Jump to: navigation, search

Difference between revisions of "Workshop:Algolit"

(Florian)
(libraries)
Line 127: Line 127:
  
 
[http://groups.csail.mit.edu/vision/TinyImages/ Visual Dictionary - Click on top of the map to visualize the images in that region of the visual dictionary.]
 
[http://groups.csail.mit.edu/vision/TinyImages/ Visual Dictionary - Click on top of the map to visualize the images in that region of the visual dictionary.]
 +
 +
=== tools ===
 +
 +
* Les bases d' un service web avec python https://blog.miguelgrinberg.com/post/designing-a-restful-api-with-python-and-flask
  
 
=== libraries ===
 
=== libraries ===

Revision as of 09:37, 30 October 2018

Algolit-cover.jpg

projets

Florian

Machine Learning en temps réel par principe de contamination, utilisation du principe de la chaîne de Markov.

Première étape:

  • Créer un fichier data.txt qui va contenir tout le texte générer par les intervenants.

[SCREEN A VENIR]

Brandon

"Celui qui avale une noix de coco fait confiance en son anus"

Louise

Les textes de loi de prostitution

Travail en deux temps :

  • Création d'une édition à partir du script (basé sur Markov Chain), enregistré en page html. --> Les phrases dans lesquelles reviennent le plus souvent le champ lexical de l'homme s'affichent en vert, celles dans lesquelles on retrouve le plus le champ lexical de la femme s'affichent en rouge. (ou autres couleurs, pas figé).
  • Le texte est lu, par une voix d'homme ou par une voix de femme, selon le champ lexical de la phrase.


Projet-Louise.jpg ScreenProjetLouise1.PNG

Loris

Laetitia

Youpiiiiie

Francois

programme (provisional)

Monday

Machine Learning & datasets

  • 10:00-10:20: Introduction algolit http://www.algolit.net
  • 10:20-10:30: Introduction Etherbox https://networksofonesown.constantvzw.org
  • 10:30-11:00 Introduction AI / Machine learning
  • 11:00-11:15 Break
  • 11:15-11:45 Rulebased model: Markov Chain
  • 11:45-12:15 Supervised machine learning & labeled datasets: Naive Bayes & sentiment analysis
  • 12:15-13:00 Unsupervised machine learning & common crawl: word2vec
  • 13-14u: Lunch
  • 14-15u Guided tour Mundaneum in relation to dataset selection
  • 15-17u
    • For non-coders: Oulipo exercise on datasets
    • For coders: Run the scripts per group, depending of level of programming
    • Get the code running, play / variate on input and output (visualisations)
    • Mundaneum dataset: what to do with it?
    • Labeled - nltk corpora
    • Unlabeled using ge

resources

For coders

With a proper python install a single line might / should work:

$ pip3 install nltk gensim scikit-learn matplotlib tensorflow pattern3 setuptools

in case pip3 does not work:

$ sudo apt-get install python3-pip

Requirements

Git-repository: https://gitlab.constantvzw.org/algolit/mundaneum

links

online

Bot-or-not.png


Deep-flow.png


visuels

VOID NOISE IS FULL OF WORDS.jpg

NOISE IS FULL OF WORDS


Pretty unicorn with flowers on.png

See http://t2i.cvalenzuelab.com - article about the process: http://aiweirdness.com/post/177091486527/this-ai-is-bad-at-drawing-but-will-try-anyways

80 Million Tiny Images.png

Visual Dictionary - Click on top of the map to visualize the images in that region of the visual dictionary.

tools

libraries