à limiter leur impact environnement...

Lire la suite

Le ML Ops – partie 5 : la livraison continue, sauce ML

Cinquième article de notre série consacrée au Machine Learning en production et ses solutions ML Ops dans le Cloud : Partie 1 : Le Machine Learning en production et ses solutions ML Ops dans le Cloud Partie 2 : Pourquoi se lancer dans une démarche de Machine Learning Partie 3 : La définition d'un algorithme ML Partie 4 : Pou...

Lire la suite

ML Design Patterns : Juggling Multiple Labels Like a Pro

In real world cases, the traditional approach of using a single output for a single input may not be sufficient. Sometimes we need multiple labels, or outputs, to be associated with each input, providing greater flexibility and functionality in complex applications. This is where the multi-label design pattern comes in. In this articl...

Lire la suite

Retour sur Dataquitaine 2023 : IA, recherche opérationnelle et Data Science

Le 02 mars 2023 à Bordeaux a eu lieu la 6ème édition de Dataquitaine. Des centaines d’intéressés se sont déplacés pour échanger sur leur avancée entre termes d’IA, de recherche opérationnelle et d’optimisation. Vous trouverez dans cet article une vue globale des différentes présentations auxquelles j’ai eu le plaisir d’assister. Pour les...

Lire la suite

Retour d’expérience client : architecture et construction d’une plateforme MLOps sur le Cloud AWS

Depuis quelques années, notre client (fintech française) met en œuvre une stratégie de valorisation de la donnée par le Machine Learning, dans l’optique d’améliorer aussi bien la personnalisation de l’expérience client que la réduction des coûts via une meilleure prévention contre la fraude. Pour aller plus loin dans cette démarche ai...

Lire la suite

Empowering Your Machine Learning Projects: Best Practices and Design Patterns for Success

A series of articles focusing on the “Machine Learning Design Patterns, solutions to common challenges in data preparation, model building and MLOps” book by Valliappa Lakshmanan, Sara Robinson, and Michael Munn. In the ever-evolving world of technology, machine learning has emerged as a powerful force, revolutionising countless i...

Lire la suite