Exporter et miniaturiser

Épisode de La Data Science Expliquée par UR4NVS · 17 novembre 2021 · 3 min

Après avoir produit un algorithme de machine learning, pour le mettre en production il faut pouvoir l'intégrer à des machines moins puissantes. impossible de le ré-entraîner sur celles-ci mais fort heureusement il existe des solutions. Le physicien Erwin Schrödinger se demandait : "comment peut-on expliquer à l'aide de la  physique et de la chimie le événements qui se produisent dans l'espace  et dans le temps dans les limites spatiales d'un organisme vivant ?" et moi je vais tenter de vous expliquer ce phénomène appliqué au machine learning : comment intégrer des algorithmes conçus sur supercalculateurs dans nos téléphones ?

TensorFlow : https://www.tensorflow.org/

TensorFlow Lite : https://www.tensorflow.org/lite/

Core ML : https://developer.apple.com/documentation/coreml

PMML : http://dmg.org/pmml/v4-4-1/GeneralStructure.html

pickle : https://docs.python.org/3/library/pickle.html

Autres épisodes de « La Data Science Expliquée »

À propos du podcast

La Data science Expliquée est une série de podcasts qui a pour but de vulgariser la science des données et de la rendre accessible. Cette série de podcasts permettra également de réfléchir sur divers sujets concernant la science des données, notamment sur des aspects d'éthique ou de vie privée.

La Data Science Expliquée

Épisodes similaires

Tous les épisodes de La Data Science Expliquée · Plus de podcasts Science