Réussir un projet d’IA nécessite de maîtriser bien des aspects de la datascience, de la collecte des données au déploiement d’un modèle, en passant par la visualisation, le preprocessing, l’exploration, l’expérimentation... Disposer d’un bon framework n’est pas indispensable, mais ça aide bien.
Nombreux sont les développeurs (et plus encore parmi ceux lisant GNU/Linux Magazine) qui sont réticents à se résoudre à utiliser un framework, quel que soit le domaine. Après tout, l’un des plaisirs de la programmation est de créer ex nihilo un outil. Recourir à un framework permet certes d’aller plus vite, mais quelle frustration de se retrouver à ne faire qu’assembler des briques. À la limite, on peut y avoir recours pour des sujets bien maîtrisés comme la création d’API, qui peuvent sembler moins fun.
Mais dans le cas de l’IA, est-ce que se reposer sur un framework ne va pas être un frein à la découverte, la compréhension, la maîtrise d’un sujet aussi passionnant que l’intelligence artificielle ? Après tout, légions sont les articles sur le Net qui proposent de recoder en moins de 100 lignes n’importe quel réseau de neurones profond.
L’argument clef, à mon sens, qui clôt définitivement le sujet, c’est l’extrême variété de...
- Accédez à tous les contenus de Connect en illimité
- Découvrez des listes de lecture et des contenus Premium
- Consultez les nouveaux articles en avant-première
