Site institutionnel du CNRS|attribut_html
Le rendez-vous de l’innovation

Les Partenaires
des Innovatives

Ministère de l'éducation nationale de l'enseignement supérieur et de la recherche ABG - L'intelli'agence Fist SA

Rechercher




Accueil > Big Data > Innovatives Big Data > Espace Exposition - Posters > Traitement - visualisation des données

ROCKFlows (Request your Own Convenient Knowledge Flows)

par Benjamin LEVAUX - WEBMASTER FREELANCE - publié le , mis à jour le

ROCKFlows (Request your Own Convenient Knowledge Flows)

Cécile Camilleri - Ingénieure CDD CNRS, cecile.camillieri chez i3s.unice.fr
Mireille Blay-Fornarino - Professeure des Universités/UNS, blay chez i3s.unice.fr
Frédéric Precioso - Professeur des Universités/UNS, Frederic.PRECIOSO chez unice.fr
Michel Riveilll - Professeur des Universités/UNS, Michel.Riveill chez unice.fr

Laboratoire I3S – UMR 7271 CNRS-UNS

ROCKFlows (Request your Own Convenient Knowledge Flows)

Le projet ROCKFlows vise à jeter les bases d’une ligne de produit logiciel (SPL) qui guide la construction d’un workflow de Machine Learning (ML). Selon ses données et ses objectifs, l’utilisateur final, qui n’est pas nécessairement un expert, reçoit alors les propositions de la SPL répondant à ses besoins de la « meilleure façon possible ». Pour rendre une telle plate-forme durable, les data scientists doivent pouvoir intégrer de nouveaux algorithmes qui pourront alors être comparés à ceux qui existent déjà dans le système, permettant ainsi d’augmenter l’espace des solutions disponibles. Bien que la comparaison d’algorithmes soit un défi en soi, le Machine Learning, qui est un vaste domaine en constante évolution et extrêmement complexe, nécessite la définition de mécanismes d’évolution spécifiques et flexibles. Dans ce projet, nous nous concentrons sur les mécanismes basés sur des techniques de méta-modèles afin d’enrichir automatiquement une SPL tout en assurant sa cohérence et en explorant une large gamme d’algorithmes de Machine Learning pour générer des connaissances métiers accessibles et généralisables à partir de ROCKFlows.

Il existe des solutions industrielles offertes sur le cloud (e.g., IBM’s Watson Analytics, AmazonMachine Learning, Google’s Prediction API) qui permettent d’extraire de la connaissance des données sans se préoccuper des pre-processing et des algorithmes de ML. D’autres acteurs comme Microsoft avec la plateforme Azure’s Machine Learning permettent de construire un Workflow au travers d’un éditeur graphique et ciblent des data scientits. Le point commun entre ces solutions est qu’elles ne permettent pas de choisir parmi les centaines d’algorithmes existants alors que de nouveaux algorithmes sont régulièrement proposés. La démonstration proposée montre les bases de la SPL de la saisie des objectifs à la génération des workflows.

L’interface web en cours de construction se trouve ici : http://rockflows.i3s.unice.fr/
Le site devrait avoir fortement évolué, entre autre par l’introduction de nouveaux algorithmes, d’ici le 8 octobre.

Téléchargez le poster

Partenaires Innovatives Big Data

EDF Thalès Cap Digital

Avec le soutien du GDR

Madics