APPRENTISSAGE AUTOMATIQUE (INTELLIGENCE ARTIFICIELLE)

+ Pays-Region-Ville

Pays
France (5)
Pays-bas (1)
Region
Ville

(APPRENTISSAGE AUTOMATIQUE)

FICHIER PDF

FICHIER WMV(VIDEO)

Date/Heure :		Sigle : Code :
Nom Long :	Machine Learning	Nom (Anglais) : Machine Learning
		Résumé (Anglais) :
Résumé :	champ d'étude de l'intelligence artificielle qui se base sur des approches statistiques pour donner aux ordinateurs la capacité d' « apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches Première phase (apprentissage, entraînement) : estimer un modèle à partir de données, qui sont disponibles et en nombre fini (donnée d'observation). exemple : traduire un discours reconnaître la présence d'un chat dans une photographie conduire d'un véhicule autonome Seconde phase (production) : le modèle étant déterminé, de nouvelles données peuvent alors être soumises afin d'obtenir le résultat correspondant à la tâche souhaitée. En pratique, certains systèmes peuvent poursuivre leur apprentissage une fois en production, pour peu qu'ils aient un moyen d'obtenir un retour sur la qualité des résultats (réponses) produits. [...] peut être appliqué à différents types de données, tels des graphes (dont les arbres), des courbes, ou plus simplement des vecteurs de caractéristiques, qui peuvent être continues ou discrètes. [...] Apprentissage supervisé Si les classes sont prédéterminées et les exemples connus, le système apprend à classer selon un modèle de classification ou de classement ; on parle alors d'apprentissage supervisé (ou d'analyse discriminante). Un expert (ou oracle) doit préalablement étiqueter des exemples. Le processus se passe en deux phases. Lors de la première phase (hors ligne, dite d'apprentissage), il s'agit de déterminer un modèle à partir des données étiquetées. La seconde phase (en ligne, dite de test) consiste à prédire l'étiquette d'une nouvelle donnée, connaissant le modèle préalablement appris. Parfois il est préférable d'associer une donnée non pas à une classe unique, mais une probabilité d'appartenance à chacune des classes prédéterminées (on parle alors d'apprentissage supervisé probabiliste). ex. : L'analyse discriminante linéaire ou les SVM en sont des exemples typiques. Autre exemple : en fonction de points communs détectés avec les symptômes d'autres patients connus (les exemples), le système peut catégoriser de nouveaux patients au vu de leurs analyses médicales en risque estimé (probabilité) de développer telle ou telle maladie. Apprentissage non supervisé Quand le système ou l'opérateur ne dispose que d'exemples, mais non d'étiquette, et que le nombre de classes et leur nature n'ont pas été prédéterminées, on parle d'apprentissage non supervisé ou clustering en anglais. Aucun expert n'est requis. L'algorithme doit découvrir par lui-même la structure plus ou moins cachée des données. Le partitionnement de données, data clustering en anglais, est un algorithme d'apprentissage non supervisé. Le système doit ici — dans l'espace de description (la somme des données) — cibler les données selon leurs attributs disponibles, pour les classer en groupe homogènes d'exemples. La similarité est généralement calculée selon une fonction de distance entre paires d'exemples. C'est ensuite à l'opérateur d'associer ou déduire du sens pour chaque groupe et pour les motifs (patterns en anglais) d'apparition de groupes, ou de groupes de groupes, dans leur « espace ». Divers outils mathématiques et logiciels peuvent l'aider.
Site Internet d'origine:	Ouvrir
Pays Région Ville
Site Web Exterieur :	Ouvrir	Email : Ecrire
Vidéo :
modification :	2019-01-26 19:40:37 création : 2018-11-14 17:37:23

CHIFFRES ASSOCIE(S) :

Pas de données chiffrées pour cet élément

Objets associés à APPRENTISSAGE AUTOMATIQUE :

abonné :

oeuvres

(Sans Date Passif)

LA MACHINE N'A PAS [ENCORE] UNE COMPRÉHENSION DU SENS PROFOND DE LA PHRASE

oeuvres

(Avec Date Passif)

CORDIAL PRO

2000

(FRANCE)

NEXT REMBRANDT

nouveau Rembrandt créé par un ordinateur

2016

(PAYS-BAS)

personnes

(Avec Date Passif)

YANN LE CUN

1960

(FRANCE)

produits

(Sans Date Passif)

ORDINATEUR

computer

actions

(Sans Date Actif)

APPRENDRE

to learn

articles

(Sans Date Passif)

APPRENTISSAGE PROFOND

deep learning

deep learning

APPRENTISSAGE SUPERVISÉ

ENTRAÎNEMENT

CNN

RÉSEAU NEURONAL CONVOLUTIF

réseau de neurones à convolution

convolutional neural networks

articles

(Sans Date Actif)

ALGORITHME

algorithm

APPRENTISSAGE

ARBRE (DONNÉE)

THÉORIE DES GRAPHES

DONNÉE (INFORMATIQUE)

data

IA

INTELLIGENCE ARTIFICIELLE

ONTOLOGIE

PRÉDICTION

RÉSEAU DE NEURONES

STATISTIQUE

articles

(Avec Date Passif)

MACHINE LEARNING (TOM)

2019

adjectifs

(Sans Date Actif)

AUTOMATIQUE (ADJECTIF)