add more link

_doc/sphinxdoc/source/blog/2017/2017-02-25_performance.rst

@@ -1,6 +1,6 @@
 
 .. blogpost::
-    :title: Performance du langage Pyhon
+    :title: Performance du langage Python
     :keywords: python, performance
     :date: 2017-02-25
     :categories: performance

_doc/sphinxdoc/source/blog/2017/2017-06-24_cheatsheets.rst

@@ -0,0 +1,14 @@
+
+.. blogpost::
+    :title: Cheat Sheets
+    :keywords: python, machine learning, cheat sheet
+    :date: 2017-06-24
+    :categories: cheat sheet
+
+    Quand quelqu'un s'amuse à regrouper plusieurs
+    *cheat sheets* au même endroit, il faut absolument
+    garder le lien quelque part,
+    `Essential Cheat Sheets for Machine Learning and Deep Learning Engineers <https://startupsventurecapital.com/essential-cheat-sheets-for-machine-learning-and-deep-learning-researchers-efb6a8ebd2e5>`_,
+    et son répertoire `GitHub <https://github.com/kailashahirwar/cheatsheets-ai>`_.
+    C'est une façon très simple d'attirer pas mal de monde au même endroit
+    car cela nous évite pas mal d'aller retour vers un moteur de recherche.

_doc/sphinxdoc/source/td_2a.rst

@@ -37,10 +37,15 @@ La présentation
 `ENSAE 2A - Données, Machine Learning et Programmation <http://www.xavierdupre.fr/app/ensae_teaching_cs/pressphinx_2A/index.html>`_ |slideslogo|
 donne un aperçu des thèmes abordés.
 
-* :ref:`feuille de route 2016 <l-feuille-de-route-2016-2A>`
-* :ref:`compétitions <td2A-competition-ml>`
+* :ref:`feuille de route 2016 <l-feuille-de-route-2016-2A>`,
+* :ref:`compétitions <td2A-competition-ml>`,
 * :ref:`projet informatique <l-projinfo2a>`.
 
+Le terme *cheat sheet* est un mot-clé plutôt efficace sur Internet pour
+retrouver les bout de codes les plus fréquents. Cette page regroupe des
+*cheat sheets* sur beaucoup de sujet évoqué ci-dessous :
+`Essential Cheat Sheets for Machine Learning and Deep Learning Engineers <https://startupsventurecapital.com/essential-cheat-sheets-for-machine-learning-and-deep-learning-researchers-efb6a8ebd2e5>`_.
+
 **Thèmes :**
 
 .. |slideslogo| image:: _static/slides_logo.png

_doc/sphinxdoc/source/td_2a_mlplus.rst

@@ -176,6 +176,9 @@ Auto-Learning
 * `Neural Architecture Search With Reinforcement Learning <https://openreview.net/forum?id=r1Ue8Hcxg&noteId=r1Ue8Hcxg>`_ (`pdf <https://openreview.net/pdf?id=r1Ue8Hcxg>`_
 * `ASlib: A Benchmark Library for Algorithm Selection <https://arxiv.org/abs/1506.02465>`_
 * `MacroBase: Prioritizing Attention in Fast Data <https://arxiv.org/pdf/1603.00567.pdf>`_
+* `A Bayesian criterion for evaluating the robustness of classification rules in binary data sets <http://www.marc-boulle.fr/publications/GayEtAlAKDM12.pdf>`_
+* `Bayesian instance selection for the nearest neighbor rule <http://www.marc-boulle.fr/publications/FerrandizEtAlML10.pdf>`_
+* `One Model To Learn Them All <https://arxiv.org/abs/1706.05137>`_
 
 *Sites*
 
@@ -199,6 +202,33 @@ Prédire une distribution
 
 * `Learning with a Wasserstein Loss <https://arxiv.org/pdf/1506.05439.pdf>`_
 
+Sequence Learning
++++++++++++++++++
+
+|pystatpng|
+
+*(à venir)*
+
+*Lectures*
+
+* `A Credit Assignment Compiler for Joint Prediction <https://arxiv.org/pdf/1406.1837.pdf>`_
+
+Clustering pas classique
+++++++++++++++++++++++++
+
+|pystatpng|
+
+(à venir)
+
+*Clustering de trajectoires*
+
+Le problème est qu'on cherche plutôt à clusteriser de bouts de trajectoires sinon il suffirait
+de clusteriser le point de départ d'arrivée. Que ferait-on alors de deux trajectoires
+qui passent par le même chemin ?
+
+* `Discovering Patterns in Time-Varying Graphs: A Triclustering Approach <http://www.marc-boulle.fr/publications/GuigouresEtAlADAC15.pdf>`_
+* `Co-Clustering Network-Constrained Trajectory Data <http://www.marc-boulle.fr/publications/ElMahrsiEtAlAKDM15.pdf>`_
+
 ---------------
 
 Données, Anonymisation, Cryptage