Challenge #6 : Créer un algorithme de reconnaissance faciale

Introduction au machine learning 🤖

Hello, c’est Ulysse !

Aujourd’hui, je voulais vous proposer une introduction au machine learning.

C’est un sujet que j’ai découvert dans la dernière startup dans laquelle j’ai travaillé, qui semble complexe, qui l’est, mais qui peut néanmoins s’expliquer simplement.

Pour faire cette initiation, j’ai cherché un outil permettant de rentrer dans une application concrète du machine learning, tout en restant très accessible à tous.

Dans cet épisode, je vais donc simuler une manière (simple) de faire de la reconnaissance faciale tout en expliquant la logique qui se cache dans nos téléphones.

Évidemment, je ne fais qu’effleurer la surface du sujet, et mon but est ici de faire découvrir cette discipline à ceux qui n’en ont jamais entendu parler.


Intelligence artificielle, Machine Learning, Deep Learning, Data Science, Big Data, Business Intelligence…

Derrière ces buzz words, se cache un monde vaste et complexe. Victor Moeneclaey, avec qui j’ai eu la chance de travailler dans mon ancienne startup, nous avait un jour fait un cours pour s’y retrouver.

Il nous avait proposé cette représentation :

On y distingue à gauche trois cercles blancs.

On comprend ainsi que le machine learning est une branche de l’intelligence artificielle, mais également que cela permet de faire pas mal de choses !

Pour aller plus loin, et notamment creuser sur le deep learning (qui est au centre des algorithmes permettant de faire de la reconnaissance faciale), je vous propose cette explication de Sociamix qui est bien fichue :


Si vous êtes allé jusqu’au bout de ma vidéo, vous avez vu un extrait de ma conversation avec Rémi Le Scaon. Il se trouve que nous avons fait la même prépa, sauf qu’il a obtenu une bien meilleure école que moi !

Nous parlons notamment de :

  • Deep learning.

  • Comment les modèles sont construits ?

  • Qu’est-ce qu’il se passe concrètement à l’intérieur d’un algorithme de reconnaissance faciale ?

  • Des enjeux de sécurité.

  • Des problèmes liés aux masques à cause du Covid.

Si le sujet vous intéresse, voilà la discussion en entier :


À vous de jouer !

Pour réaliser vos propres expérimentations, je vous invite à essayer Teachable Machine.

Ne vous inquiétez pas, Google ne stocke rien sur leurs serveurs. Tout se passe en local sur votre navigateur. D’ailleurs, si vous quittez l’onglet sans exporter votre projet, votre progression sera perdue.

Vous pouvez comme moi l’entraîner à reconnaître votre visage, ou bien voilà quelques tutoriels (faciles) pour :

Si vous savez un minimum coder et que vous voulez aller plus loin, sachez que vous pouvez exporter votre modèle en Tensorflow.js et l'héberger gratuitement sur Teachable Machine, où vous pourrez l'appeler depuis votre site web ou application.


À quoi tout cela pourrait bien servir ?

Le créateur de Siri nous donne quelques pistes :

Instead of asking: How smart can we make our machines?

Let's ask: How smart can our machines make us?

Tom Gruber

Puissant.

Avant de refermer cette newsletter, je voulais vous partager ce qui m’avait donné envie de relever ce challenge : le documentaire de DeepMind sur AlphaGo.

J’ai été pris à vif en regardant Lee Sedol, l’un des meilleurs joueurs de go de tous les temps, batailler contre la machine. Je ne vais pas vous spoiler, mais une chose est sûre, vous allez adorer.


À très vite, pour un nouveau challenge !

Ulysse


Le saviez-vous ?

  • Vous pouvez explorer un atelier d’introspection pour apprendre à vous connaître.

  • Vous pouvez réserver un coaching pour dépasser vos barrières mentales.

  • Vous pouvez suivre les backstages des 100 challenges à travers le monde sur Instagram.

  • Vous pouvez lire toutes les newsletters dans les archives.

  • Vous pouvez soutenir le projet sur Patreon et accéder à des contreparties.


Quelqu'un vous a envoyé cet article ? Cette personne vous estime ! Abonnez-vous pour recevoir les prochaines éditions.