{"id":3710,"date":"2022-12-30T12:14:31","date_gmt":"2022-12-30T11:14:31","guid":{"rendered":"http:\/\/nextbrain.ai\/?page_id=3710"},"modified":"2024-03-18T13:29:11","modified_gmt":"2024-03-18T12:29:11","slug":"synthetic-data-for-machine-learning","status":"publish","type":"page","link":"https:\/\/nextbrain.ai\/fr\/synthetic-data-for-machine-learning","title":{"rendered":"Donn\u00e9es Synth\u00e9tiques pour le Machine Learning"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Qu'est-ce que les donn\u00e9es synth\u00e9tiques ?<\/h2>\n
Les donn\u00e9es synth\u00e9tiques se r\u00e9f\u00e8rent \u00e0 des \u00e9chantillons g\u00e9n\u00e9r\u00e9s artificiellement \u00e0 partir de cas r\u00e9els dans le but de conserver des caract\u00e9ristiques descriptives statistiques. Un ensemble de donn\u00e9es synth\u00e9tiques vise \u00e0 remplacer les donn\u00e9es r\u00e9elles afin de pr\u00e9server la confidentialit\u00e9 des donn\u00e9es ou de g\u00e9n\u00e9rer un ensemble de donn\u00e9es avec plus d'\u00e9chantillons que l'original. Les donn\u00e9es synth\u00e9tiques ne sont pas des donn\u00e9es invent\u00e9es, tout comme une image restaur\u00e9e n'est pas une nouvelle image. En analysant les donn\u00e9es synth\u00e9tiques, nous pouvons d\u00e9couvrir des motifs qui peuvent ne pas \u00eatre apparents dans les donn\u00e9es r\u00e9elles. Par exemple, si nous avons une image basse r\u00e9solution et qu'il y a un objet dans le coin inf\u00e9rieur droit que nous ne pouvons pas identifier clairement, un outil de restauration peut nous permettre de reconna\u00eetre que l'objet est un chien. De la m\u00eame mani\u00e8re, les algorithmes de g\u00e9n\u00e9ration de donn\u00e9es synth\u00e9tiques peuvent nous aider \u00e0 comprendre la nature des relations entre les variables dans des donn\u00e9es tabulaires, m\u00eame si ces relations ne sont pas claires dans les donn\u00e9es originales.<\/div>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n

 <\/span>Pourquoi les donn\u00e9es synth\u00e9tiques sont-elles importantes pour NextBrain ?<\/h2><\/div>
\n
La principale barri\u00e8re \u00e0 l'adoption des technologies de machine learning par un pourcentage significatif d'utilisateurs est la donn\u00e9e. Pour \u00eatre efficaces, ces technologies n\u00e9cessitent un volume important de donn\u00e9es. Pour obtenir des pr\u00e9dictions pr\u00e9cises, la plupart des algorithmes utilis\u00e9s pour r\u00e9soudre des probl\u00e8mes de classification ou de r\u00e9gression requi\u00e8rent une \u00e9norme quantit\u00e9 de donn\u00e9es. Cependant, tous les utilisateurs n'ont pas acc\u00e8s \u00e0 un grand volume de donn\u00e9es (ce que l'on appelle le \"Big Data\"). Au contraire, la majorit\u00e9 des utilisateurs, qu'ils proviennent du monde des affaires, d'une activit\u00e9 professionnelle ou du milieu acad\u00e9mique, traitent avec une quantit\u00e9 limit\u00e9e de donn\u00e9es. Acc\u00e9der aux donn\u00e9es est co\u00fbteux et chronophage. <\/div>\n
Pour surmonter cette barri\u00e8re, plus de donn\u00e9es doivent \u00eatre disponibles pour les utilisateurs. Il existe deux solutions possibles pour cela : la premi\u00e8re consiste \u00e0 fournir un acc\u00e8s \u00e0 des sources de donn\u00e9es externes que les utilisateurs peuvent utiliser pour prendre des d\u00e9cisions. Nous mettons d\u00e9j\u00e0 cela en \u0153uvre chez NextBrain en fournissant plusieurs connecteurs. La seconde est, litt\u00e9ralement parlant, d'inventer les donn\u00e9es. Mais comment allons-nous \u00ab inventer \u00bb les donn\u00e9es ? Il est possible de le faire. Il existe maintenant des technologies qui le permettent. Nous disons que nous avons une feuille de calcul de donn\u00e9es qui d\u00e9crit un probl\u00e8me que nous voulons r\u00e9soudre. Nous disons que le tableau a 20 lignes et 10 colonnes. Les technologies de machine learning n\u00e9cessitent plus de donn\u00e9es que cela. Avec ces donn\u00e9es, tout algorithme ne peut faire que jusqu'\u00e0 un certain point, et les conclusions que nous pouvons tirer seront discutables. Mais envisageons de cr\u00e9er un autre tableau bas\u00e9 sur celui-ci, avec 300 lignes et 10 colonnes. Maintenant, nous pouvons obtenir des r\u00e9sultats plus r\u00e9alistes des algorithmes gr\u00e2ce \u00e0 cela. <\/div>\n
 <\/div>\n
 <\/div>\n
 <\/div>\n<\/div>\n
\n

Comment faisons-nous cette magie ?<\/h2>\n
Les R\u00e9seaux Antagonistes G\u00e9n\u00e9ratifs, ou GANs, sont la technologie au c\u0153ur de ces applications g\u00e9n\u00e9ratives. Les GANs ont \u00e9t\u00e9 introduits par Ian Goodfellow en 2014. L'id\u00e9e \u00e9tait de concevoir deux r\u00e9seaux neuronaux s\u00e9par\u00e9s et de les opposer. Le premier r\u00e9seau neuronal commence par g\u00e9n\u00e9rer de nouvelles donn\u00e9es qui sont statistiquement similaires aux donn\u00e9es d'entr\u00e9e. Le second r\u00e9seau neuronal a pour t\u00e2che d'identifier quelles donn\u00e9es sont artificiellement cr\u00e9\u00e9es et lesquelles ne le sont pas. Les deux r\u00e9seaux rivalisent continuellement l'un avec l'autre : le premier essaie de tromper le second, et le second essaie de comprendre ce que fait le premier. Le jeu se termine lorsque le second r\u00e9seau n'est pas capable de \u2018discriminer\u2019 si les donn\u00e9es proviennent de la sortie du premier r\u00e9seau ou des donn\u00e9es originales. Nous appelons le premier r\u00e9seau g\u00e9n\u00e9rateur et le second r\u00e9seau discriminateur.<\/div>\n
 <\/div>\n
   Chez NextBrain, nous avons publi\u00e9 notre propre architecture GAN bas\u00e9e sur un Wasserstein GAN (Arjovsky et al, 2017). Nous avons d\u00e9velopp\u00e9 une architecture sp\u00e9ciale adapt\u00e9e \u00e0 un entra\u00eenement avec un tr\u00e8s petit nombre d'\u00e9chantillons. <\/div>\n<\/div>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\n\t\t\t<\/i>\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\u00a0L'\u00e9tape la plus critique dans la g\u00e9n\u00e9ration de donn\u00e9es synth\u00e9tiques est de v\u00e9rifier la similarit\u00e9 ou la \"proximit\u00e9\" par rapport aux donn\u00e9es r\u00e9elles. Chez NextBrain, nous avons fait un effort consid\u00e9rable pour d\u00e9velopper des outils de pointe afin d'effectuer cette comparaison, afin de nous assurer que nos donn\u00e9es synth\u00e9tiques peuvent remplacer les \u00e9chantillons de donn\u00e9es originales en toute confiance (Marin, J., 2022).\u00a0\u00a0<\/div>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
R\u00e9f\u00e9rences :\u00a0<\/h5>
\u00a0<\/div>
\u00a0 \u00a0 Arjovsky, M., Chintala, S., & Bottou, L. (2017). R\u00e9seaux antagonistes g\u00e9n\u00e9ratifs de Wasserstein. Conf\u00e9rence internationale sur l'apprentissage automatique, 214\u2013223.<\/div>
\u00a0 \u00a0Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., & Bengio, Y. et al. (2014). R\u00e9seaux antagonistes g\u00e9n\u00e9ratifs. Advances in neural information processing systems, 27.<\/div>
\u00a0 \u00a0Marin, J. (2022). Une \u00e9tude exp\u00e9rimentale sur l'\u00e9valuation des donn\u00e9es tabulaires synth\u00e9tiques. arXiv preprint arXiv:2211.10760. Arjovsky, M., Chintala, S., &\u00a0<\/div>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

What is\u00a0synthetic data? Synthetic data refers to artificially generated samples from real cases with the goal of retaining statistically descriptive features. A synthetic dataset aims […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-3710","page","type-page","status-publish","hentry"],"yoast_head":"\nSynthetic Data for Machine Learning - NextBrain AI<\/title>\n<meta name=\"description\" content=\"Discover the power of synthetic data for machine learning with NextBrain AI. Enhance your ML models with high-quality, diverse, and privacy-preserving synthetic data.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/nextbrain.ai\/fr\/synthetic-data-for-machine-learning\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Synthetic Data for Machine Learning - NextBrain AI\" \/>\n<meta property=\"og:description\" content=\"Discover the power of synthetic data for machine learning with NextBrain AI. Enhance your ML models with high-quality, diverse, and privacy-preserving synthetic data.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/nextbrain.ai\/fr\/synthetic-data-for-machine-learning\" \/>\n<meta property=\"og:site_name\" content=\"NextBrain AI | No-Code Machine Learning\" \/>\n<meta property=\"article:modified_time\" content=\"2024-03-18T12:29:11+00:00\" \/>\n<meta property=\"og:image\" content=\"http:\/\/nextbrain.ai\/wp-content\/uploads\/2023\/01\/Pwned_BP_synthetic_data_fc5c8213-e778-4d78-8d1b-6afc74aee309-1024x715.png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@nextbrain_ai\" \/>\n<meta name=\"twitter:label1\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data1\" content=\"4 minutes\" \/>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Donn\u00e9es Synth\u00e9tiques pour le Machine Learning - NextBrain AI","description":"D\u00e9couvrez le pouvoir des donn\u00e9es synth\u00e9tiques pour le machine learning avec NextBrain AI. Am\u00e9liorez vos mod\u00e8les ML avec des donn\u00e9es synth\u00e9tiques de haute qualit\u00e9, diversifi\u00e9es et pr\u00e9servant la vie priv\u00e9e.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/nextbrain.ai\/fr\/synthetic-data-for-machine-learning","og_locale":"fr_FR","og_type":"article","og_title":"Synthetic Data for Machine Learning - NextBrain AI","og_description":"Discover the power of synthetic data for machine learning with NextBrain AI. Enhance your ML models with high-quality, diverse, and privacy-preserving synthetic data.","og_url":"https:\/\/nextbrain.ai\/fr\/synthetic-data-for-machine-learning","og_site_name":"NextBrain AI | No-Code Machine Learning","article_modified_time":"2024-03-18T12:29:11+00:00","og_image":[{"url":"http:\/\/nextbrain.ai\/wp-content\/uploads\/2023\/01\/Pwned_BP_synthetic_data_fc5c8213-e778-4d78-8d1b-6afc74aee309-1024x715.png","type":"","width":"","height":""}],"twitter_card":"summary_large_image","twitter_site":"@nextbrain_ai","twitter_misc":{"Dur\u00e9e de lecture estim\u00e9e":"4 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/nextbrain.ai\/synthetic-data-for-machine-learning","url":"https:\/\/nextbrain.ai\/synthetic-data-for-machine-learning","name":"Donn\u00e9es Synth\u00e9tiques pour le Machine Learning - NextBrain AI","isPartOf":{"@id":"https:\/\/nextbrain.ai\/#website"},"primaryImageOfPage":{"@id":"https:\/\/nextbrain.ai\/synthetic-data-for-machine-learning#primaryimage"},"image":{"@id":"https:\/\/nextbrain.ai\/synthetic-data-for-machine-learning#primaryimage"},"thumbnailUrl":"http:\/\/nextbrain.ai\/wp-content\/uploads\/2023\/01\/Pwned_BP_synthetic_data_fc5c8213-e778-4d78-8d1b-6afc74aee309-1024x715.png","datePublished":"2022-12-30T11:14:31+00:00","dateModified":"2024-03-18T12:29:11+00:00","description":"D\u00e9couvrez le pouvoir des donn\u00e9es synth\u00e9tiques pour le machine learning avec NextBrain AI. Am\u00e9liorez vos mod\u00e8les ML avec des donn\u00e9es synth\u00e9tiques de haute qualit\u00e9, diversifi\u00e9es et pr\u00e9servant la vie priv\u00e9e.","breadcrumb":{"@id":"https:\/\/nextbrain.ai\/synthetic-data-for-machine-learning#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/nextbrain.ai\/synthetic-data-for-machine-learning"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/nextbrain.ai\/synthetic-data-for-machine-learning#primaryimage","url":"http:\/\/nextbrain.ai\/wp-content\/uploads\/2023\/01\/Pwned_BP_synthetic_data_fc5c8213-e778-4d78-8d1b-6afc74aee309-1024x715.png","contentUrl":"http:\/\/nextbrain.ai\/wp-content\/uploads\/2023\/01\/Pwned_BP_synthetic_data_fc5c8213-e778-4d78-8d1b-6afc74aee309-1024x715.png"},{"@type":"BreadcrumbList","@id":"https:\/\/nextbrain.ai\/synthetic-data-for-machine-learning#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/nextbrain.ai\/"},{"@type":"ListItem","position":2,"name":"Synthetic Data for Machine Learning"}]},{"@type":"WebSite","@id":"https:\/\/nextbrain.ai\/#website","url":"https:\/\/nextbrain.ai\/","name":"NextBrain AI | Machine Learning sans code","description":"Upgrade your decision-making","publisher":{"@id":"https:\/\/nextbrain.ai\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/nextbrain.ai\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/nextbrain.ai\/#organization","name":"NextBrain.ai","url":"https:\/\/nextbrain.ai\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/nextbrain.ai\/#\/schema\/logo\/image\/","url":"http:\/\/nextbrain.ai\/wp-content\/uploads\/2022\/01\/logoNext.png","contentUrl":"http:\/\/nextbrain.ai\/wp-content\/uploads\/2022\/01\/logoNext.png","width":270,"height":96,"caption":"NextBrain.ai"},"image":{"@id":"https:\/\/nextbrain.ai\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/nextbrain_ai","https:\/\/www.linkedin.com\/company\/nextbrain-ai\/","https:\/\/www.youtube.com\/channel\/UCpRhfXZE3YEdfgp2K0U9kxQ","https:\/\/github.com\/NextBrain-ai"]}]}},"_links":{"self":[{"href":"https:\/\/nextbrain.ai\/fr\/wp-json\/wp\/v2\/pages\/3710"}],"collection":[{"href":"https:\/\/nextbrain.ai\/fr\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/nextbrain.ai\/fr\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/nextbrain.ai\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/nextbrain.ai\/fr\/wp-json\/wp\/v2\/comments?post=3710"}],"version-history":[{"count":3,"href":"https:\/\/nextbrain.ai\/fr\/wp-json\/wp\/v2\/pages\/3710\/revisions"}],"predecessor-version":[{"id":6679,"href":"https:\/\/nextbrain.ai\/fr\/wp-json\/wp\/v2\/pages\/3710\/revisions\/6679"}],"wp:attachment":[{"href":"https:\/\/nextbrain.ai\/fr\/wp-json\/wp\/v2\/media?parent=3710"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}