TensorFlow is an Open Source Software Library for Machine Intelligence

TensorFlow is an Open Source Software Library for Machine Intelligence

 About TensorFlow

TensorFlow™ is an open source software library for numerical computation using data flow graphs. Nodes in the graph represent mathematical operations, while the graph edges represent the multidimensional data arrays (tensors) communicated between them. The flexible architecture allows you to deploy computation to one or more CPUs or GPUs in a desktop, server, or mobile device with a single API. TensorFlow was originally developed by researchers and engineers working on the Google Brain Team within Google's Machine Intelligence research organization for the purposes of conducting machine learning and deep neural networks research, but the system is general enough to be applicable in a wide variety of other domains as well.

 Why Did Google Open Source This?

If TensorFlow is so great, why open source it rather than keep it proprietary? The answer is simpler than you might think: We believe that machine learning is a key ingredient to the innovative products and technologies of the future. Research in this area is global and growing fast, but lacks standard tools. By sharing what we believe to be one of the best machine learning toolboxes in the world, we hope to create an open standard for exchanging research ideas and putting machine learning in products. Google engineers really do use TensorFlow in user-facing products and services, and our research group intends to share TensorFlow implementations along side many of our research publications.

Source : http://www.tensorflow.org/  

TensorFlow is an open source software library for numerical computation using data flow graphs. Originally developed by researchers and engineers working on the Google Brain Team within Google's Machine Intelligence research organization for the purposes of conducting machine learning and deep neural networks research. Learn more at http://tensorflow.org

 Source :https://www.youtube.com/watch?v=oZikw5k_2FM

TensorFlow : quand Google dévoile ses algorithmes d'apprentissage automatique en Open Source

Google vient d'annoncer la disponibilité en Open Source de son algorithme TensorFlow, à base d'apprentissage automatique, mélant l'intelligence artificielle et les réseaux de neurones pour rendre son moteur plus intelligent...

On le sait (et l'annonce de RankBrain il y a quelques jours l'a encore rappelé s'il en était besoin), les notions d'intelligence artificielle, de réseaux de neurones et d'apprentissage automatique (machine learning) sont au coeur des algorithmes de Google (ce qui les rend si difficiles à évaluer au vu de leur complexité, soit dit en passant).

Google vient de faire un nouveau pas dans ce sens en proposant en Open Source le code de TensorFlow, la seconde génération d'outil d'apprentissage automatique qu'il utilise. Un site dédié est également proposé pour présenter la technologie TensorFlow (avec un White Paper (pour scientifiques avertis) l'expliquant.

 Source :http://www.abondance.com/actualites/20151110-15779-tensorflow-quand-google-devoile-ses-algorithmes-dapprentissage-automatique-en-open-source.html

 

MiiMOSA - 1er site de financement participatif dédié aux acteurs de l'agriculture et de l'alimentation

MiiMOSA - 1er site de financement participatif dédié aux acteurs de l'agriculture et de l'alimentation 

 MiiMOSA

Qu’est ce que le financement participatif ?

Le financement participatif (crowdfunding en anglais) est un nouveau mode de financement permettant au grand public de soutenir financièrement et collectivemement des projets qui le séduisent.

MiiMOSA, c’est quoi ?

Le 1er site de financement participatif exclusivement dédié à l’agriculture et à l’alimentation. Au-delà d’offrir une alternative à la finance traditionnelle, MiiMOSA sera un lieu d’échange, de partage et de solidarité entre une communauté de contributeurs et les porteurs de projet de ces secteurs. Afin de récompenser la générosité des contributeurs, de nombreuses contreparties sont proposées (pour la plupart inédites et exclusives). Le monde agricole est plein de ressources et d’imagination !
Il n’y a pas de petite participation, n’oubliez pas que « les petits ruisseaux font les grandes rivières »

Découvrir les projets

 

How Machine Learning Works, As Explained By Google

How Machine Learning Works, As Explained By Google

Confused about how machines teach themselves? Here's an overview on machine learning to help.  

Machine learning systems are made up of three major parts, which are:

1. Model: the system that makes predictions or identifications.
2. Parameters: the signals or factors used by the model to form its decisions.
3. Learner: the system that adjusts the parameters — and in turn the model — by looking at differences in predictions versus actual outcome.

Nov. 4, by Danny Sullivan is a Founding Editor of Marketing Land. He’s a widely cited authority on search engines and search marketing issues who has covered the space since 1996.

Machine Learning System :
Google’s Corrado stressed that a big part of most machine learning is a concept known as “gradient descent” or “gradient learning.” It means that the system makes those little adjustments over and over, until it gets things right.

Now let me translate that into a possible real world problem, based on something that was discussed yesterday by Greg Corrado, a senior research scientist with Google and cofounder of the company’s deep learning team.
Imagine that you’re a teacher. You want to identify the optimal amount of time students should study to get the best grade on a test. You turn to machine learning for a solution. Yes, this is overkill for this particular problem. But this is a very simplified illustration!
 

Retrouvez les nouveaux visages de la campagne Google : Moteur de Réussites Française!

Retrouvez les nouveaux visages de la campagne Google : Moteur de Réussites Françaises
Retrouvez les nouveaux visages de la campagne Google : Moteur de Réussites Française!
 A partir d’aujourd’hui,  retrouvez dans vos journaux et sur le web - grâce à des formats innovants - MiiMOSA et Seintinelles, les lauréats du premier appel à projets Moteur de Réussites Françaises. A leurs cotés, d’autres “réussites”,  telles que Guillaume Rolland, finaliste du concours de jeune inventeur Google Sciences Fair 2014 et le Musée des arts et métiers (le Cnam) qui s’est remarquablement appuyé sur le numérique pour rendre accessible leurs collections. Tous sont les ambassadeurs du mouvement “Google : Moteurs de Réussites” Françaises qui vise à célébrer les réussites rendues possibles grâce au numérique et aux outils Google.
 
Un mouvement incarné sur le terrain, partout en France Pour faire vivre ce mouvement et encourager les candidatures, nous serons sur le terrain en renforçant notre présence en région à travers nos programmes existants, tels que Google pour Les Pros ou LaunchPad Week à Toulouse, notamment. Nous apporterons également notre soutien au dynamisme de l’écosystème numérique en France en soutenant ou participant à des initiatives du secteur. Afin de porter à la connaissance du plus grand nombre toutes les réussites de transformation numérique, nous continuerons par ailleurs à faire vivre notre compte Twitter dédié. Enfin, nous lancerons dès demain une nouvelle version de notre site internet Moteur de Réussites Françaises où vous pouvez retrouver des réussites issues de toutes les régions françaises et raconter votre propre aventure entrepreunariale.
Article du 28/10/2015 : Par Anne-Gabrielle Dauba-Pantanacce, Directrice de la communication et des Relations Presse, Google France