Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Ähnlich wie Duchess France (Nov 2011) - Atelier Apache Mahout
Ähnlich wie Duchess France (Nov 2011) - Atelier Apache Mahout (20)
Mehr von Michaël Figuière
Mehr von Michaël Figuière (20)
Duchess France (Nov 2011) - Atelier Apache Mahout
- 1. Atelier Apache Mahout Machine Learning pour les applications Java Jean-Baptiste Lemée 22/11/2011 Michaël Figuière
- 2. Speaker @jblemee java-freelance.fr Jean-Baptiste Lemee Java, JS, Scala NoSQL Agile
- 3. Speaker @mfiguiere blog.xebia.fr Michaël Figuière Distributed Architectures NoSQL Search Engines
- 5. Machine Learning Le Machine Learning est un sous-ensemble de l’Intelligence Artificielle Intelligence Artificielle Machine Learning (Apprentissage Artificiel)
- 6. La nature des données Les données aléatoires sont par définition imprévisibles !
- 7. La nature des données Les données générées par les utilisateurs se comportent généralement selon des patterns reconnaissables !
- 8. Principaux algorithmes de Machine Learning • Recommandations Recommande des items à un utilisateur • Classification Classifie automatiquement des documents en apprenant à partir d’un ensemble déjà classifié • Clustering Découvre automatiquement des groupements parmi un ensemble de documents
- 9. Recommandation - User based Amazon suggère des articles achetés par les clients similaires
- 10. Recommandation - Item based Sur la page d’un article Amazon suggère des articles
- 11. Similarités entre utilisateurs On constate ici que 1 2 les utilisateurs 1 et 2 ont des goûts similaires A B C D E F 3
- 12. Exemples de cas d’usage de Recommandation • Conseiller des items aux clients sur un site d’e-commerce Augmentation du chiffre d’affaire • Conseiller des fonctionnalités aux utilisateurs La plupart des fonctionnalités sont méconnues • Filtrer et adapter le classement des résultats d’un moteur de recherche En se basant sur les clics des utilisateurs similaires, ...
- 13. Classification Mails ‘classifiés’ en tant que spams par GMail
- 14. Exemples de cas d’usage de Classification • Associer automatiquement des tags à des documents Ensemble de tags définis manuellement ou depuis Wikipedia • Extraire les documents suspicieux Spams, documents corrompus, ...
- 15. Clustering Sujets tendances découverts par Google News
- 16. Exemples de cas d’usage du Clustering • Trouver les sujets principaux dans un ensemble de documents News feeds, documents métiers, ... • Découvrir des usages typiques des utilisateurs Profilage des utilisateurs, ...
- 17. NoSQL, Recherche et Machine Learning NoSQL, Machine Learning et Moteurs de Recherche sont complémentaires Machine Learning Moteurs de NoSQL Recherche
- 18. Apache Mahout
- 19. En quelques mots • Implémentation d’algorithmes de Machine Learning en Java Collection d’algorithme en expansion • La plupart disponibles en version MapReduce Utilisable avec de gros datasets • Encore jeune, mais en croissance rapide Démarré début 2009
- 20. Documentation Aussi indispensable pour Mahout que l’est Lucene in Action pour Lucene !
- 21. Exemple de Recommendation DataModel model = new FileDataModel(new File("data.csv")); UserSimilarity simil = new PearsonCorrelationSimilarity(model); UserNeighborhood neighborhood = new NearestNUserNeighborhood(2, similarity, model); Recommender recommender = new GenericUserBasedRecommender(model, neighborhood, simil); List<RecommendedItem> recommendations = recommender.recommend(1, 1);
- 22. Evaluation de la précision Ensemble des données disponibles Données utilisées Données utilisées pour pour le training évaluer la précision de l’algorithme
- 23. Conclusion • Le Machine Learning apporte des fonctionnalités à forte valeur ajoutée Amélioration des revenus, de la productivité, de l’adoption • Mahout est en croissance rapide et devient un bon choix pour les applications Intégration facile aux applications métier • Les équipes fonctionnelles ne sont pas familières de ces technologies Une collaboration avec les équipes techniques est requise
- 24. Questions / Réponses ? @jblemee @mfiguiere