Scikit-learn @ Fondation Inria

Soutenir la croissance et la pérénité de la bibliothèque de référence du machine learning

avec l’aide de nos partenaires

Inria-0228-162

Scikit-learn, un outil central en IA et data science

Scikit-learn est une bibliothèque d’apprentissage statistique en Python. C’est le moteur de beaucoup d’applications de l’intelligence artificielle et de la science des données.

Scikit-learn est utilisé régulièrement par plus d’un demi million de personnes dans le monde, avec des applications allant de l’imagerie médicale à la recommandation de produits.

Plus sur scikit-learn

11_team

Un logiciel libre

Scikit-learn est un logiciel libre (hébergé sur GitHub), sous une licence qui facilite l’utilisation commerciale. Il est développé par une communauté mondiale, qui réunit des nombreuses expertises sur les statistiques, l’algorithmique et la réalisation logiciel.

La qualité de scikit-learn, ses algorithmes, ses interfaces, et sa documentation, sont universellement reconnus. Son développement suit un processus rigoureux pour maintenir cette qualité.

13team_2

La mission de la fondation

La fondation donne des moyens pour continuer à garantir cette qualité et permettre d’adresser de nouveaux défis.

En particulier, la fondation emploie des contributeurs centraux du projet, au service de la communauté de scikit-learn, et pour développer des nouvelles fonctionnalité ambitieuses. Les priorités de la fondation sont fixés en commun par la communauté et les sponsors.

En savoir plus

Comment les priorités du Consortium sont elles définies?

Le Consortium scikit-learn @ Inria défini une feuille de route tous les six à huit mois pendant le Comité Technique. Les feuilles de route définies jusqu'à maintenant sont consultables ici. Pourquoi une feuille de route? Les membres du Consortium fournissent leur soutien financier sans aucune contrepartie. La définition d'une feuille de route concernant son développement logiciel et plus en général ses activités est une étape importante dans la…

Generalized Linear Models have landed in scikit-learn

While scikit-learn already had some Generalized Linear Models (GLM) implemented, e.g. LogisticRegression, other losses than mean squared error and log-loss were missing. As the world is almost (surely) never normally distributed, regression tasks might benefit a lot from the new PoissonRegressor, GammaRegressor and TweedieRegressor estimators: using those GLMs for positive, skewed data is much more appropriate than ordinary least squares and might lead to more adequate models. Starting…

Advisory Committee / February 8th 2021

Presentation of the activities of the Consortium during the last year (C. Marmo, G. Varoquaux): Questions and comments: Fujitsu Fujitsu actively participates in the Consortium remote events. Fujitsu would be glad to increase Japan contributions to scikit-learn. Fujitsu suggests organizing a sprint for Japan time zone, and starting a discussion about good practices to organize online sprints with the team there. Microsoft More information about the MOOC are…
  Platinum  
  Gold  
  Silver  
  Institutionnel