# Conference Google: Construire des solutions plus intelligentes sans expertise en machine learning

:::danger
Sans expertise en ML != Sans ML
:::

# Intro
## Who are we ?
Laurent Picard
- Developer advocate - Google Cloud
- Ebook pioner

> Any sufficiently advanced **technology** is indistiguishable from **magic**
> - Arthur C. Clarke

## What is machine learning ?

## Why is machine learning now possible ?

## Three ways we can benefit from ML today

:::success
Ne reiventez pas la roue !
:::

Nouveau champ: auto-ML
- on peut construire nos propres models sans expertise


# Machine learning API

## Ready-to-use models

## Vision API
Computer vision before ML:


Landmark detection:

:::success
Capable de determiner ou a ete prise la photo (quel endroit)
:::
La photo originale a ete modifiee (symetrie horizontale)
- Toujours capable de determiner l'origine de la photo

Object detection:

Face detection:

Vue 3D de Gollum donc pas un vrai visage humain (mais marche quand meme !)

Text detection:

Meme avec une legere rotation, on detecte toujours le texte

Detecte egalement l'ecriture manuscrite (quelques erreurs)

Web entity detection and image matching:
La photo ci-dessus de Tolkien est totalement inedite pour l'API utilisee, capable de reconnaitre Tolkien + determiner que l'origine est un journal espagnol

### OSS Client libraries

Librairies clientes en open-source sur GitHub dans plusieurs langages.

## Video Intelligence API
Demo:

### OSS Client libraries

## Natural Language API
Analyze text with a simple request

Syntax analysis:

Entity detection

Content classification

Sentiment analysis:

:::warning
Le ML se plante totalement sur la detection du sarcasme.
:::

## Translation API

:::info
Google Translate par exemple!
:::

:::success
On peut les ameliorer regulierement en fournissant de plus en plus d'exemples et de contre-exemples.
:::

## Speech-to-Text API
Convert text to speech in 120 languages with a simple request.


:::info
Fonctionne en temps reel.
:::
> Ex: il y a quelques annees repeter a un bot en appelant une banque "Je veux un conseiller" en esperant qu'il comprenne.

Consequence sympa des reseaux neuronaux: aujourd'hui les speech-to-text API sont resistants aux bruits car ils apprennent a partir de vrais echantillon.

Speech timestamps:
Search for text within your audio

### OSS Client libraries

## Text-to-speech (TTS) API
Generate natural speech with a simple request

### WaveNet natural voices, par Deepmind

:::info
C'est le modele le plus avance de tous, qui reproduit le mieux une voix humaine.
:::

Demo: "Quelle est la temperature a Paris ?" avec un accent anglais
*Tadaaaaaa*

### OSS Client libraries

Tuto pour generer des voix

# AutoML
Build your custom model with no expertise

## Generic results with the Vision API

### Cloud AutoML

Demo:

Utilisation de ~250 images en moyennes

> "Juste" 3h de calculs.


## Auto-generate a custom model from your data

## Unified in AI Platform

## Demo
### Evaluation

## Transfert learning

## Hyperparameter tuning

# Conlusion
## How can I build smarter solutions ?

## Liens utiles
→ [Présentation](https://bit.ly/slides-mlmagic)
→ [BD Google AI](https://bit.ly/ml-comic)
→ [ML codelabs](https://bit.ly/ml-codelabs)