Gestion de la configuration et des résultats avec MLflow, Hydra et Poutyne

Ce webinaire se veut une introduction aux outils facilitant de bonnes pratiques de gestion de la configuration et des résultats dans un contexte de « recherche reproductible » en apprentissage automatique. Ces outils contribueront à améliorer vos méthodes de travail et votre productivité

Thèmes abordés

Auteur et conférencier

David est candidat au Doctorat en Informatique à l’Université Laval cumulant une expertise en actuariat, informatique et génie logiciel. Il se spécialise en traitement automatique de la langue naturelle en utilisant l’apprentissage automatique. Il a eu un pied en industrie tout au long de son parcours académique en appliquant ses connaissances théoriques à des problèmes réels auxquels les entreprises sont confrontées. Il a récemment fondé avec des collègues Baseline, une coopérative d’expert en IA désirant contribuer au transfert technologique entre le milieu académique et le monde des affaires.

Configuration and Results Management with MLflow, Hydra and Poutyne

This webinar introduces tools that facilitate good practices for configuration and results management in a “repeatable research” context in machine learning. These tools will help improve your work methods and productivity.

Covered Topics

Video of the seminar

Author and Speaker

David is a Ph.D. candidate in Computer Science at Laval University with expertise in actuarial science, computer science and software engineering. He specializes in natural language processing using machine learning. He has had a foothold in the industry throughout his academic career by applying his theoretical knowledge to companies’ real-world problems. He recently founded with colleagues Baseline, a cooperative of RN experts wishing to contribute to technology transfer between academia and the business world.