Bienvenu au Machine Learning à Ynov !
Ce cours comportera un mixe de cours magistraux, de travaux dirigés en présentielle, et de travaux et d'apprentissage par projet en distancielle. Les proportions seront établies entre le professeur et les étudiants, surtout en vue de la capacité des étudiants à avancer dans le sujet.
Ce document vous offre un aperçu préliminaire des pré-requis que vous devez maîtriser avant le début du cours le 15 mars. Ce sera mis à jour progressivement d'ici le début mars.
En bref, vous devez avoir des compétences de bases dans les domaines suivants :
- git
- python
- maths
- algèbre linéaire
- probabilité
Afin de bien préparer le premier jour du cours, pensez à envoyer un mél au professeur, jeff.abrahamson@ynov, afin de partager avec lui votre niveau et progrès dans ces sujets. Cela nous permettra également de mettre à jour ce document.
Impératif : add, commit, push, pull, diff, log, status, merge, checkout, branch, ainsi que les options les plus communes.
Recommandé : rebase (et rebase -i), mv, reset, cherry et cherry-pick, ainsi que les options moins connues.
Vous comprenez bien entendu la différence entre l'outil git et le site github...
Vous n'êtes pas obligé d'être pro en python, mais une connaissance de base -- comment déclarer des fonctions, calculer les choses simples, interagir avec les listes, les dicts, se servir des list et dict comprehensions. En plus, vous avez installé python et une poignée de libraries sur votre (vos) ordinateur(s). Voir outils et support, ci-bas.
En algèbre linéaire, vous n'avez pas peur des vecteurs et matrices. Vous comprenez des opérations de bases : addition et multiplication. Vous comprenez qu'une matrice représente une transformation linéaire en termes d'une base donnée.
L'apprentissage par youtube n'est ni conseillée ni adéquate. Ceci dit, si vous connaissez déjà l'algèbre linéaire, la série sur le sujet par 3Blue1Brown est excellente.
En probabilité, vous comprenez les conceptes de dépendances et indépendances, la probabilité conditionnelle, et, idéallement, le théorème de Bayes.
Il est bien évidemment impératif que vous puissiez écrire et essayer des programs en python. Avant la première séance, il convient donc de télécharger et installer python sur votre ordinateur. La bonne nouvelle, c'est que c'est gratuit et (selon votre système d'exploitation) relativement simple.
C'est un de rare cas dans la vie où tout est plus facile sur linux. Afin, pour une certain définition de "facile". Il suffit d'installer python3 (attention : souvent python = python2) et virtualenv. Virtualenv vous crée un environnement pour python largement indépendant de ce qui est présent sur votre ordinateur.
Sur ubuntu, on peut taper
$ sudo apt-get update
$ sudo apt-get install python3-virtualenv virtualenv python python3
$ sudo apt-get install gcc g++ python3-dev
Puis, dans votre répertoire de travail :
$ virtualenv --python=python3 venv
$ . venv/bin/activate # N'oubliez pas le "." au début.
$ pip install -r requirements.txt
Le fichier requirements.txt se trouve ici. Le
plus facile est de cloner ce repository. Voir plus bas, "jour 1", sur
git clone.
Cela marche également sur MacOS si vous êtes à l'aise dans le terminal.
Apparemment l'usage de python sur Windows marche très bien sauf quand ce n'est pas le cas. Les systèmes MacOS et linux sont beaucoup plus répandus dans le domaine de stat/ML/data science. Ceci dit, un produit commercial avec une très bonne offre gratuite existe : anaconda. Il est téléchargeable ici.
Vous avez sans doute le bon instinct de demander si vous avez bien
suivi cette démarche. Vous pouvez lancer ipython (commandline:
ipython; sinon, il y a un icône quelque part). Et puis vous devez
pouvoir faire le suivant :
(venv) vagrant@ubuntu-bionic:~$ ipython
Python 3.6.7 (default, Oct 22 2018, 11:32:17)
Type 'copyright', 'credits' or 'license' for more information
IPython 7.2.0 -- An enhanced Interactive Python. Type '?' for help.
In [1]: import numpy as np
In [2]: import scipy as sp
In [3]: import sklearn
In [4]: print("Hello, world!")
Hello, world!
In [5]: quit
(venv) vagrant@ubuntu-bionic:~$
Il existe également une version du même logiciel qui vous présente un éditeur dans votre browser : le Jupyter notebook. Si vous l'essayez sans browser, vous auriez ça :
(venv) vagrant@ubuntu-bionic:~$ jupyter notebook
[I 13:15:41.693 NotebookApp] Serving notebooks from local directory: /home/vagrant
[I 13:15:41.693 NotebookApp] The Jupyter Notebook is running at:
[I 13:15:41.693 NotebookApp] http://localhost:8888/?token=f949d83075275b57602064d7dc91c31b449009bd09a26f9e
[I 13:15:41.693 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[W 13:15:41.697 NotebookApp] No web browser found: could not locate runnable browser.
[C 13:15:41.697 NotebookApp]
To access the notebook, open this file in a browser:
file:///run/user/1000/jupyter/nbserver-8273-open.html
Or copy and paste one of these URLs:
http://localhost:8888/?token=f949d83075275b57602064d7dc91c31b449009bd09a26f9e
^C[I 13:15:42.734 NotebookApp] interrupted
Serving notebooks from local directory: /home/vagrant
0 active kernels
The Jupyter Notebook is running at:
http://localhost:8888/?token=f949d83075275b57602064d7dc91c31b449009bd09a26f9e
Shutdown this notebook server (y/[n])? ^C[C 13:15:42.890 NotebookApp] received signal 2, stopping
[I 13:15:42.892 NotebookApp] Shutting down 0 kernels
(venv) vagrant@ubuntu-bionic:~$
Avec un browser, vous verrez ouvrir une fenêtre.