Docker, par ou commencer

Docker est une technologie que l'on croise de plus en plus aujourd'hui, on en a parler de nombreuses fois dans différents articles de ce blog [1].

Il est évident qu'il est aujourd'hui indispensable de monter en compétence sur le sujet car autant c'est un outil indispensable au déploiement en production mais c'est aussi un outil facilitant la vie du développeur évoluant dans un contexte DevOps [2].

Mais par ou commencer? Bien sur il y a la documentation en ligne [3] mais elle est conséquente et parfois il faut se poser dans un document prenant les choses dans l'ordre!

Du coup je vous propose le livre que j'ai lu a l’époque. Je ne dis pas qu'il s'agit de la référence mais il explique bien les fondamentaux, le socle de docker ainsi que les outils annexes comme docker-compose [4] et docker-swarm [5]. En prime différents exemple sont données permettant de bien se projeter dans l'utilisation de l'outil au quotidien.     

Le voici donc et bonne lecture [6].

Références:

[1] https://un-est-tout-et-tout-est-un.blogspot.com/search/label/Docker
[2] https://un-est-tout-et-tout-est-un.blogspot.com/2019/01/lecture-devops-et-agilite.html
[3] https://docs.docker.com/
[4] https://docs.docker.com/compose/
[5] https://docs.docker.com/swarm/
[6] https://www.amazon.fr/dp/2100789708/ref=cm_sw_em_r_mt_dp_U_bVbnEb2F7NDDC

Lecture: De beaux réves

Cela fait un moment que je n'avais évoqué une lecture intéressante, pas que je me soies arrêter de lire ou que je n'ai pas eut de lecture très intéressante, mais celle ci il faut l'avouer, elle sort du lot.

Alors bien sur, tout ça a  voir avec l'IA mais de façon plus subtil voire philosophique et ça tombe bien, il s'agit de cela.

De beaux rêves de Daniel C.Dennett c'est la question (vous verrez en fait il y en a deux) de la conscience, de ce qu'elle peut être, si celle ci est une illusion ou un effet de bord du fonctionnement de notre cerveau. Dans ce livre vous parlerez de divergence d'opinions sur les les Qualia, vous vous demanderai ce qu'est un Zombie Philosophique et si ça peut exister, et vous parlerez de Marie, Marie Marie mais aussi de Marie Robot!

Enfin a mon sens ce livre est un pivot sur les questions éthique de ce qu'est la conscience, de quoi elle résulte. Pour les amoureux des animaux comme des robots, c'est vraiment une œuvre a lire.

Lecture: Devops et agilité

Lecture du debut d annee:
le devops ou la philosophie de la communication/outillage/monitoring pour pousser le concept de la gestion du cycle de vie du logiciel comme d un logiciel comme un autre...
et une relecture d un livre toujours d actualité sur l agilité et l importance de l humain dans le développement. Un livre donc que je conseille qui meme apres 13 ans de sa premiere lecture m apprend toujours des choses.

Differents mais complementaire allez y!

Livre sur Scala

Je cherchais un bon livre sur Scala, assez technique qui ne soit par une redite des concepts de base de l'informatique mais permette de comprendre les points forts du langage, et bien celui ci honore ses promesses : rapide, synthétique et clair.

Je ne m'attarde pas car de toute façon je reviendrais sur ce langage dans de futurs articles.

Dernière lecture: Le bayésianisme aujourd'hui

Un petit article sur un livre lu courant du mois dernier sur le Bayésianisme : le bayésianisme aujourd'hui d'Isabelle Drouet. Une lecture difficile mais passionnante, le niveau de ce livre est réellement élevé pour ceux n'ayant pas l'habitude des publications scientifiques et je pense que même pour ceux en lisant régulièrement mais pas forcement familier des domaines traités, ça ne sera pas forcement simple non plus.

Ici, pas de théorie mathématiques des statistique comme on pourrait s'y attendre mais des explications philosophiques concernant l'utilisation et l’interprétation que l'on peut faire du théorème de Bayes.

Sans rentrer dans le détail,le livre traite de l’inférence de l'information et son traitement a priori dans divers contextes de prise de décisions, comme la réalisation d'un diagnostique médical, l’évaluation de l'efficacité d'un médicament (ou vaccin) ou la modélisation et la compréhension du fonctionnement du cerveau.

Bien sur le livre évoque l'opposition du bayésianisme avec le fréquentisme, autre courant (dominant) de la statistique moderne et, sans forcement aller jusqu’à conclure sur une complémentarité des deux approches, il essaye malgré tout de les exposer parallèlement sans les confronter brutalement.

Je conseille vivement ce livre pour tout ceux traitant au quotidien du problème de la prise de décisions, qu'elle soit associée à l'humain, la philosophique ou la technique car il met en lumière une autre façon de penser, plus naturelle, mais tout aussi rationnel.

A noter que ça intéressera les Data Scientists, nous verrons cela pourquoi dans les articles prochains

Bonne lecture

IA : Lecture

Nous avions vu dans un précédent article quelques livres dont j'avais agréablement parcouru les pages [1]. J'avais eu réellement un coup de cœur pour le livre de Aurelien Géron "Machine Learning avec Scikit-Learn" et ce à tel point que j'ai poursuivi sur la suite "Deep Learning avec Tensor Flow".

Honnêtement, je vais pas tourner au tour du pot, ce livre est une référence. Pour avoir suivi un cursus d’ingénieur en automatique et en informatique et avoir eut un cours sur les réseaux de neurones, je voulais d'une part, me rafraîchir la mémoire et me mettre à jour, et bien banco!

Tout y es avec toutes les références qu'il faut pour poursuivre l'aventure (les publications scientifiques ça n'a pas de prix!) Alors il est clair que ce n'est pas un sujet simple, quelques bonnes bases en mathématique (algèbre linéaire) sont nécessaires et aussi un peu en programmation (et encore le framework Tensor Flow est assez clair dans les principes).

Remarquez qu'il est plus simple d'aborder ce livre en lisant le premier volume sur le Machine Learning. Ce premier permet de donner de bonnes bases dans les démarches de traitement des données et sur les procédures d'apprentissages afin d'en appréhender un peu le lexique.

Au delà de cela, les grandes familles de réseaux neuronaux sont décrites, les types de fonctions d'activations, les méthodes d'apprentissages, leurs architectures... avec pour ma part une petite préférence pour les réseaux de Hopfield et de Markov car quelques part, ils me font penser aux SED (allez savoir pourquoi...)

Enfin voila, lisez le!

Références:

[1] http://un-est-tout-et-tout-est-un.blogspot.fr/2018/02/ia-petit-point-de-litterature.html

IA : Petit point de littérature

Petit retour sur quelques lectures du début d'année .

Un premier livre qui donne des bases théoriques et techniques complètes en machine learning, pour ceux qui aiment le python je recommande vivement, et pour les autres aussi car Scikit learn est un incontournable, donc c'est aussi une bonne occasion de se mettre au python.

A destination d'un public avec un minimum de bagages techniques...

Machine Learning avec Scikit-Learn




Le second livre est traite du deep learning. Honnêtement, un peu déçu, l'ouvrage s'adresse vraiment a qui ne connait vraiment rien sur le sujet, (même pas qu'il nécessite de maîtriser quelques rudiments de calcul matriciel), en même temps, il est vraiment que ce n'est qu'une "introduction". 

Je conseille aux pures novices, qui étudient le sujet par curiosité.

Comprendre le Deep Learning




Un troisième ouvrage sur lequel je ne fondais pas beaucoup d'espoirs... Et grosse surprise, un ouvrage bien construit et complet, suffisamment abstrait sur les sujets du Dig Data, du ML et des rudiments du DL pour conclure que : 

• tout manager se doit de le lire pour comprendre le monde qui se profile ces prochaines années 
• suffisamment technique pour orienter les techos sur les frameworks principaux des ces domaines avec la bonne dose d'explications pour en comprendre les utilisations et les architectures types 

Un indispensable je pense pour celui qui veut entrer dans ces trois sujets a la fois et en comprendre les tenants et aboutissants.

Big Data et Machine Learning

Voila un petit aperçu de mes dernières lectures, ces dernières me serviront pour les prochains articles  qui traiteront de l'IA mais avant il reste deux à traiter

• Deep Learning avec Tensor Flow
• Le Bayesianisme aujourd'hui

Mais je reviendrais sur ces deux livres