<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Machine Learning on Antoine Boucher</title><link>https://antoineboucher.info/CV/blog/fr/tags/machine-learning/</link><description>Recent content in Machine Learning on Antoine Boucher</description><generator>Hugo</generator><language>fr</language><lastBuildDate>Mon, 13 Apr 2026 12:00:00 -0400</lastBuildDate><atom:link href="https://antoineboucher.info/CV/blog/fr/tags/machine-learning/index.xml" rel="self" type="application/rss+xml"/><item><title>Similarité entre films et recherche vectorielle</title><link>https://antoineboucher.info/CV/blog/fr/posts/vector-databases-similar-movies/</link><pubDate>Mon, 13 Apr 2026 12:00:00 -0400</pubDate><guid>https://antoineboucher.info/CV/blog/fr/posts/vector-databases-similar-movies/</guid><description>&lt;p&gt;Fil conducteur en &lt;strong&gt;trois parties&lt;/strong&gt; sur la &lt;strong&gt;similarité entre films&lt;/strong&gt; : &lt;strong&gt;partie 1&lt;/strong&gt; — embeddings dans &lt;strong&gt;PostgreSQL + pgvector&lt;/strong&gt; et recherche du plus proche voisin en SQL ; &lt;strong&gt;partie 2&lt;/strong&gt; — &lt;strong&gt;Qdrant&lt;/strong&gt; et &lt;strong&gt;MovieLens&lt;/strong&gt; (vecteurs denses pour la recherche sémantique, vecteurs creux pour un voisinage façon filtrage collaboratif) ; &lt;strong&gt;partie 3&lt;/strong&gt; — le même catalogue pgvector comme couche de &lt;strong&gt;récupération&lt;/strong&gt; pour un petit pipeline &lt;strong&gt;RAG&lt;/strong&gt; avec &lt;strong&gt;LangChain&lt;/strong&gt; et &lt;strong&gt;Ollama&lt;/strong&gt;. Ci-dessous, des extraits animés du travail (&lt;code&gt;movie-similarities-1.gif&lt;/code&gt; … &lt;code&gt;3.gif&lt;/code&gt;).&lt;/p&gt;</description></item><item><title>Run:ai sur AWS — notes de webinaire (inférence et autoscaling)</title><link>https://antoineboucher.info/CV/blog/fr/posts/runai-aws-inference-webinar/</link><pubDate>Tue, 06 Sep 2022 10:00:00 -0400</pubDate><guid>https://antoineboucher.info/CV/blog/fr/posts/runai-aws-inference-webinar/</guid><description>&lt;p&gt;Notes du webinaire &lt;strong&gt;Run:ai&lt;/strong&gt; sur l’exécution et la montée en charge des charges d’&lt;strong&gt;inférence&lt;/strong&gt; sur &lt;strong&gt;AWS&lt;/strong&gt; (Amériques). Run:ai met l’accent sur l’ordonnancement, la visibilité et l’efficacité pour les modèles sur GPU dans des environnements partagés.&lt;/p&gt;
&lt;h2 id="tableau-de-bord"&gt;Tableau de bord&lt;/h2&gt;
&lt;p&gt;Vue d’ensemble des jobs et de l’usage des ressources.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://antoineboucher.info/CV/blog/posts/runai-aws-inference-webinar/images/dashboard.jpeg" alt="Tableau de bord"&gt;&lt;/p&gt;
&lt;p&gt;&lt;img src="https://antoineboucher.info/CV/blog/posts/runai-aws-inference-webinar/images/dashboard1.jpeg" alt="Tableau de bord (autre vue)"&gt;&lt;/p&gt;
&lt;h2 id="cli"&gt;CLI&lt;/h2&gt;
&lt;p&gt;Opérations et automatisation en ligne de commande.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://antoineboucher.info/CV/blog/posts/runai-aws-inference-webinar/images/cli.jpeg" alt="CLI"&gt;&lt;/p&gt;
&lt;h2 id="modèles-et-charge"&gt;Modèles et charge&lt;/h2&gt;
&lt;p&gt;&lt;img src="https://antoineboucher.info/CV/blog/posts/runai-aws-inference-webinar/images/model.jpeg" alt="Vue modèle"&gt;&lt;/p&gt;
&lt;p&gt;&lt;img src="https://antoineboucher.info/CV/blog/posts/runai-aws-inference-webinar/images/multi.jpeg" alt="Plusieurs instances / scaling"&gt;&lt;/p&gt;</description></item></channel></rss>