21st Century Learning and Teaching

How Automated Face Recognition Algorithms Work and Operate...

Learn more / En savoir plus / Mehr erfahren:

https://www.scoop.it/topic/21st-century-learning-and-teaching/?&tag=Face+Recognition

https://www.scoop.it/topic/21st-century-learning-and-teaching/?&tag=facial+recognition

https://www.scoop.it/topic/21st-century-learning-and-teaching/?&tag=AI

Big data analytics is the process of examining large and varied data sets to uncover hidden patterns, unknown correlations, market trends, customer preferences and other useful information that can help organizations make more-informed business decisions.

Big data can be analysed for insights that lead to better decisions and strategic business moves. The Big Data market is expected to grow to $66.79 Billion by 2021, with investment in analytics hardware, software, services and data scientists pouring in.

WHAT ARE THE INFLUENCERS SAYING?

Learn more / En savoir plus / Mehr erfahren:

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=Big+Data...

De gros titres, tels que "Algorithmes - les vrais maîtres du monde ?" ou "Les algorithmes influencent-ils notre quotidien ?", sont à la une des journaux, notamment dans le contexte du Big Data. Dans ce dossier, nous expliquerons ce que sont les algorithmes, comment ils fonctionnent et à quoi ils servent. Nous aborderons également les aspects éthiques.

Un algorithme est une instruction ou une règle logique et explicite sur la manière dont un problème est à résoudre, et se compose de différentes étapes exécutées l'une après l'autre ou simultanément. Pour la majorité des algorithmes, une entrée donnée conduit toujours à la même sortie. Dans la plupart des cas, les algorithmes s'appliquent sous forme de logiciels informatiques, mais ils peuvent également être formulés en langage humain. L'exemple le plus illustre d'un algorithme de notre quotidien est une recette de cuisine.

D'où vient le nom ?

Le terme algorithme est dérivé du nom du mathématicien et géographe korasmien Muhammad Ibn Musa al-Khuwarizmi, originaire de la région de l'Iran d'aujourd'hui, qui a passé la majeure partie de sa vie à Bagdad. En 825, il écrit un manuel sur les chiffres indiens et y explique également le fonctionnement des algorithmes. Le livre sur les chiffres, que nous connaissons aujourd'hui sous le nom de "chiffres arabes", a été traduit en latin au 12e siècle. La dernière partie de son nom (al-Khuwarizmi) a été traduite par "Algorismi". Les premiers mots étaient "Dixit Algorismi" (Algorismi a dit), d'où s'est finalement dérivé le terme algorithme.

Learn more / En savoir plus / Mehr erfahren:

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=Algorithm

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=Big+Data...

Machine learning can drive tangible business value for a wide range of industries — but only if it is actually put to use. Despite the many machine learning discoveries being made by academics, new research papers showing what is possible, and an increasing amount of data available, companies are struggling to deploy machine learning to solve real business problems. In short, the gap for most companies isn’t that machine learning doesn’t work, but that they struggle to actually use it.

How can companies close this execution gap? In a recent project we illustrated the principles of how to do it. We used machine learning to augment the power of seasoned professionals — in this case, project managers — by allowing them to make data-driven business decisions well in advance. And in doing so, we demonstrated that getting value from machine learning is less about cutting-edge models, and more about making deployment easier.

Learn more / En savoir plus / Mehr erfahren:

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=machine+learning

Depuis un certain temps, le terme "Big Data" est sur toutes les lèvres. Qu'est-ce qui se cache derrière ce terme ? Dans ce dossier, BEE SECURE expliquera ce que sont ces "grosses données", comment ces montagnes de données sont utilisées et quel est leur impact sur notre quotidien.

"Big Data" signifie littéralement "grosses données". Il s'agit de quantités de données qui sont trop grandes, trop complexes, trop éphémères et ne pas assez structurées pour l'exploitation à l'aide d'un traitement manuel des données (p.ex. lecture d'une valeur d'un tableau Excel). Le "big" dans Big Data se rapporte à trois dimensions :

Volume (volume de données) : De combien de données s'agit-il ?
Velocity (vitesse) : Avec quelle vitesse les données sont-elles générées, déplacées et à nouveau modifiées ?
Variety (variété) : Quelles sont les différentes sources des données ? Quels différents types de donnée existent-ils ?
Le terme francophone serait "mégadonnées", mais celui-ci n'est que très rarement utilisé dans les médias, raison pour laquelle nous utiliserons également le terme anglais Big Data.

Le terme désigne non seulement les quantités de données en soi, mais également les technologies nécessaires pour les collecter et traiter : par exemple, pour les visualiser ou les préparer d'une autre façon pour qu'elles soient compréhensibles pour les êtres humains.

L'avancée technologique a permis de stocker des quantités de données toujours plus importantes. Dans les années 90, des disquettes d'une capacité de stockage de seulement 1,4 MB et des disques durs avec quelques centaines de MB étaient la norme, tandis qu'aujourd'hui des clés USB avec plusieurs gigabits sont distribuées comme gadgets publicitaires et des disques durs avec plusieurs téraoctets sont intégrés dans des ordinateurs standards. Pour faire court : ce n'est plus un problème aujourd'hui de stocker une grande quantité de données - grâce à des "clouds storage", il ne vous faut même plus de disques durs physiques chez vous, il est possible de louer des espaces en ligne partout dans le monde. En même temps, la capacité du processeur a également augmenté, de sorte qu'il est possible de traiter des quantités de données toujours plus importantes.

D'où viennent les données du Big Data ?
De manière générale, les données considérées comme "Big Data" peuvent venir de tous les domaines de vie imaginables pour lesquels des données sont nécessaires. De manière générale, nous ne devons pas oublier en tant qu'utilisateurs que toutes les données qui peuvent être collectées seront en effet collectées. La liste suivante n'est donc en aucun cas exhaustive, mais elle offre un aperçu des sources de données du Big Data :

Learn more / En savoir plus / Mehr erfahren:

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=Algorithm

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=Big+Data...

Big Data is powerful on its own. So is artificial intelligence. What happens when the two are merged?

Big data is moving to a new stage of maturity — one that promises even greater business impact and industry disruption over the course of the coming decade. As big data initiatives mature, organizations are now combining the agility of big data processes with the scale of artificial intelligence (AI) capabilities to accelerate the delivery of business value.

Big Data and AI at MetLife

Pete Johnson is one of the most experienced executives working in the field of big data and AI within industry today. Having worked in the field of artificial intelligence for a generation dating back to his academic career at Yale University, Johnson now leads big data and AI initiatives as a fellow at MetLife. Johnson previously held positions as senior vice president for Strategic Technology with Mellon Bank and served as the executive vice president and chief technology officer of Cognitive Systems Inc. (CSI), an early artificial intelligence company specializing in natural language processing, expert systems, case-based reasoning, and data mining. CSI was founded by several members of the Yale University faculty in 1981, when Johnson completed his MS in computer science.

Johnson, whom I’ve known for over a decade, is a regular participant in a series of executive thought-leadership breakfasts that I host for senior industry executives to share perspectives on topics in big data, AI, and machine learning among their peers. Participants in the most recent executive breakfasts have included chief data officers, chief analytics officers, chief digital officers, chief technology officers, and heads of big data for firms including AIG, American Express, Blackrock, Charles Schwab, CitiGroup, General Electric (GE), MetLife, TD Ameritrade, VISA, and Wells Fargo, among others.

As a long-suffering expert in the field of artificial intelligence, Johnson observes three critical ways in which big data is now empowering AI:

1. Big data technology — We have the ability now to process huge quantities of data that previously required extremely expensive hardware and software, or “commodity parallelism.”
2. Availability of large data sets — ICR, transcription, voice and image files, weather data, and logistics data are now available in ways that were never possible in the past; even old “paper sourced” data is coming online.
3. Machine learning at scale — “Scaled up” algorithms such as recurrent neural networks and deep learning are powering the breakthrough of AI.

Learn more / En savoir plus / Mehr erfahren:

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=AI

https://www.scoop.it/t/21st-century-innovative-technologies-and-developments/?&tag=AI

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=machine+learning

https://www.scoop.it/t/21st-century-learning-and-teaching/?&tag=Deep+Learning