IA & Machine Learning

PyTorch et TensorFlow/Keras pour le deep learning, scikit-learn pour le machine learning classique.

📄️PyTorch

PyTorch (2016, Meta AI) est aujourd'hui le framework de deep learning dominant en recherche, et de plus en plus en production. Son idée centrale : manipuler des réseaux de neurones avec des tenseurs proches de NumPy, mais qui savent calculer automatiquement leurs propres gradients (autograd) — le mécanisme qui rend l'entraînement par rétropropagation possible sans dériver les formules à la main.

📄️TensorFlow & Keras

TensorFlow (2015, Google) est l'autre grand framework de deep learning, historiquement dominant en production/industrie face à PyTorch, plus présent en recherche. Depuis TensorFlow 2, Keras est son API officielle de haut niveau — au point que, dans la pratique quotidienne, on écrit surtout du Keras, TensorFlow restant le moteur de calcul en dessous.

📄️scikit-learn

scikit-learn (2007) est la bibliothèque de référence pour le machine learning classique en Python — par opposition au deep learning (PyTorch, TensorFlow/Keras). Régression, classification, clustering, réduction de dimension : scikit-learn couvre les algorithmes "traditionnels" (arbres de décision, forêts aléatoires, SVM, k-means...) avec une API unifiée qui rend les modèles interchangeables.