Bulletin #10, 2016-09-06: Deep Learning, Interview & more / et +!

Deep Learning | Interview | Quotable links • Liens citables
No. 10, 2016-09-06                                      wrangler/responsable: @prooffreader

Welcome to the tenth edition (September 6, 2016) of the MTLDATA Bulletin. Don’t forget, you can also find us on the Web, Facebook, Twitter, LinkedIn and Meetup. English content is in blue, French in green.

Bienvenue à la dixième édition (6 septembre 2016) du Bulletin MTLDATA; n’oubliez pas, vous pouvez nous trouver aussi sur le Web, Facebook, Twitter, LinkedIn et Meetup. Le contenu en anglais est en bleu, le français en vert.

Bulletin also published online http://mtldata.blogspot.ca ← site Web du Bulletin


In August, MTL DATA had two meetups on Deep Learning: the first one, at Intel Security, filled up so fast, we added a second at WeWork, and it was packed to the rafters too! This relatively new technique has obviously generated a lot of interest in the data science community.

Deep Learning can be daunting to start. David, one of the presenters, showed us how he got a quick project off the ground without a profound understanding of the nuts and bolts. We’ve all got to start somewhere!

Which is why MTL DATA is starting a Deep Learning study club. People of all skill ranges are encouraged to pool their resources, helping each other and collaborate on projects.

Deep Learning isn’t just the future of data science: it’s the present. You should be part of this! Join our deep learning Slack channel, fill out the form at mtldata.com/deeplearning/, and join our subreddit at /r/deeplearners. Send us an email at deeplearning@mtldata.com with your project ideas.

Au mois d'août, MTLDATA a présenté deux meetups sur l'apprentissage automatique en profondeur, c'est-à-dire « deep learning »: le premier, chez Intel Security, s'est rempli si vite que nous en avons ajouté un deuxième à WeWork, et celui-là aussi était « full plein »! Cette technique relativement nouvelle a évidemment suscité beaucoup d'intérêt dans la communauté de la science des données.

Le deep learning, ça peut être intimidant au début. David, l'un des présentateurs, nous a montré comment il a bâti un petit projet vite vite sans une compréhension profonde (excusez le jeu de mots!) de la mathématique derrière tout ça. Nous avons tous commencé au début à un moment donné!

Afin de combler cet intérêt, MTLDATA crée un club d'étude du deep learning. Les gens de toutes les gammes de compétences sont encouragés à mettre en commun leurs ressources, à s’aider les uns les autres et à collaborer sur des projets.

Le deep learning, ce n'est  pas seulement l'avenir de la science des données: en effet, c'est le présent. Vous devez en faire partie! Rejoignez notre canal deep learning sur Slack, remplissez le formulaire au mtldata.com/deeplearning/, et rejoignez notre subreddit à /r/ deeplearners. Envoyez-nous un courriel à deeplearning@mtldata.com avec vos idées de projets.


MTLDATA has two tickets to give away to PAPIs 2016, the 3rd International Conference on Predictive Applications and APIs, in Boston on Oct. 11-12. Leading practitioners from industry and academia will present new techniques, architectures and tools to build intelligent applications. PAPIs also hosts the world’s 1st competition for AI startups where the jury is an AI.

MTLDATA a deux billets à donner pour PAPI 2016, la 3ème Conférence internationale sur les applications et les interfaces de programmation d'applications prédictives, à Boston, le 11 au 12 octobre. Des éminents praticiens de l'industrie et du milieu universitaire présenteront de nouvelles techniques, des architectures et des outils pour créer des applications intelligentes. PAPI présentera également la première compétition mondiale pour les startups en intelligence artificielle où le jury est une intelligence artificielle!


Backstory: I (@prooffreader), noticed a new member come to MTL DATA’s 2015 event, and then I saw her at several subsequent meetups, including other data science-related ones around town. I thought this would be an excellent chance to get some honest feedback outside of the organizer social circles, so I asked her to chart with me over Slack. The interview has been lightly edited.

MTLDATA: Was the March 2016 meetup the first meetup you came to?

MAEVE MANION-FISCHER: Yes. Before that I hadn't gone to any tech meetups. But I had gone to Adacamp Montreal in April 2015.

Q: Can you tell me a little about your background, educationally/professionally, how long you've been in Montreal, that sort of thing?

A: I have a bachelor's and master's degree in physics, I'm currently working on improving my programming skills to the level where I would be able to get a programming job, hopefully in data science because it seems to be a good fit with my physics background. I moved back to Montreal a bit less than two years ago, but I was also born here and went to high school here.

Q: What first got you doing programming, and what is it about programming that makes you want to do it for a living?

A: My first experience with programming was a python course I took in undergrad, but then I did more programming in FORTRAN for a summer research project, as well as for the research for my master's degree, and another course in grad school. I like programming because it combines the fun of building something new and problem solving, and the tools you need to do it are relatively accessible, and you get to continually learn new things.

Q: I notice we get quite a few physicists at the MTL DATA meetups; why are you, in particulr, drawn to do data science instead of physics?

A: The broad answer would be academia vs. industry. For me, the career transition gives me more freedom to work at my own pace. In my future career I hope to work on something that people will use and will help them more directly. While scientific advances certainly benefit humanity, it's not at all clear from the grad student perspective that what you are working on is helping anyone else.

Q: How did you hear about MTLDATA? (Sorry for shouting, Vaughn gets mad at me if I don't type it in all caps)

A: I learned about it from browsing on meetup.com

Q: What were you hoping to get out of your first MTLDATA meetup, if anything? What did you get out of it -- since you came back I'm assuming you got something!

A: The first MTL DATA meetup I went to was your [@prooffreader;s] talk on Intro to Machine Learning. It inspired me to go and take (and complete) Andrew Ng's Machine Learning course on Coursera. So it was very helpful to me! But more generally I'm looking for a community, I'm looking to meet people, get ideas for things to learn and maybe projects to work on, or hear about job opportunities.

Q: Yay! Good Lord, did you do the homework in Octave?

A: I did. :slightly_smiling_face:

Q: Maybe you'd rather not know this (if you didn't already), but someone a few weeks ago translated all the code for that course into Python, it's on GitHub somewhere

A: Haha. Interesting.

Q: So I heard good things about Adacamp. I'm sure you've noticed the gender disparity of MTLDATA's meetups. Do you have thoughts about this you can share? For example, is it a disincentive for you, and if so, to what degree? (And FYI, we organizers have talked about this disparity and kicked around some ideas about addressing it and ultimately, so far, have just been a group of dudes who seem to be ill-equipped to handle it...)

A: It would probably be more of a disincentive for me if I didn't also seek out a community of women in tech. Pyladies and All Girl Hack Night are a couple meetups that I go to regularly. Coming from physics, I'm used to it in some sense, but seeking support and community from other women in tech is incredibly important to me.

Q: Where do you see yourself, say, in three years?

A: I would like to have a full time job in this field and be living in Montreal.

Q: Fair enough! Outside of participating in MTL DATA and the two other meetups you just mentioned, what are you doing to make your goal come true?

A: I'm taking more online courses, and I'm part of the learning community Les Pitonneux. I'm also continuing the project that I started in the HackCite hackathon.

Q: Which was?

A: The general idea of the hackathon was to visualise city of Montreal open data in such a way as to help people who are planning where to plant trees in Montreal figure out what would be a good place to plant them. During the hackathon my team plotted a whole bunch of different data sets on maps, but now that I'm helping the nonprofit who set up the hackathon build a real website, we're narrowing the scope of how much data we use for the map by a lot.

Q: That's great! I'm glad to hear you're doing that. Okay, last question... who would win in a fight, Astronauts or Cavemen?

A: Neither would win because I don't believe in the dichotomy of rationality and emotion. Can you tell I've been preparing to answer this? Why are they even fighting? Why can't they just get along?


A: :wink:

Antécédent: Moi (@prooffreader), j'ai remarqué qu'un nouveau membre s'est présenté pour la première fois à un rencontre MTLDATA cette année, et je l'ai vu à quelques meetups de suite autour de la ville, également ceux qui étaient présentés par MTLDATA, et d'autres organismes. Je pensais que ce serait une excellente occasion d'obtenir des commentaires constructifs en dehors des cercles sociaux des organisateurs, donc je lui ai demandé de jaser un peu sur Slack. L'interview qui suit a été légèrement rédigé.

MTLDATA: Est-ce que le meetup au mois de mars 2016, c'était le premier auquel tu as assisté?

MAEVE MANION-FISCHER: Oui, ce fut mon premier meetup MTLDATA ainsi que mon premier meetup en technologie. Mais par contre, j'ai participé à Adacamp à Montréal en avril 2015.

Q: Pourrais-tu nous décrire un peu ton parcours éducatif ainsi que professionnet et nous dire depuis combien de temps tu demeures à Montréal, etc.?

A: J'ai un bac et une maîtrise en physique, et actuellement j'essaie d'améliorer mes compétences en programmation pour être en mesure d'obtenir un emploi dans un domaine tel que la science des données, car il me semble que ça rejoindrait bien  ma formation. Je suis revenue à Montréal il y a un peu moins de deux ans; je suis née ici et suis allée à l'école ici.

Q: Comment as-tu commencé en programmation, et qu’est-ce qui t’attire vers une carrière en programmation?

R: Ma première expérience avec la programmation était un cours de Python que j’ai pris au premier cycle, et j'ai programmé en FORTRAN pour un projet de recherches d'été, ainsi que pour la recherche dans le cadre de ma maîtrise, et aussi dans un autre cours aux études supérieures. J'aime la programmation parce que cela réunit le plaisir de construire quelque chose de nouveau et de résoudre des problèmes avec des outils nécessaires  relativement accessibles. C’est si intéressant d’apprendre toujours des choses nouvelles.

Q: Je remarque qu'il y  a pas mal de physiciens qui se présentent aux meetups MTL DATA; qu'est-ce qui amène les physiciens comme toi à préférer la science des données à la physique?

R: En général, ce serait parce que la science des données se passe dans le monde de l'industrie, et non pas dans un milieu universitaire. Pour moi, une telle transition de carrière me donne plus de liberté pour travailler à mon propre rythme. Dans ma carrière future, je souhaite travailler sur quelque chose que les gens  utiliseront et qui les aidera plus directement. Bien que les progrès scientifiques bénéficient certainement à l'humanité, il n'est souvent pas évident pour un étudiant diplômé que son travail aide quelqu'un d'autre.

Q: Comment as-tu entendu parler de MTLDATA? (Désolé de taper en majuscules, Vaughn se fâche contre moi si je ne l'écris pas de cette façon.)

A: Je l'ai vu en naviguant sur meetup.com

Q: De quelle façon as-tu espéré  profiter de ton premier meetup MTLDATA? Qu'est-ce qui t'a convaincu d’y retourner?

A: Dans mon premier meetup MTLDATA, j'ai écouté ta propre introduction à l'apprentissage automatique [c'est à dire, celle de @prooffreader]. Cette expérience m'a inspiré à prendre (et à completer) le cours d'apprentissage automatique d'Andrew Ng sur Coursera. Donc, MTL DATA a été très utile pour moi! Mais  généralement, je suis à la recherche d'une communauté, je cherche à rencontrer des gens et à trouver des idées concernant des choses à apprendre, et peut-être des projets sur lesquels je peux travailler ainsi que des possibilités d'emploi.

Q: Yippi! Ô boy, as-tu fait les devoirs d'Andrew Ng en [langue de programmation] Octave?

R: En effet. :slightly_smiling_face: [emoji face à peine souriante]

Q: Peut-être que tu aimerais mieux  ne pas le savoir, mais il y a quelques semaines quelqu'un les a tous traduits à Python, ça se trouve sur GitHub.

A: Haha. Intéressant.

Q: J'ai entendu de bonnes choses sur Adacamp. J'imagine que tu as remarqué la disparité entre les sexes dans les meetups de MTLDATA. As tu des réflexions à ce sujet que tu peux partager? Par exemple, est-ce qu'il s'agit d'un facteur dissuasif pour toi, et si oui, dans quelle mesure? (Et FYI, nous les organisateurs avons parlé de cette disparité et nous avons considéré quelques façons de l’aborder et, finalement, jusqu'à présent, nous avons découvert  être un groupe de gars peut-être mal équipés pour élaborer des stratégies effectives...)

A: Ça serait probablement plus un facteur de dissuasion pour moi si je ne ne cherchais pas en même temps d'autres meetups comme Pyladies et All Girl Hack Night, auquel je participe régulièrement. Venant du domaine de la physique, j’y suis habituée dans un certain sens, mais la recherche du soutien et de la communauté des autres femmes dans la technologie est extrêmement important pour moi.

Q: Où te vois-tu, par exemple, dans trois ans?

R: Je voudrais avoir un emploi à temps plein dans ce domaine et demeurer encore à Montréal.

Q: En dehors de la participation à MTLDATA et les deux autres meetups que tu viens de mentionner, que fais-tu pour atteindre ton objectif?

R: Je prends plus de cours en ligne, et je fais partie de la communauté d'apprentissage Les Pitonneux. Je poursuis aussi un projet que j'ai commencé dans le hackathon HackCité.

Q: C'était quoi?

A: L'idée générale de ce hackathon,  c'était de visualiser les données ouvertes de la ville de Montréal afin de déterminer où seraient les meilleurs endroits pour planter des arbres. Au cours du hackathon mon équipe a visualisé beaucoup de différents types de données sur des cartes, mais maintenant que j'aide à construire un vrai site web pour l'organisme à but non-lucratif qui a créé l'évènement, nous nous restreignons beaucoup quant à la quantité de données qu'on utilise.

Q: Très bien! Je suis heureux d'entendre que vous faites cela. Ok, dernière question ... qui gagnerait dans un combat, des astronautes ou des hommes de caverne?

A: Ni l'un ni l'autre gagnerait parce que je ne crois pas à la dichotomie de la rationalité et de l'émotion. Est-ce que ça paraît que je me suis préparé pour répondre à cette question? À bien y penser,pourquoi sont-ils en combat? Pourquoi ne peuvent-ils pas simplement bien s'entendre?

Q: Hahahahahahahaha!

A: :wink: [emoji pour un clin d'oeil]





“Data is the new oil.”

“Data is the new oil. It’s valuable, but if unrefined it cannot really be used. It has to be changed into gas, plastic, chemicals, etc to create a valuable entity that drives profitable activity; so must data be broken down, analyzed for it to have value.” -- Clive Humby, UK Mathematician and architect of Tesco’s Clubcard, 2006 (widely credited as the first to coin the phrase)

« Les données, c'est le nouveau pétrole. »

«Les données, c'est le nouveau pétrole. C'est utile, mais ça ne peut pas vraiment être utilisé sans être raffiné. Le pétrole doit être changé en gaz, en plastique, en produits chimiques, etc. pour créer une entité précieuse qui entraîne une activité rentable; similairement, les données doivent être reparties et analysées pour qu'elles aient de la valeur." -- Clive Humby, mathématicien brittanique et architecte de Tesco Clubcard, 2006 (largement crédité comme le premier à inventer cet expression)

Labels: ,

No comments:

Post a Comment