[ Stack technique ]
LightGBM
Le gradient boosting de Microsoft, taillé pour la vitesse sur les gros volumes.
LightGBM entraîne des arbres de décision par gradient boosting avec une approche histogramme : les valeurs continues sont discrétisées en bins, ce qui réduit fortement la mémoire et le temps de calcul. Sa croissance des arbres feuille par feuille (leaf-wise), ses techniques GOSS et EFB pour échantillonner les gradients et regrouper les features creuses, et son apprentissage distribué en font un booster très rapide et économe en mémoire. C'est notre choix dès que les données dépassent le million de lignes ou des centaines de features, et que les itérations doivent rester courtes.
[ Pourquoi LightGBM chez Dexon ]
Ce que cette techno fait bien, et pourquoi nous la mobilisons.
Usage typique : Scoring à grande échelle, ranking et recommandation, prévision, détection d'anomalies.
- 01
Approche histogramme : features discrétisées en bins, mémoire et calcul réduits.
- 02
Croissance leaf-wise des arbres : moins d'itérations pour atteindre la même perte.
- 03
Support natif des features catégorielles, sans one-hot encoding préalable.
- 04
Entraînement distribué et GPU, API Python, R et C++, compatible scikit-learn.
[ Technologies complémentaires ]
Les briques que nous mobilisons souvent en parallèle.
Une stack existe rarement seule. Voici les technologies que Dexon associe le plus souvent à celle-ci, par habitude de pipeline, similarité d'usage ou maîtrise interne. Cliquez sur une brique pour voir son périmètre.
[ Réassurance ]
- 0+
- projets livrés sur mesure
- 30
- ingénieurs, designers, chefs de projet
- 80 %
- issus des meilleures écoles FR
- 24 h
- délai moyen de réponse
[ Ils nous font confiance ]
Plus de 100 entreprises françaises et européennes nous accordent leur confiance.
[ Presse ]
Ils parlent de nous.
Couverture nationale par BFM Business, Le Figaro, Challenges, La Tribune et CNews. Une lecture extérieure de notre travail et de nos innovations.
