{"id":77523,"date":"2021-07-23T08:42:43","date_gmt":"2021-07-23T07:42:43","guid":{"rendered":"https:\/\/datascientest.com\/?p=77523"},"modified":"2023-11-09T14:06:51","modified_gmt":"2023-11-09T14:06:51","slug":"generative-model-ou-modele-generatif","status":"publish","type":"post","link":"https:\/\/datascientest.com\/generative-model-ou-modele-generatif","title":{"rendered":"Generative Model ou Mod\u00e8le G\u00e9n\u00e9ratif : Tout comprendre"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"77523\" class=\"elementor elementor-77523\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-8daf00b e-flex e-con-boxed e-con\" data-id=\"8daf00b\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-721f526 elementor-widget elementor-widget-heading\" data-id=\"721f526\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Il est facile d'oublier tout ce que l'on sait du monde : on sait qu'il est compos\u00e9 d'environnements en 3D, d'objets qui bougent, entrent en collision, interagissent ; de personnes qui marchent, parlent et pensent ; d'\u00e9crans qui affichent des informations cod\u00e9es en langage sur la m\u00e9t\u00e9o, le vainqueur d'un match de basket ou ce qui s'est pass\u00e9 dans le football dans le pass\u00e9. Les mod\u00e8les g\u00e9n\u00e9ratifs peuvent \u00eatre tr\u00e8s utiles pour exploiter ces donn\u00e9es.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8c273c3 elementor-widget elementor-widget-text-editor\" data-id=\"8c273c3\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Cette \u00e9norme quantit\u00e9 d&rsquo;informations existe et est, dans une large mesure, facilement accessible, que ce soit dans le monde physique des atomes ou dans le monde num\u00e9rique des bits. La seule difficult\u00e9 consiste \u00e0 d\u00e9velopper des mod\u00e8les et des algorithmes capables d&rsquo;analyser et de comprendre ce tr\u00e9sor de donn\u00e9es.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-f9377c8 e-flex e-con-boxed e-con\" data-id=\"f9377c8\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-e7a6991 elementor-widget elementor-widget-heading\" data-id=\"e7a6991\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Qu\u2019est ce qu\u2019un mod\u00e8le g\u00e9n\u00e9ratif ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-92d55f1 elementor-widget elementor-widget-text-editor\" data-id=\"92d55f1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Il existe deux types de mod\u00e8les : les mod\u00e8les <\/span><b>discriminants <\/b><span style=\"font-weight: 400;\">et <\/span><b>g\u00e9n\u00e9ratifs<\/b><span style=\"font-weight: 400;\">. <\/span><span style=\"font-weight: 400;\">Les mod\u00e8les g\u00e9n\u00e9ratifs et discriminants sont deux approches diff\u00e9rentes qui sont largement \u00e9tudi\u00e9es dans la t\u00e2che de classification. <\/span><span style=\"font-weight: 400;\">Ils suivent un itin\u00e9raire diff\u00e9rent les uns des autres pour atteindre le r\u00e9sultat final. Les mod\u00e8les discriminants sont tr\u00e8s populaires et sont utilis\u00e9s de mani\u00e8re plus comparative pour effectuer la t\u00e2che car ils donnent de meilleurs r\u00e9sultats lorsqu&rsquo;ils sont fournis avec une bonne quantit\u00e9 de donn\u00e9es.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-88fac17 elementor-widget elementor-widget-heading\" data-id=\"88fac17\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Mod\u00e8le discriminant<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-56e0833 elementor-widget elementor-widget-text-editor\" data-id=\"56e0833\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">La t\u00e2che d&rsquo;un mod\u00e8le discriminant est simple, si on lui montre des donn\u00e9es de diff\u00e9rentes classes, il devrait \u00eatre capable de les discriminer. <br \/><\/span><\/p><p><strong>Par exemple, si je montre au mod\u00e8le un ensemble d&rsquo; images de chien et de chat, il devrait pouvoir dire ce qu&rsquo;est un chien et ce qu&rsquo;est un chat en utilisant des caract\u00e9ristiques discriminantes telles que la forme des yeux, la taille des oreilles, etc.<\/strong><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1984b0d elementor-widget elementor-widget-heading\" data-id=\"1984b0d\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Mod\u00e8le g\u00e9n\u00e9ratif<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8917bb6 elementor-widget elementor-widget-text-editor\" data-id=\"8917bb6\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Le mod\u00e8le g\u00e9n\u00e9ratif, quant \u00e0 lui, a une t\u00e2che beaucoup plus complexe \u00e0 accomplir. <\/span><strong>Il doit comprendre la distribution<\/strong><strong> \u00e0 partir de laquelle les donn\u00e9es sont obtenues et doit ensuite utiliser cette compr\u00e9hension pour effectuer la t\u00e2che de classification.<\/strong><span style=\"font-weight: 400;\"> Les mod\u00e8les g\u00e9n\u00e9ratifs ont \u00e9galement la capacit\u00e9 de <\/span><b>cr\u00e9er des donn\u00e9es similaires<\/b><span style=\"font-weight: 400;\"> aux donn\u00e9es d&rsquo;apprentissage qu&rsquo;ils ont re\u00e7ues, car ils ont appris la distribution \u00e0 partir de laquelle les donn\u00e9es sont fournies. <\/span><span style=\"font-weight: 400;\"><strong>Par exemple, si je montre \u00e0 un mod\u00e8le g\u00e9n\u00e9ratif un ensemble d&rsquo;images de chiens et de chats, le mod\u00e8le doit maintenant comprendre compl\u00e8tement quelles sont les caract\u00e9ristiques qui appartiennent \u00e0 une certaine classe et comment elles peuvent \u00eatre utilis\u00e9es pour g\u00e9n\u00e9rer des images similaires.<\/strong> <\/span><\/p><p><span style=\"font-weight: 400;\">En utilisant ces informations, il peut faire plusieurs choses. Il peut comparer les attributs pour classer l&rsquo;image de la m\u00eame mani\u00e8re que l&rsquo;algorithme discriminant peut classer une image. Cela peut g\u00e9n\u00e9rer une nouvelle image qui ressemble \u00e0 l&rsquo;une des images de classe qui lui ont \u00e9t\u00e9 fournies pour la formation.<\/span><\/p><p><span style=\"font-weight: 400;\">Les mod\u00e8les g\u00e9n\u00e9ratifs constituent <\/span><b>l&rsquo;une des approches les plus prometteuses <\/b><span style=\"font-weight: 400;\">pour atteindre cet objectif. Pour former un mod\u00e8le g\u00e9n\u00e9ratif, il faut commencer par collecter une grande quantit\u00e9 de donn\u00e9es dans un domaine donn\u00e9 (pensez \u00e0 des millions d&rsquo;images, de phrases, de sons, etc.), puis former un mod\u00e8le pour g\u00e9n\u00e9rer des donn\u00e9es similaires.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-373c778 e-flex e-con-boxed e-con\" data-id=\"373c778\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-a64597b elementor-widget elementor-widget-heading\" data-id=\"a64597b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Un exemple pour comprendre les mod\u00e8les g\u00e9n\u00e9ratifs<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7e1704e elementor-widget elementor-widget-text-editor\" data-id=\"7e1704e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Rendons cela plus concret \u00e0 l&rsquo;aide d&rsquo;un exemple. Supposons que nous disposions d&rsquo;une grande collection d&rsquo;images, comme les 1,2 million d&rsquo;images de l&rsquo;ensemble de donn\u00e9es ImageNet (mais n&rsquo;oubliez pas qu&rsquo;il pourrait s&rsquo;agir d&rsquo;une grande collection d&rsquo;images ou de vid\u00e9os provenant d&rsquo;Internet). Si nous redimensionnons chaque image pour qu&rsquo;elle ait une largeur et une hauteur de 256 (comme cela se fait couramment), notre ensemble de donn\u00e9es est un grand bloc de pixels de 1 200 000x256x256x3 (environ 200 Go). Voici quelques exemples d&rsquo;images tir\u00e9es de cet ensemble de donn\u00e9es :<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b9dcc18 elementor-widget elementor-widget-image\" data-id=\"b9dcc18\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1000\" height=\"1000\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/I4Q5ep9kOPcHLUnk4mzHsHPo-GG6BDCHl1ieY4JzWCnOD1RFQI_vfBHAZ46wzWr0t_ly83vwQQJoMMIlkdbPgbq9ryR5Zw5llUKADQzMv-Zvf3xyOx4EPtOOewfWxvuc.jpg\" class=\"attachment-full size-full wp-image-77525\" alt=\"ensemble de donn\u00e9es\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/I4Q5ep9kOPcHLUnk4mzHsHPo-GG6BDCHl1ieY4JzWCnOD1RFQI_vfBHAZ46wzWr0t_ly83vwQQJoMMIlkdbPgbq9ryR5Zw5llUKADQzMv-Zvf3xyOx4EPtOOewfWxvuc.jpg 1000w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/I4Q5ep9kOPcHLUnk4mzHsHPo-GG6BDCHl1ieY4JzWCnOD1RFQI_vfBHAZ46wzWr0t_ly83vwQQJoMMIlkdbPgbq9ryR5Zw5llUKADQzMv-Zvf3xyOx4EPtOOewfWxvuc-300x300.jpg 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/I4Q5ep9kOPcHLUnk4mzHsHPo-GG6BDCHl1ieY4JzWCnOD1RFQI_vfBHAZ46wzWr0t_ly83vwQQJoMMIlkdbPgbq9ryR5Zw5llUKADQzMv-Zvf3xyOx4EPtOOewfWxvuc-150x150.jpg 150w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/I4Q5ep9kOPcHLUnk4mzHsHPo-GG6BDCHl1ieY4JzWCnOD1RFQI_vfBHAZ46wzWr0t_ly83vwQQJoMMIlkdbPgbq9ryR5Zw5llUKADQzMv-Zvf3xyOx4EPtOOewfWxvuc-768x768.jpg 768w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/I4Q5ep9kOPcHLUnk4mzHsHPo-GG6BDCHl1ieY4JzWCnOD1RFQI_vfBHAZ46wzWr0t_ly83vwQQJoMMIlkdbPgbq9ryR5Zw5llUKADQzMv-Zvf3xyOx4EPtOOewfWxvuc-700x700.jpg 700w\" sizes=\"(max-width: 1000px) 100vw, 1000px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6ab5efa elementor-widget elementor-widget-text-editor\" data-id=\"6ab5efa\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Ces images sont des exemples de ce \u00e0 quoi ressemble notre monde visuel et nous les appelons des <\/span><b>\u00ab\u00a0\u00e9chantillons de la vraie distribution de donn\u00e9es\u00a0\u00bb<\/b><span style=\"font-weight: 400;\">. <\/span><span style=\"font-weight: 400;\">Nous construisons maintenant notre mod\u00e8le g\u00e9n\u00e9ratif que nous souhaitons entra\u00eener \u00e0 g\u00e9n\u00e9rer des images comme celles-ci \u00e0 partir de z\u00e9ro.<\/span><span style=\"font-weight: 400;\"> Concr\u00e8tement, un mod\u00e8le g\u00e9n\u00e9ratif dans ce cas pourrait \u00eatre un grand r\u00e9seau neuronal qui produit des images, que nous appelons \u00ab\u00a0\u00e9chantillons du mod\u00e8le\u00a0\u00bb.<\/span><\/p><p><span style=\"font-weight: 400;\">Pour avoir un aper\u00e7u du r\u00e9sultat, ce <a href=\"https:\/\/thispersondoesnotexist.com\/\">site<\/a> <\/span><span style=\"font-weight: 400;\">cr\u00e9e des visages de fa\u00e7on al\u00e9atoire, gr\u00e2ce \u00e0 l\u2019IA, qui n\u2019existent pas dans la r\u00e9alit\u00e9.<\/span><\/p><p><span style=\"font-weight: 400;\">A pr\u00e9sent, nous allons discuter de deux algorithmes g\u00e9n\u00e9ratifs c\u00e9l\u00e8bres, les autoencodeurs variationnels (ou vae) et les r\u00e9seaux antagonistes g\u00e9n\u00e9ratifs.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5142fd4 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"5142fd4\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formations-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrir nos formations en Data Science<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-591d4b8 e-flex e-con-boxed e-con\" data-id=\"591d4b8\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-ce34d63 elementor-widget elementor-widget-heading\" data-id=\"ce34d63\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Entra\u00eenement d'un mod\u00e8le g\u00e9n\u00e9ratif<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e7ba695 elementor-widget elementor-widget-heading\" data-id=\"e7ba695\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">GANs<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2c3141f elementor-widget elementor-widget-text-editor\" data-id=\"2c3141f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Supposons que nous utilisions un r\u00e9seau nouvellement initialis\u00e9 pour g\u00e9n\u00e9rer 200 images, en commen\u00e7ant chaque fois par un code al\u00e9atoire diff\u00e9rent.<\/span><strong> La question est la suivante : comment ajuster les param\u00e8tres du r\u00e9seau pour l&rsquo;encourager \u00e0 produire des \u00e9chantillons l\u00e9g\u00e8rement plus cr\u00e9dibles \u00e0 l&rsquo;avenir ?<\/strong><span style=\"font-weight: 400;\"> Notez que nous ne sommes pas dans un cadre supervis\u00e9 simple et que nous n&rsquo;avons <\/span><b>pas d&rsquo;objectifs explicites <\/b><span style=\"font-weight: 400;\">pour nos 200 images g\u00e9n\u00e9r\u00e9es ; nous voulons simplement qu&rsquo;elles aient l&rsquo;air r\u00e9elles. Une fa\u00e7on intelligente de contourner ce probl\u00e8me consiste \u00e0 suivre l&rsquo;approche du <\/span><b>r\u00e9seau adversarial g\u00e9n\u00e9ratif : GAN<\/b><span style=\"font-weight: 400;\">. <\/span><\/p><p>Dans ce cas, nous introduisons un second r\u00e9seau discriminant (g\u00e9n\u00e9ralement un r\u00e9seau neuronal convolutif standard) qui tente de d\u00e9terminer si une image d&rsquo;entr\u00e9e est r\u00e9elle ou g\u00e9n\u00e9r\u00e9e. Par exemple, nous pouvons introduire les 200 images g\u00e9n\u00e9r\u00e9es et les 200 images r\u00e9elles dans le discriminateur et l&rsquo;entra\u00eener comme un classificateur standard \u00e0 distinguer les deux sources. Mais en plus de cela &#8211; et c&rsquo;est l\u00e0 que r\u00e9side l&rsquo;astuce &#8211; nous pouvons \u00e9galement effectuer une <b>r\u00e9tropropagation <\/b><span style=\"font-weight: 400;\">\u00e0 travers le discriminateur et le g\u00e9n\u00e9rateur pour trouver comment modifier les param\u00e8tres du g\u00e9n\u00e9rateur afin que ses 200 \u00e9chantillons soient l\u00e9g\u00e8rement plus d\u00e9routants pour le discriminateur. <br \/><\/span><span style=\"font-weight: 400;\"><br \/><strong>Ces deux r\u00e9seaux sont donc engag\u00e9s dans une bataille : le discriminateur essaie de distinguer les vraies images des fausses et le g\u00e9n\u00e9rateur essaie de cr\u00e9er des images qui font croire au discriminateur qu&rsquo;elles sont r\u00e9elles.<\/strong><\/span><span style=\"font-weight: 400;\"> En fin de compte, le r\u00e9seau du g\u00e9n\u00e9rateur produit des images qui sont impossibles \u00e0 distinguer des images r\u00e9elles pour le discriminateur.<\/span><\/p><p><span style=\"font-weight: 400;\">Pour plus d\u2019informations sur les GANs, lisez <a href=\"https:\/\/datascientest.com\/gan-machine-learning\">cet article<\/a>.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-68f069e elementor-widget elementor-widget-heading\" data-id=\"68f069e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Autoencodeur<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d9db9ff elementor-widget elementor-widget-text-editor\" data-id=\"d9db9ff\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Un autocendoeur est un type de r\u00e9seau de neurones utilis\u00e9 pour apprendre des repr\u00e9nsentations des jeux de donn\u00e9es de mani\u00e8re non supervis\u00e9e. <\/span><strong>Le but d\u2019un autoencodeur est d\u2019apprendre une repr\u00e9sentation (encodage) pour un ensemble de donn\u00e9es, typiquement pour la r\u00e9duction de dimensionnalit\u00e9.<\/strong><\/p><p><span style=\"font-weight: 400;\">En tant qu\u2019humains, nous sommes capables de visualiser les choses en utilisant peu d\u2019attributs. Par exemple, si nous d\u00e9crivons un humain comme grand, blond, volumineux, sans moustache on peut cr\u00e9er une visualisation bas\u00e9e sur ces attributs. Si nous montrons une image d\u2019une personne, <\/span><b>un humain est capable d\u2019apprendre tous les attributs <\/b><span style=\"font-weight: 400;\">(appel\u00e9s attributs latents) tels que ceux ci-dessus n\u00e9cessaires pour identifier la personne, puis peut les utiliser pour visualiser et\/ou reconstruire la personne.<\/span><\/p><p><span style=\"font-weight: 400;\">L&rsquo;encodeur est similaire \u00e0 n&rsquo;importe quel r\u00e9seau de neurones de classification sans la couche softmax de pr\u00e9diction. Dans la figure ci-dessous du r\u00e9seau, si nous supprimons la couche softmax finale, les 1000 valeurs finales que nous obtenons peuvent \u00eatre consid\u00e9r\u00e9es comme 1000 attributs latents d&rsquo;une image.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e014912 elementor-widget elementor-widget-image\" data-id=\"e014912\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t\t<a href=\"https:\/\/ichi.pro\/fr\/reduire-les-goulots-d-etranglement-de-l-autoencodeur-variationnel-a-la-volee-150887936296288\">\n\t\t\t\t\t\t\t<img decoding=\"async\" width=\"724\" height=\"256\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/Fl4hS_SWOccJk1FX5wbOHR_BErsjgDRj98zviLlvXlLDULRySxNBG8YT7ZhH0_tnaX1iBsuc2OUA8uDLdXjyVZS0sHfuutcFL.jpg\" class=\"attachment-full size-full wp-image-77530\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/Fl4hS_SWOccJk1FX5wbOHR_BErsjgDRj98zviLlvXlLDULRySxNBG8YT7ZhH0_tnaX1iBsuc2OUA8uDLdXjyVZS0sHfuutcFL.jpg 724w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/Fl4hS_SWOccJk1FX5wbOHR_BErsjgDRj98zviLlvXlLDULRySxNBG8YT7ZhH0_tnaX1iBsuc2OUA8uDLdXjyVZS0sHfuutcFL-300x106.jpg 300w\" sizes=\"(max-width: 724px) 100vw, 724px\" \/>\t\t\t\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Source : ICHI.PRO<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cfb35f6 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"cfb35f6\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formations-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">En savoir plus sur nos formations en Data Science<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b38c084 elementor-widget elementor-widget-text-editor\" data-id=\"b38c084\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Le<\/span><b> d\u00e9codeur<\/b><span style=\"font-weight: 400;\"> est l&rsquo;oppos\u00e9 de l&rsquo;encodeur, il <\/span><b>prend les attributs latents de la sortie de l&rsquo;encodeur<\/b><span style=\"font-weight: 400;\"> et essaie de <\/span><b>reconstruire l&rsquo;image<\/b><span style=\"font-weight: 400;\">. Cela se fait \u00e0 l&rsquo;aide de couches de d\u00e9convolution qui peuvent d\u00e9s\u00e9chantillonner l&rsquo;entr\u00e9e.<\/span><\/p><p><span style=\"font-weight: 400;\">Le goulot d&rsquo;\u00e9tranglement est le vecteur latent \u00e9mis par le codeur (le vecteur z dans l\u2019image) et sur\u00e9chantillonn\u00e9 par le d\u00e9codeur. Il contient les attributs latents produits par le d\u00e9codeur tels que la taille, le poids, etc. d\u00e9crits ci-dessus.<\/span><\/p><p><span style=\"font-weight: 400;\">Le r\u00e9seau d&rsquo;encodeur et de d\u00e9codeur est entra\u00een\u00e9 ensemble en utilisant la r\u00e9tropropagation pour r\u00e9duire la perte de reconstruction telle que l&rsquo;erreur quadratique moyenne entre les pixels.<\/span><\/p><p><span style=\"font-weight: 400;\">Un autre exemple concret pour illustrer l\u2019utilit\u00e9 de la vae : <\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1095177 elementor-widget elementor-widget-image\" data-id=\"1095177\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t\t<a href=\"https:\/\/ichi.pro\/fr\/modelisation-generative-avec-codeur-automatique-variationnel-vae-277371603749134\">\n\t\t\t\t\t\t\t<img decoding=\"async\" width=\"724\" height=\"358\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/encoder.jpg\" class=\"attachment-full size-full wp-image-77534\" alt=\"Encoder\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/encoder.jpg 724w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/06\/encoder-300x148.jpg 300w\" sizes=\"(max-width: 724px) 100vw, 724px\" \/>\t\t\t\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Source : ICHI.PRO<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4dd2eea elementor-widget elementor-widget-text-editor\" data-id=\"4dd2eea\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">En utilisant les attributs latents, ce r\u00e9seau est capable de<\/span><b> g\u00e9n\u00e9rer une image<\/b><span style=\"font-weight: 400;\"> en respectant \u00e0 la lettre les attributs donn\u00e9s.<\/span><\/p><p><span style=\"font-weight: 400;\">La Data Science peut devenir un formidable outil de cr\u00e9ation et d\u2019imagination. Les premi\u00e8res applications se sont surtout d\u00e9velopp\u00e9es autour de la cr\u00e9ation d\u2019images, mais les possibilit\u00e9s de cette nouvelle technologie restent tr\u00e8s nombreuses.<\/span><\/p><p><span style=\"font-weight: 400;\">Cet article vous a-t-il plus ? <\/span><span style=\"font-weight: 400;\">Si vous voulez en apprendre plus sur la <\/span><a href=\"https:\/\/datascientest.com\/computer-vision\">computer vision<\/a> <span style=\"font-weight: 400;\">et l\u2019intelligence artificielle appliqu\u00e9e aux images : d\u00e9couvrez l\u2019une de nos formations.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0956437 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"0956437\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formations-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Cliquez pour d\u00e9couvrir nos formations<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Il est facile d&rsquo;oublier tout ce que l&rsquo;on sait du monde : on sait qu&rsquo;il est compos\u00e9 d&rsquo;environnements en 3D, d&rsquo;objets qui bougent, entrent en collision, interagissent ; de personnes qui marchent, parlent et pensent ; d&rsquo;\u00e9crans qui affichent des informations cod\u00e9es en langage sur la m\u00e9t\u00e9o, le vainqueur d&rsquo;un match de basket ou ce [&hellip;]<\/p>\n","protected":false},"author":77,"featured_media":85186,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2497],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Generative Model ou Mod\u00e8le G\u00e9n\u00e9ratif : Tout comprendre<\/title>\n<meta name=\"description\" content=\"Il est facile d&#039;oublier tout ce que l&#039;on sait du monde : on sait qu&#039;il est compos\u00e9 d&#039;environnements en 3D, d&#039;objets qui bougent, entrent en collision, interagissent ; de personnes qui marchent, parlent et pensent ; d&#039;\u00e9crans qui affichent des informations cod\u00e9es en langage sur la m\u00e9t\u00e9o, le vainqueur d&#039;un match de basket ou ce qui s&#039;est pass\u00e9 dans le football dans le pass\u00e9. Les mod\u00e8les g\u00e9n\u00e9ratifs peuvent \u00eatre tr\u00e8s utiles pour exploiter ces donn\u00e9es.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/generative-model-ou-modele-generatif\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Generative Model ou Mod\u00e8le G\u00e9n\u00e9ratif : Tout comprendre\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/generative-model-ou-modele-generatif\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2021-07-23T07:42:43+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-09T14:06:51+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/07\/illu_modele_generatif-31.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Raphael Kassel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Raphael Kassel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/generative-model-ou-modele-generatif\",\"url\":\"https:\/\/datascientest.com\/generative-model-ou-modele-generatif\",\"name\":\"Generative Model ou Mod\u00e8le G\u00e9n\u00e9ratif : Tout comprendre\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2021-07-23T07:42:43+00:00\",\"dateModified\":\"2023-11-09T14:06:51+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\"},\"description\":\"Il est facile d'oublier tout ce que l'on sait du monde : on sait qu'il est compos\u00e9 d'environnements en 3D, d'objets qui bougent, entrent en collision, interagissent ; de personnes qui marchent, parlent et pensent ; d'\u00e9crans qui affichent des informations cod\u00e9es en langage sur la m\u00e9t\u00e9o, le vainqueur d'un match de basket ou ce qui s'est pass\u00e9 dans le football dans le pass\u00e9. Les mod\u00e8les g\u00e9n\u00e9ratifs peuvent \u00eatre tr\u00e8s utiles pour exploiter ces donn\u00e9es.\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/generative-model-ou-modele-generatif\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\",\"name\":\"Raphael Kassel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"caption\":\"Raphael Kassel\"},\"description\":\"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \\\"Chef de projet IA\\\" et \\\"Data Product Manager\\\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/raphaelkassel\/\",\"Data Science\"],\"url\":\"https:\/\/datascientest.com\/author\/raphaelkassel\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Generative Model ou Mod\u00e8le G\u00e9n\u00e9ratif : Tout comprendre","description":"Il est facile d'oublier tout ce que l'on sait du monde : on sait qu'il est compos\u00e9 d'environnements en 3D, d'objets qui bougent, entrent en collision, interagissent ; de personnes qui marchent, parlent et pensent ; d'\u00e9crans qui affichent des informations cod\u00e9es en langage sur la m\u00e9t\u00e9o, le vainqueur d'un match de basket ou ce qui s'est pass\u00e9 dans le football dans le pass\u00e9. Les mod\u00e8les g\u00e9n\u00e9ratifs peuvent \u00eatre tr\u00e8s utiles pour exploiter ces donn\u00e9es.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/generative-model-ou-modele-generatif","og_locale":"fr_FR","og_type":"article","og_title":"Generative Model ou Mod\u00e8le G\u00e9n\u00e9ratif : Tout comprendre","og_url":"https:\/\/datascientest.com\/generative-model-ou-modele-generatif","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2021-07-23T07:42:43+00:00","article_modified_time":"2023-11-09T14:06:51+00:00","og_image":[{"width":1024,"height":562,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/07\/illu_modele_generatif-31.png","type":"image\/png"}],"author":"Raphael Kassel","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Raphael Kassel","Dur\u00e9e de lecture estim\u00e9e":"8 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/generative-model-ou-modele-generatif","url":"https:\/\/datascientest.com\/generative-model-ou-modele-generatif","name":"Generative Model ou Mod\u00e8le G\u00e9n\u00e9ratif : Tout comprendre","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2021-07-23T07:42:43+00:00","dateModified":"2023-11-09T14:06:51+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1"},"description":"Il est facile d'oublier tout ce que l'on sait du monde : on sait qu'il est compos\u00e9 d'environnements en 3D, d'objets qui bougent, entrent en collision, interagissent ; de personnes qui marchent, parlent et pensent ; d'\u00e9crans qui affichent des informations cod\u00e9es en langage sur la m\u00e9t\u00e9o, le vainqueur d'un match de basket ou ce qui s'est pass\u00e9 dans le football dans le pass\u00e9. Les mod\u00e8les g\u00e9n\u00e9ratifs peuvent \u00eatre tr\u00e8s utiles pour exploiter ces donn\u00e9es.","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/generative-model-ou-modele-generatif"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1","name":"Raphael Kassel","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","caption":"Raphael Kassel"},"description":"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \"Chef de projet IA\" et \"Data Product Manager\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.","sameAs":["https:\/\/www.linkedin.com\/in\/raphaelkassel\/","Data Science"],"url":"https:\/\/datascientest.com\/author\/raphaelkassel"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/77523"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/77"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=77523"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/77523\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/85186"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=77523"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=77523"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=77523"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}