Accéder au contenu principal

Sélection

Les algorithmes d'apprentissage supervisé en Machine Learning

 Quels sont les algorithmes d'apprentissage supervisé les plus répandus en ML ?  C'est un réel plaisir de vous retrouver la team #TheDayInfo 😎pour un nouvel article.  Nous allons découvrir aujourd'hui les algorithmes d'apprentissage supervisé en ML(Machine Learning).  Pour tout savoir sur la méthode d'apprentissage supervisé, je vous invite à lire mon article là dessus. Exemple d'un algorithme Le SVM (Support Vector Machine) En apprentissage supervisé, lorsqu'on veut résoudre des problèmes de régression, de classification ou détecter des valeurs abbérantes avec moins de puissance de calcul, SVM est l'algorithme de choix.  Le principe ici avec le SVM est de trouver un hyperplan dans un espace à N-dimensions (avec N = au nombre de caractéristiques) qui classe distinctivement les points de données. Arbre de décision(Decision tree) Comme son nom l'indique, c'est un arbre qui aide à la prise de décision.  Pour faire simple, vous avez des données sur

Les catastrophes vues sur une carte avec TensorFlow

Visualiser les catastrophes naturelles sur une map avec TensorFlow




Salut à vous la team #TheDayInfo 😊, je suis très heureux de partager avec vous aujourd'hui une plateforme de mapping des différentes catastrophes qui ont lieu dans le monde entier: Disaster Watch

Disaster Watch alt seo optimisation Google
Disaster Watch

C'est quoi TensorFlow?😕

Alors, TensorFlow est une plateforme open source pour l'apprentissage automatique(Machine Learning). Elle a été conçu par Google et c'est en 2015 que le code source a été publié par celui-ci. 

Comment fonctionne Disaster Watch?

Disaster Watcher est une plateforme qui affiche les points sur une carte en rapport avec les catastrophes dans le monde tel que: les inondations, les tornades, les tremblements de terre, les ouragans, les bombardements et les explosions.

Les données sont récupérés à partir de mots-clés des tweets à l'aide de l'API(Application programming Interface) en continu de Tweeter.

Les mots clés proviennent d'un dictionnaire de référence de termes relatifs aux catastrophes et développé par crisislex.org.

Alors, une fois qu'une personne ou un média tweet sur une catastrophe dans le monde en utilisant un mot-clé, la plateforme récupère la donnée.

Ensuite, TensorFlow l'analyse en fonction de l'exemple qu'il a enregistré et si cela est conforme, il valide l'information et ensuite elle est affichée sur la carte.

Vous pouvez voir l'application web ici 👉Disaster Watch.

Voilà pour aujourd'hui😉, je vous souhaite un bon mois de septembre et une excellente semaine.










Commentaires

Articles les plus consultés

Follow @ArmelYara