Troisième session LIFTech’

de | 16 décembre 2016

La troisième session LIFTech’ a eu lieu le mercredi 14 Décembre 2016 à 14H.

Cette session était une session spéciale Python.

Sommaire

De 14H-14H30 : Python rappels sur le langage et bonnes pratiques (Denis Arrivault)

Cet exposé fera un tour d’horizon du langage python dans sa version la plus récente (3.5) afin de permettre aux néophytes comme aux spécialistes de se (re)mettre en tête les spécificités de ce langage ainsi que les outils et pratiques qui régissent son environnement.

De 14H30-15H : scikit-splearn (Rémi Eyraud)

The scikit-splearn package is a Python scikit toolbox for spectral learning algorithms, under Free BSD.

Scikit-SpLearn is a python toolbox implementing spectral learning algorithms for weighted automata. The toolbox is compliant with the well-known scikit-learn machine learning platform. In particular, all data tools of sk-learn, like cross-validation and gridsearch, can be used with scikit-splearn.

Scikit-splearn is highly configurable and provides in addition a weighted automaton class that contains a bunch of usefull methods, including for instance a numerically stable minimization function for probabilistic automata, following the work of Stephan Kiefer & Björn Wachter.

More info

De 15H-15H30 : sk-mad, a scikit for the estimation of missing audio data (Ronan Hamon et Valentin Emiya)

Abstract : we propose a feedback on our experience in developing sk-mad, our Python scikit dedicated to conducting research works, running reproducible experiments and demonstrating results for problems of missing audio data. This presentation will be the opportunity to detail the objectives and motivations behind this initiative, to present the current contents and status, and to discuss the main choices and issues we have been facing.

De 15H30-16H : Jupyter (Florent Jaillet)

Le projet Jupyter développe des outils open source pour le traitement de données et le calcul scientifique interactif.
Depuis ses origines liées à Python, le projet a évolué vers une plateforme générique ouverte et multi-langage supportant plus de 40 langages.
L’outil central proposé par le projet est le Jupyter Notebook, une application web permettant la création et le partage de documents pouvant combiner notamment du code exécutable, des équations, des visualisations, et du texte explicatif.
Ses utilisations possibles pour le chercheur et l’enseignant sont nombreuses :

  • environnement de travail interactif pour l’exploration et le développement,
  • publication de documents exécutables et interactifs (articles scientifiques, livres, blogs…) dans une démarche de reproductibilité de la recherche,
  • supports de cours, TD, TP, tutoriels, avec visualisations interactives et exemples ou exercices exécutables.

Porté par une communauté particulièrement dynamique, le projet évolue rapidement et pourrait devenir à terme un outil de prédilection pour le travail du chercheur et de l’enseignant-chercheur.

Ressource complémentaire : exemple de notebook Jupyter