en fr

AI Paris 2019 en une image

Posté le Mon 17 June 2019 dans Meeting • Taggé avec Python • 3 min read

Cette semaine, j'étais à l'événement AI Paris 2019 pour représenter Kernix. Nous avons eu d’excellentes discussions avec beaucoup de personnes et j’ai à peine eu le temps de faire le tour pour voir les stands des autres entreprises. Voyons comment avoir un aperçu des thèmes principaux de cet événement.


Continuer à lire

Accuracy: de la classification supervisée à non supervisée (clustering)

Posté le Tue 04 June 2019 dans machine learning • Taggé avec evaluation measure, clustering, Python • 4 min read

L'accuracy est souvent utilisée comme mesure de qualité pour la classification supervisée. Elle est aussi utilisée pour la classification non supervisée. Cependant, la fonction accuracy_score de scikit-learn ne fournit qu'une borne inférieure de l'accuracy pour le clustering. Cet article explique comment cette mesure peut être calculée pour la classification non supervisée.


Continuer à lire

Dense matrices implementation in Python

Posté le Mon 04 February 2019 dans coding • Taggé avec Python • 8 min read

Machine learning algorithms often use matrices to store data and compute operations such as multiplications or singular value decomposition. The purpose of this article is to see how matrices are implemented in Python: how the data is stored and how much memory it consumes.


Continuer à lire

Data classes in Python

Posté le Sat 27 October 2018 dans coding • Taggé avec Python • 5 min read

This blob post presents the brand-new Python data classes feature and its benefits.


Continuer à lire

Static typing in Python

Posté le Sat 13 October 2018 dans coding • Taggé avec Python • 5 min read

This article covers static typing in Python: how and why type annotate Python code, how to type check statically, and how to enable powerful IDEs features.


Continuer à lire

Encoding in Python

Posté le Sat 29 September 2018 dans coding • Taggé avec Python • 6 min read

The transition from Python 2 to Python 3 caused some problems since the two versions handle text differently. First, we will see how the text is represented in Python 2 and Python 3, then how to do the conversion between the different representations, and then the different places where encoding step in: the encoding of the source code, the implicit conversions, the encoding of the inputs and outputs, and the file system encoding.


Continuer à lire

Key differences between mainly used languages for data science

Posté le Sat 01 September 2018 dans Coding • Taggé avec Javascript, Python, Scala, C • 6 min read

This blog post introduces the notions of strongly and weakly typed in one hand, and the notion of static and dynamic typing in the other hand. It is illustrated with four languages commonly used in data science pipelines.


Continuer à lire