Louis Dorard dispense chez nous une formation Machine Learning. Il a accepté de répondre à quelques questions pour nous présenter cette formation.
Human Coders: Bonjour Louis, peux-tu te présenter en quelques lignes ?
Je suis l’auteur de Bootstrapping Machine Learning et je suis un Founding Partner à Codole où je m’occupe d’aider les sociétés à exploiter la valeur de leurs données et à mettre un pied dans le Machine Learning. Avant ça, j’ai aussi “bootstrappé” des technologies innovantes alors que j’étais en charge de la R&D chez Concept Immo Global, Product Manager de VA Live, et fondateur de eAuteur. Mes connaissances en Machine Learning me viennent de mon Master et de mon PhD à University College London.
HC: Qu’est-ce que le Machine Learning ?
Le Machine Learning (également appelé “apprentissage par machine”), c’est ce qu’il y a derrière l’ère “2.0” du Big Data. C’est l’ère du prédictif, et les problèmes qu’on traite consistent à prédire une information que l’on ne connait pas (ou pas encore). Jusqu’alors plutôt marginal, le prédictif est vu par les analystes et experts comme la “next big thing” dans le développement d’applications, ainsi que la “killer app” du Big Data.
Pour être plus concret, le ML est un ensemble de techniques d’Intelligence Artificielle où l’intelligence repose sur le fait qu’on se réfère à des exemples. Ces techniques permettent de créer des programmes qui apportent des réponses à des questions non triviales comme “quelle est la valeur de cette maison sur le marché?”, “est-ce-que ce bout de texte est du spam?”, “ce client va-t’il rester fidèle?”. Pour cela, on compare de nouveaux objets (maison, texte, client) à des exemples d’objets pour lesquels on connait la réponse. Cela se fait soit explicitement, soit implicitement au travers d’un “modèle”. Une prédiction de réponse peut alors être donnée. Les exemples dont on dispose sont aussi appelés “données” ou “data”.
HC: Quand et comment as-tu découvert le Machine Learning ?
Ca s’est fait un peu par hasard. En dernière année d’école d’ingénieur j’ai voulu partir en Master à l’étranger. J’ai été attiré par Londres et un programme de Master intitulé “Intelligent Systems”, qui ne ressemblait à rien de connu de ma part et qui était totalement différent de ce qui était proposé à mon école, l’Ensimag. Le syllabus du Master m’a laissé un peu rêveur. Il y avait plusieurs cours de Machine Learning, mais en 2006, ce n’était pas connu comme ça l’est aujourd’hui.
HC: Peux-tu m’en dire plus sur ton livre, Bootstrapping Machine Learning ?
Il s’agit du premier livre de démocratisation du Machine Learning. Par le passé, le frein qui empêchait les gens de s’y mettre, c’était la complexité des algorithmes qu’il y a derrière. Il fallait du temps avant de comprendre quelles étaient les possibilités et les limitations. Comme le disait Bret Victor dans Magic Ink en 2006:
Tant que le machine learning n’est pas aussi accessible et sans effort que de taper le mot “learn”, il ne sera jamais largement répandu. (Until machine learning is as accessible and effortless as typing the word “learn,” it will never become widespread.)
Le ML est maintenant accessible à tous grâce aux APIs de prédiction, qui abstraient une grande partie de la complexité liée à la création de modèles prédictifs. J’ai donc décidé d’écrire le premier livre expliquant le ML au travers des APIs de prédiction. Il est possible de mettre en place du ML à partir de très peu de choses et avec un très faible investissement en temps — d’où le terme “bootstrapping” du titre de mon livre. Ce dernier est assez concis (202 pages) et il aborde tous les enjeux: pratiques, business et techniques — mais pas la théorie ni les algorithmes.
HC: Peux-tu nous présenter la formation Machine Learning ? A qui est-elle destinée ?
La formation couvre plusieurs besoins pour divers types de profils:
- Sociétés qui hésitent à embaucher des Data Scientists
- Développeurs voulant étendre leur domaine de compétences et le type de projets sur lesquels se positionner
- Lead Developers et CTOs voulant comprendre les enjeux derrière le ML et ses possibilités
- Startuppers voulant mettre à profit l’innovation liée au Big Data
- Analystes désireux d’utiliser les outils prédictifs pour enrichir leurs recommandations.
Les prérequis sont simplement d’avoir déjà utilisé un tableur comme Excel et écrit quelques lignes de code dans sa vie.
Le fait d’avoir une formation ML qui repose sur l’utilisation d’APIs de prédiction permet plus de gains qu’avec une autre formation plus “classique” (et en beaucoup moins de temps), car on peut se concentrer sur ce qui importe le plus: l’avant et l’après learning. Plus spécifiquement, on verra comment préparer ses données, les manipuler, et évaluer ses résultats. On passera en revue plusieurs exemples d’utilisation du ML, ainsi que les APIs de prédiction existantes. On étudiera notamment le fonctionnement de BigML et de Google Prediction API au travers d’études de cas.
Après avoir suivi cette formation Machine Learning, les participants seront en mesure d’effectuer des preuves de concept dans leurs domaines respectifs, en quelques jours seulement.
HC: Pourquoi as-tu décidé de donner des formations ?
Depuis 1 ou 2 ans, je rencontrais souvent des gens qui avaient entendu parler de Machine Learning et, même sans savoir exactement de quoi il s’agissait, savaient que c’était utilisé pour créer des programmes intelligents et que ça prenait une importance grandissante. Avec l’ampleur prise par le “Big Data” et le fait que l’intérêt se porte maintenant sur le Prédictif, l’intérêt pour le ML a grandi encore plus.
Cependant, en 2011, McKinsey & Co. avait prédit une demande grandissante autour de ces technologies mais aussi une pénurie d’expertise dans les années à venir. A l’instar de Scott Brave, je suis persuadé que les APIs et services de prédiction sont le seul moyen de contourner ce “bottleneck”. J’ai donc entrepris de former les gens à ces nouveaux outils et d’aider ainsi les entreprises à rester compétitives.
La formation me permet d’aller plus loin que le livre dans cette démarche. Cela permet de se donner plus de temps pour traiter des points abordés mais aussi de répondre aux questions des participants, d’interagir, de les guider un peu plus. J’ai commencé par donner des formations en ligne, ce qui est avantageux quand les participants étaient répartis aux 4 coins du monde. Mais le fait de ne pas se voir me manquait. On perd un peu sur le côté humain. J’ai donc décidé de donner également des formations “en vrai”, ce qui permet notamment de mettre en place des sessions de travaux pratiques !
HC: Quel est ton meilleur souvenir de formation ?
Je me rappelle tout particulièrement d’une présentation assez longue que j’avais donnée à un événement BordeauxJS, où j’expliquais comment réimplémenter le Priority Inbox de Gmail à partir de Google Apps Script. Il s’agissait donc d’une étude de cas, et comme nous étions en très petit comité, les gens posaient autant de questions qu’ils le souhaitaient, tout au long de la présentation. Du coup, ça se rapprochait un peu d’une mini formation. Je voyais aux visages et aux questions — très pertinentes — qu’ils étaient très intéressés, voire émerveillés ! Certains m’ont fait part, à la fin de la présentation, d’idées qu’ils avaient eu de features à base de ML à mettre en place dans leurs applications.
HC: Merci Louis !
Retrouvez le programme complet de la formation Machine Learning sur Human Coders Formations.