Venez assister à une présentation d'un cas pratique d'application du Deep Learning. Nous y montrerons comment retrouver des informations de commit perdues (est-ce un refactoring, un fix, une feature ?) en analysant seulement le contenu d’un message de commit, avec pour but d’en extraire des statistiques intéressantes sur notre code. Nous expliquerons les principes de base du Machine Learning et du Deep Learning en particulier, de façon accessible aux plus débutants. Nous partirons des notions basiques de sous-apprentissage, sur-apprentissage, de biais et de variance. Puis nous plongerons dans monde du Deep Learning et des techniques de Natural Language Processing: Comment analyser, représenter et classifier des sources de données textuelles ? Comment améliorer les performances d'un modèle ? Quels sont les pièges pratiques à éviter ? Quels gains peut-on espérer comparé à un algorithme manuel ? Cette présentation sera agrémentée de démonstrations régulières pour mettre en pratique chacune de ces notions. Nous y inclurons des passages de code Python simples, abordable pour tous, et directement réutilisable par l'audience.