Pourquoi Maurice ne doit surtout pas coder en GO (Jean-Laurent de Morlhon) Java vs. Google's Go: An epic battle for developer mind share. Go vs. Java isn’t a well-matched battle between equals. One is a monstrous heavyweight that has dominated the industry for years. The other is a scrappy, lightweight newcomer that shows plenty of youth and promise but has only a few punches. Java and Go also tackle different niches. One is aimed squarely at server-side web apps, an area where the other was once a major player. The other has outgrown life in the racks and is now a popular choice for devices.
But not everyone has moved away from Java on the server side of web applications, territory Go is attacking, eating away at Java’s base. Consider this a cage match that pits two cousins from different sides of the programming tracks competing for your next application stack. Java’s long history brings network effects that help everyone Java has been around since 1995, attracting more mind share each year. Go’s short history makes it instantly relevant Sure, it’s cool to snarf free Java code from the web. Java lets you tap other languages. Meilleurs langages de programmation en 2016 : découvrez les langages en forte croissance et les plus demandés par les employeurs, selon l'IEEE.
Comme au mois de juillet de l’année dernière, l’Institute of Electrical and Electronics Engineers (IEEE) vient de publier son rapport annuel sur les meilleurs langages de programmation pour l’année 2016, le troisième rapport annuel de l’IEEE après ceux de 2014 et 2015. Pour information, l’IEEE est connue comme la plus grande association mondiale de professionnels techniques. Parler de meilleur langage de programmation sans définir un critère spécifique de comparaison peut être sujet à de longs débats. L’IEEE s’est donc intéressé à la popularité des langages selon divers domaines (web, mobile, entreprise/desktop, systèmes embarqués). L’organisation s’est également penchée sur les langages en forte croissance et ceux qui sont les plus demandés par les employeurs.
Mais pour mieux apprécier ses résultats, on peut se demander d’abord d’où viennent les données. À ce sujet, il faut noter que les données collectées proviennent de 10 sources différentes. Source : IEEE Et vous ? Qu’en pensez-vous ? Le « deep learning » pour tous ? On parle de plus en plus d’une nouvelle technique d’intelligence artificielle (IA), le deep learning, qui ferait des miracles en matière de reconnaissance et classification de données. En 2012, Google créa l’événement en utilisant cette série d’algorithmes pour reconnaître des chats sur les images (activité principale des internautes, comme chacun sait), avec un taux de succès de 70 % supérieur aux méthodes concurrentes.
Depuis, le deep learning est employé, entre autres, par Microsoft (afin de permettre une traduction en temps réel des conversations Skype) ou encore Facebook, qui a engagé récemment l’un des plus grands spécialistes du domaine, le français Yann LeCun. Dans un récent article, Wired fait le point sur les succès de cette technologie, mais pointe surtout un aspect peu connu et particulièrement intéressant : non, pas besoin d’être un GAFA, un des géants du net disposant des milliers de machines pour faire du deep learning ! Un réseau de neurones sophistiqué Rémi Sussan.
Machine learning et deep learning, comment ça marche ? “Les 10 dernières années ont été sur la construction d’un monde qui est first-mobile. Au cours des 10 prochaines années, nous allons passer à un monde qui est IA-première.” (Sundar Pichai, PDG de Google, octobre 2016) De Amazon et Facebook à Google et Microsoft, les dirigeants des entreprises technologiques les plus influents du monde mettent en avant leur enthousiasme pour l’intelligence artificielle (IA).
Mais quelle est cette technologie ? Pourquoi est-ce si important ? Et pourquoi maintenant ? Tentons d’expliquer le sens de l’IA et des termes clés, y compris « machine learning ». Comme pour les investisseurs, nous recherchons des tendances émergentes qui créeront de la valeur pour les consommateurs et les entreprises. Qu’est-ce que l’intelligence artificielle ? Intelligence artificielle : la science des programmes intelligents. Machine Learning : optimisation de déchargement. Machine Learining (ML) est un sous-ensemble de l’IA. Autres méthodes d’apprentissages. Comment y parvenir ? IBM accélère la reconnaissance d'image avec PowerAI. Optimisée pour les Power Systems, la plateforme de machine learning PowerAI d'IBM s'enrichit de fonctions d'automatisation accélérant l'apprentissage des modèles. De nouveaux outils sont accessibles à des développeurs qui ne disposent pas nécessairement de connaissances approfondies en deep learning. IBM fait évoluer de façon significative sa plateforme de deep learning PowerAI en accélérant l’apprentissage machine sur la reconnaissance d’images.
Sa mise à jour du logiciel, destinée à ses environnements Power Systems, simplifie le parcours du développeur, notamment sur la partie préparation des données, et réduit à quelques heures, contre plusieurs semaines auparavant, le temps requis pour entraîner les systèmes d’intelligence artificielle, indique le fournisseur dans un communiqué. Quatre évolutions principales y contribuent. La première d’entre elles concerne la facilité d’utilisation du logiciel. Nvidia : 100 000 Ingénieurs En Formation Dans Le Deep Learning | Forbes France.
Le pionnier de l’intelligence artificielle (IA) Nvidia a annoncé qu’il allait former 100 000 concepteurs de “deep learning” pour soutenir la recherche en soins de santé et améliorer le traitement de maladies comme le cancer. Le “deep learning” est l’expression de Nvidia pour désigner le machine learning, l’idée de permettre aux ordinateurs d’apprendre à la façon des êtres humains afin d’entrer dans ce que beaucoup considèrent comme la prochaine révolution technologique: des machines qui “pensent” comme les humains. Ces dix dernières années, cela a permis de construire des voitures sans chauffeur, la reconnaissance vocale pratique, des recherches internet efficaces, et une compréhension bien plus grande du génome humain. Par le passé, les instituts de recherche sur le cancer ont cherché à utiliser les dernières avancées de Nvidia en IA et deep learning afin d’aider les pathologistes dans leur tâche essentielle.
Le rival Intel tente à présent de rattraper Nvidia dans la course à l’IA. Le « deep learning » pour tous ? Elastic ajoute du machine learning dans sa suite. Par Bertrand Garé, le 05 mai 2017 15:41 Des fonctions de machine learning issues de l’acquisition de Prelert enrichissent la version 5.4 de la suite Elastic. C’est par un billet de blog au sujet de sa nouvelle version que l’éditeur a annoncé la présence de fonctions de machine learning dans sa suite en tant que fonctionnalité X-Pack.
La fonction détecte automatiquement les anomalies dans des données temporelles, comme les fichiers de logs, les indicateurs d'applications et de performance, les flux réseau, les données financières ou de transactions. En utilisant les données existantes et continues stockées dans Elasticsearch, les nouvelles fonctionnalités de machine learning d'Elastic proposent aux utilisateurs une solution prête à l'emploi pour exploiter leurs workflows et cas d'utilisation comme le logging, l'analyse de sécurité et les indicateurs en temps réel.
Airbus : comment le Deep Learning fait décoller la reconnaissance d’images. C’est un domaine très spécialisé, mais qui illustre bien les progrès de l’intelligence artificielle en général, et ceux amenés par le Deep Learning en particulier. Parmi ses activités, Airbus Defence and Space propose notamment des services de géo-information, basés sur son accès à différents réseaux de satellites (comme Pleiades ou Spot). Une activité baptisée Intelligence qui s’est intéressé très tôt aux algorithmes d’IA afin de s’attaquer à un problème central dans son fonctionnement quotidien : l’optimisation de l’acquisition d’images. Pour définir les zones à photographier, Airbus se base en effet sur les prévisions météo afin d’éviter de passer au-dessus d’une région inexploitable en raison de la couverture nuageuse. « Mais il subsiste toujours quelques nuages résiduels ou des brumes », raconte Jean-François Faudi, spécialiste de l’innovation au sein d’Intelligence.
C’est l’étape de reconnaissance de ces scories qu’Airbus tentait d’automatiser depuis environ 10 ans. A lire aussi : Nick Bostrom: What happens when our computers get smarter than we are? Deux IA ont communiqué dans une langue indéchiffrable par l'homme. Google Brain, le programme de recherche en intelligence artificielle du géant Google, vient de franchir un palier étonnant et quelque peu inquiétant. En effet, deux ordinateurs sont parvenus à communiquer entre eux dans une langue qu’ils avaient eux-mêmes créée, une langue indéchiffrable par l’homme.
Dans le cadre de la recherche sur le Deep Learning, à savoir la manière dont des ordinateurs peuvent évoluer de façon autonome grâce à des algorithmes, le programme de recherche en intelligence artificielle du géant Google baptisé Google Brain a franchi un grand cap. En effet, les chercheurs sont parvenus à faire communiquer deux IA nommées Alice et Bob entre elles, alors que de son côté, une troisième IA du nom d’Eve avait pour but d’intercepter leurs communications.
Alors qu’ils n’avaient mis aucun algorithme spécifique en place, les chercheurs ont constaté que ces deux ordinateurs ont sécurisé leurs communications par le biais d’un chiffrement qu’ils avaient eux-mêmes développé. Comment AlphaGo a transformé l’intelligence artificielle et le jeu de go. Le programme de Google DeepMind affronte, à partir de mardi, de nouveaux défis lors d’un grand tournoi en Chine. LE MONDE | • Mis à jour le | Par Morgane Tual 15 mars 2016. Le programme d’intelligence artificielle (IA) AlphaGo remporte l’ultime manche de son tournoi face au Sud-Coréen Lee Sedol, un joueur de go légendaire. Le moment est historique. La machine vient de battre l’humain 4-1 au jeu de go, un événement comparable à la victoire de Deep Blue contre Garry Kasparov aux échecs en 1997. Et ce, avec dix ou vingt ans d’avance sur les prévisions des experts. L’exploit est signé DeepMind, une entreprise londonienne rachetée en 2014 par Google.
Une grosse année plus tard, AlphaGo repart au combat. AlphaGo a remporté cinquante parties en ligne incognito Mais en un an, AlphaGo a changé, s’est amélioré, sans qu’on sache exactement dans quelle mesure – DeepMind se montre relativement discrète sur les avancées de son poulain. . « On peut toujours essayer de faire mieux » Et celles-ci sont rares. Adobe Summit 2017 : IA et machine learning, la prochaine révolution ? - Marketing digital. L'édition 2017 de l'Adobe Summit a placé l'expérience client au coeur des préoccupations des marques. Pour répondre à l'enjeu, Adobe a présenté les nouvelles fonctionnalités de sa plateforme Cloud infusée à l'intelligence artificielle. 5000 professionnels du marketing et de l'informatique : tel est le nombre d'inscrits à l'Adobe Summit 2017, qui a ouvert ses portes les 10 et 11 mai 2017, à Londres.
La grand-messe consacrée au marketing digital se veut source d'inspiration pour les marques, à qui Adobe en profite pour révéler ses dernières innovations. La nouveauté : une plateforme Adobe Cloud enrichie de nouvelles fonctionnalités en matière d'intelligence artificielle et de réalité virtuelle, notamment, "pour des expériences clients d'exception, promet l'entreprise, sur lesquelles repose tout le business". Personnaliser le contenu en fonction du client... et du canal Adobe a également dévoilé "Virtual Analyst", optimisé par Adobe Sensei .
IA et réalité virtuelle. « Machine learning » : anticiper les tremblements de terre grâce à l’IA - Innovant.fr. Toujours imprévisibles, les tremblements de terre peuvent soulever d’innombrables questions majeures en ce qui concerne les préventions. De nombreuses recherches et études ont déjà été donc effectuées autour de la prévention des séismes en se focalisant par exemple sur les perturbations électromagnétiques, sur les secousses prémonitoire, ou encore sur le comportement des animaux, mais tout sans réel succès.
Cette fois ci, c’est une équipe de chercheurs californiens du laboratoire national de Los Almos qui vont concevoir Une machine intelligente afin de trouver des signaux communs aux séismes. Baptisé « machine learning » cette machine innovante a pour but de trouver les signaux communs et d’anticiper ces tremblements de terre. Efficacité sur la prévention des séismes Selon Paul Johnson, géo-physiciste au laboratoire national de Los Alamos en Californie, la machine learning pourrait bien venir à la rescousse. Les chercheurs fournissent des données brutes à la machine. Gmail : 99,9% des spams détectés grâce au Machine Learning. Les technologies logicielles de Machine Learning ne servent pas seulement aux taches d’IA « classiques » ou à faire fonctionner nos assistants mobiles.
Google le sait mieux qui quiconque puisque le géant de l’internet est la société américaine qui dispose de la plus gosse puissance de calcul disponible couplée à des systèmes de Machine Learning sophistiqués, de gros moyens qui sont aussi employés … pour la chasse aux spams ! Dans un petit communiqué laconique, Google affirme en effet que 99,9% des spams sont désormais détectés par des super-calculateurs adossés à du Machine Learning. 99,9% des spams détectés, autant dire la quasi totalité, voilà qui représente une plus-value évidente pour la BAL Gmail, alors même que la concurrence en est encore à écoper un navire qui prend l’eau (ma BAL Mail macOS est percluse de spams par exemple).
Les liens malicieux ou renvoyant vers des sites douteux sont tout aussi efficacement détectés par les robots logiciels de Google. Intéressant ? Chez Uber, une I.A. décidera bientôt du prix de la course « à la tête du client » Le service de VTC teste un nouveau système de tarification basé sur une intelligence artificielle. Pour chaque profil d’utilisateur, celle-ci déterminera le prix qu’il est prêt à payer pour sa course. Empêtré dans une série de polémiques – Uber a récemment licencié son vice-président —, la licorne californienne tente de redresser la barre après des derniers mois difficiles. Malgré une croissance à faire pâlir et des utilisateurs toujours plus nombreux à travers le monde, Uber a enregistré 2,8 milliards de pertes en 2016 (pour 6,5 milliards de CA).
Son business model est grippé et les recettes se font attendre. Une tarification algorithmique Une nouvelle ère s’annonce pour l’entreprise avec le machine learning. Mais encore ? « Cela donne lieu à plus de trajets en ville. Les « riches » paieront plus Désormais, l’algorithme calculera la propension d’un client à payer un prix élevé pour effectuer un trajet à un certain moment de la journée. Pas de ciblage selon Uber.