Se connecter
Se connecter

ou
Créer un compte

ou
Agrandir
Les Mains dans le Cambouis
Bidouille & Développement Informatique

Sujet Le pub des programmeurs

  • 1 925 réponses
  • 117 participants
  • 120 261 vues
  • 130 followers
Sujet de la discussion Le pub des programmeurs
Salut :coucou: y a des programeurs sur AF si oui vous bossez sous quoi ?
Afficher le sujet de la discussion
451
Pour en revenir au débat sur les réseaux de neurones, effectivement, on les a mis à toutes les sauces et lorsque ça plantait, on a pas su pourquoi.
Exemple, les fraudes bancaires. On a fait un apprentissage sur les fraudes passées et on s'est dit, c'est bon. Le pb, c'est que les fraudeurs ont évolué, mais pas le réseau -> plantage.
Actuellement, pour la gestion des risques, on passe aux réseaux bayesiens, mais ces bestioles sont tout de même complexes à mettre en oeuvre, tant pour la structure que pour l'entraînement - par ex, dans un tel réseau, il n'y a pas de noeud d'entrée ou de sortie... -
452
Ca fait surtout des annees qu'on en parle et que rien de concret en est vraiment sorti. Je pense que le probleme de tous ces nouveaux "paradigmes", c'est qu'il y a pas le temps a maturation, et qu'ils sont oublies avant d'avoir ete vraiment utilises. Par exemple, un des gros avantages des SVM, c'est d'avoir des separations non lineaires, mais les temps de calculs sont rebarbatifs pour tout probleme un tant soi peut consequent.

K. Murphy, le developpeur principal de la toolbox la plus repandue a ma connaissance pour les models graphiques bayesiens cite sur sa page une phrase qui je crois est fondamentale en sciences "Civilization advances by extending the number of important operations that we can do without thinking about them." En general, la plupart des algos de "machine learning" sont impossibles a mettre en oeuvre sans une connaissances assez poussee de ceux-ci.

De plus, je pense que le paradigme "on apprend sur un ensemble de donnees d'apprentissages, et on reconnait a partir de la" est voue a l'echec. Je crois pas beaucoup au supervised learning, du moins dans sa forme actuelle; il y a pas de formalisme qui soit capable de dire "la, je suis en dehors de mes competences, je peux pas fournir de reponse". Tant qu'on aura pas avance la, je vois vraiment pas comment ce sera applicable a autre chose que des problemes jouets.

Citation :
Actuellement, pour la gestion des risques, on passe aux réseaux bayesiens, mais ces bestioles sont tout de même complexes à mettre en oeuvre, tant pour la structure que pour l'entraînement - par ex, dans un tel réseau, il n'y a pas de noeud d'entrée ou de sortie... -



Tu parles des risques bancaires ou des risques financiers ? Parce que pour ces derniers, il y a un formalisme pousse, relativement efficace visiblement, et qui repose sur des foudements relativement differents. Deja, ca repose pas (a ma connaissance) sur une approche bayesienne. En fait, j'ai l'impression (mais c'est vraiment qu'une impression a partir de quelques lectures eparses) que les 'vrais' statisticiens n'utilisent pas vraiment l'approche bayesienne; et la finance est certainement un des champs, sinon le champ applicatif qui repose sur les outils theoriques les plus puissants des stats.
453
Je suis en train de lire un livre sur les réseaux bayesine,s bon, le pb est qu'il a déjà 7 ans, mais bon... En tout cas, on comprend bien dedans comment on peut utiliser les résultats des réseaux bayesiens pour les marchés, et bien mieux que les outils traditionnels - style réseaux de neurones ou systèmes experts -. Dans tous les cas, il faut des bataillons d'experts pour pouvoir créer un réseau bayesien efficace :|
Dans mon domaine - le traitement d'images médicales -, les réseaux bayesiens pointent aussi le bout de leur nez.
454
Oui mais est-ce qu'il s'agit des risques financiers ? (sous entendu est ce c'est utilise pour modeliser des series temporelles) ?
455
Je n'ai pas l'impression que ce soit la modlisation des séries temporelles. De toutes manières, pour ce genre de choses, si la complexité est supérieure à une modélisation par un processus auto-régressif de profondeur 1, ils ne prennent pas - du moins, c'était le cas il y a 3 ans -
456
En finance, c'est nettement plus evolue. J'avais des potes qui faisaient le fameux DEA de proba (couverture de risques financiers), et c'est tres applique tout en etant d';un sacre niveau theorique, et ca allait bien bien plus loin que des modeles AR (integration et eqautions differentielles stochastiques, par exemple, champs auxquel je ne comprends strictement rien).
457
Blakes et Stocks, non ?
En fait, c'est là où je trouve que c'est fun, quand tu regardes les cours de finances, tu te prends des gros théorèmes dans la tête, mais après, quand il s'agit de faire des études, bizarrement, c'est plus simple.
En même temps, c'est normal, une modélisation du cours des prix n'a pas la même complexité que celui de ton portefeuille.
458
J'y connais rien du tout, mais oui, c'est ca. Quand je regarde le poly de Karoui, je me dis que decidement, les stats, je suis loin de comprendre la base :oops: Deja, tout ce qui est temps continu, je capte pas grand chose. J'en chie deja assez comme ca pour les modeles discrets
459
Comme 99.9999999% de la population mondiale :)
460

Hors sujet :
Quelqu'un à déja programmé en Occam ici ? :(((