Modérateur: Modos
Blade_Runner a écrit:Le vrai apport serait d'exploiter du big data sur les habitudes / résultats sportif / hygiène de vie / maladie d'une grande population de coureur pour faire du deep learning / machine learning afin de faire du prédictif sur les performances, risques de maladie etc.
A mon sens, le problème est qu'aujourd'hui, toutes ces données ne sont pas centralisées.
Blade_Runner a écrit:Le vrai apport serait d'exploiter du big data sur les habitudes / résultats sportif / hygiène de vie / maladie d'une grande population de coureur pour faire du deep learning / machine learning afin de faire du prédictif sur les performances, risques de maladie etc.
A mon sens, le problème est qu'aujourd'hui, toutes ces données ne sont pas centralisées.
Blade_Runner a écrit:...A mon avis, on aura pas de choses intéressantes tout de suite...
ilgigrad a écrit:Puisque le sujet est réapparu d’entre les morts, j’en profite pour signaler que j’ai branché les temps de passage du prochain ubbc (Ultra Boucle des Buttes Chaumont) sur une api de ma boite, de sorte de tenter de prédire les heures de passage de tel et tel concurrent en fonction des boucles précédentes et de l’évolution des temps de passage des autres coureurs. Pas sûr que les résultats soient probants; surtout si tel ou tel concurrent s’arrête pendant une heure pour descendre des bières sur le ravito.
On s’appuie sur un algo de gradient boosting qui utilise une forêt aléatoire, pour ceux à qui cela parle. Chaque passage permet d’entraîner le modèle, d’une part, et de générer une prédiction pour le passage suivant d’autre part.
Je vous dirait le 25 si je suis parvenu à prédire mieux qu’au doigt mouillé la plupart des temps de passage...
bubulle a écrit:ilgigrad a écrit:Puisque le sujet est réapparu d’entre les morts, j’en profite pour signaler que j’ai branché les temps de passage du prochain ubbc (Ultra Boucle des Buttes Chaumont) sur une api de ma boite, de sorte de tenter de prédire les heures de passage de tel et tel concurrent en fonction des boucles précédentes et de l’évolution des temps de passage des autres coureurs. Pas sûr que les résultats soient probants; surtout si tel ou tel concurrent s’arrête pendant une heure pour descendre des bières sur le ravito.
On s’appuie sur un algo de gradient boosting qui utilise une forêt aléatoire, pour ceux à qui cela parle. Chaque passage permet d’entraîner le modèle, d’une part, et de générer une prédiction pour le passage suivant d’autre part.
Je vous dirait le 25 si je suis parvenu à prédire mieux qu’au doigt mouillé la plupart des temps de passage...
Donc, tu nous mets un écran géant à la base vie et à chaque tour o on passe y'a Ménielgigrad qui nous prédit ce qu'on va faire au prochain et on fait rien qu'à faire exprès de la planter ?
ilgigrad a écrit:
On s’appuie sur un algo de gradient boosting qui utilise une forêt aléatoire, pour ceux à qui cela parle.
Ewi a écrit:Hahahah et a-t-on un moyen d’avoir les temps de passe en live? Histoire de faire tourner mes algo de prédictions.
Yvan11 a écrit:En résumé, aucune machine n'est pour l'instant assez balèze pour faire aussi bien que Rodio ?
Yvan11 a écrit:En résumé, aucune machine n'est pour l'instant assez balèze pour faire aussi bien que Rodio ?
Utilisateur(s) parcourant actuellement ce forum : Aucun utilisateur inscrit et 4 invité(s)
Accueil - Haut de page - Aide
- Contact
- Mentions légales
- Version mobile
- 0.01 sec
Kikouroù est un site de course à pied, trail, marathon. Vous trouvez des récits, résultats, photos, vidéos de course, un calendrier, un forum... Bonne visite !