Apprentissage profond Apprentissage:profond

1. Définition

Spark n’offre que peu de possibilités en matière d’apprentissage profond. C’est pourquoi les data scientists préfèrent généralement se tourner vers d’autres librairies comme TensorFlow, Keras ou Pytorch. Plusieurs projets pour les utiliser conjointement avec le système distribué de Spark ont vu le jour. Ils existent toujours.

Aujourd’hui, un framework comme TensorFlow intègre ses propres mécanismes de distribution. Toutefois, il serait injuste de dire qu’il est impossible de faire nativement de l’apprentissage profond avec Spark. L’implémentation est simplement très limitée. Nous allons voir la seule classe qui vous permet d’en faire.

Avant cela, expliquons ce qu’est l’apprentissage profond. Tous les algorithmes que nous avons vus précédemment sont des algorithmes d’apprentissage non profond. Ils ne sont peut-être plus sous les feux des projecteurs aujourd’hui, mais ils restent très utiles dans bien des situations. Il n’est pas toujours nécessaire d’avoir un algorithme complexe pour capturer les structures des données. Quand c’est nécessaire, nous pouvons alors nous tourner vers des systèmes plus compliqués, et notamment vers les réseaux de neurones artificiels. Ils s’inspirent dans une faible mesure de la manière dont notre cerveau...