Présentation de ma veille
Le Machine Learning est une technologie d’intelligence artificielle permettant aux machines d’apprendre sans avoir été programmées spécifiquement. Le Machine Learning est lié au Big Data, étant donné que pour apprendre et se développer, les ordinateurs ont besoin de flux de données à analyser, sur lesquelles s’entraîner.
Cette notion se base sur l’utilisation d’algorithmes qui analysent des données pour identifier des modèles et des relations. Ces algorithmes peuvent être supervisés avec des données d’entraînement étiquetées ou non supervisés avec des données d’entraînement non étiquetées.
C’est utilisé dans de nombreux domaines tels que la reconnaissance de la parole (siri), la reconnaissance d’images, la classification de textes, la recommandation de produits (comme sur Amazon), la prédiction de tendances, la détection de fraudes, etc.
Le machine learning est en constante évolution et a une croissance forte. Une veille est alors indispensable pour rester à jour sur les nouveautés et rester compétitif dans ce domaine.
Les enjeux d'une veille sur le machine learning
Le machine learning est un domaine en constante évolution, avec de nouveaux algorithmes, outils et techniques qui sont constamment améliorés. La veille permet de rester à jour sur les tendances et les innovations les plus récentes.
En suivant les tendances et les évolutions du machine learning, il est possible d’anticiper les changements qui pourraient avoir un impact sur son activité professionnelle. Cela permet de s’adapter rapidement et de rester compétitif. Il est aussi possible d’identifier de nouvelles opportunités professionnelles comme de nouveaux métiers que l’on va voir par la suite ou de développement de produits.
La veille sur le machine learning permet également d’identifier les pièges à éviter. Par exemple, les algorithmes biaisés ou les problèmes de confidentialité des données peuvent être repérés à temps et des mesures peuvent être prises pour les éviter. Il est aussi possible d’apprendre de nouvelle fonctionnalité et de les intégrer dans son propre projet.
Elle peut aussi développer la créativité d’une équipe en échangeant sur cette notion.
La veille est donc indispensable pour toute personne qui travaille dans ce domaine ou dans le domaine de l’informatique en général pour rester à jour, anticiper les changements, identifier les opportunités, éviter les pièges, accéder et partager des connaissances.
Les nouveautés
Lors de cette veille, j’ai découvert plusieurs nouveautés, surtout de nouvelles utilisations et de nouveaux métiers. L’utilisation du machine learning se développe de plus en plus dans différents domaines comme la recherche, l’espace ….
Par exemple dans la recherche, le MIT qui est un institut de recherche américain et une université, spécialisé dans les domaines de la science et de la technologie, a développé un programme qui permet de créer des protéines qui ont des caractéristiques structurelles spécifiques, utilisées pour fabriquer des matériaux présentant certaines propriétés mécaniques (rigidité ou l’élasticité).
Ces matériaux pourraient potentiellement remplacer les matériaux fabriqués à partir de pétrole ou de céramique, mais avec une empreinte carbone beaucoup plus faible. Cet outil pourrait être utilisé pour développer des revêtements alimentaires inspirés des protéines, qui permettraient de conserver la fraîcheur des produits plus longtemps tout en étant sûrs pour la consommation humaine.
De plus, les modèles peuvent générer des millions de protéines en quelques jours.
Concernant les nouveaux métiers, au moins une dizaine s’est créé avec l’apparition du Machine-Learning. Nous allons en voir trois. Tout d’abord le Data Scientist qui a pour objectif d’analyser et d’exploiter toutes les datas des clients, des prospects ou bien encore des employés que l’entreprise récupère via différents canaux. L’objectif est de créer des modèles prédictifs et d’aider la prise de décision par la construction d’algorithmes.
Ensuite, il y a le métier de Machine Learning Engineer qui est proche de celui de Data Scientist. Tous deux travaillent avec de larges volumes de données, possèdent de solides compétences en gestion de données, et sont capables d’effectuer des modélisations complexes sur des ensembles de données dynamiques. Cependant, il conçoit des logiciels “self-running” permettant d’automatiser les modèles prédictifs.
Enfin, AI Research Scientist qui comme son nom l’indique est un chercheur dans le domaine de l’IA. Il développe de nouveaux algorithmes et de nouvelles techniques pour que les Machine Learning Engineer pourront utiliser pour créer de nouvelles intelligences artificielles avec différentes méthodes d’apprentissage.