Glossaire

Apprentissage automatique

Qu’est-ce que Apprentissage automatique ?

L’apprentissage automatique (machine learning) est une branche de l’intelligence artificielle dans laquelle les ordinateurs déduisent des régularités à partir de données au lieu de recevoir chaque règle explicitement programmée. Selon la tâche, les modèles apprennent à partir d’exemples étiquetés (supervisé), de données non étiquetées (non supervisé) ou par récompense (par renforcement). Les applications vont des filtres anti-spam aux prévisions de demande et aux recommandations de produits. La qualité dépend fortement du volume et de la qualité des données d’entraînement.

Thèmes

fondamentaux
IA
données

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Apprentissage profond

L'apprentissage profond (deep learning) est une branche de l'apprentissage automatique qui utilise des réseaux de neurones artificiels à nombreuses couches. Ces réseaux apprennent eux-mêmes, à partir de grandes quantités de données, quelles caractéristiques comptent – des contours dans les images aux liens de sens dans les textes. Il est à la base des modèles de langage actuels, de la reconnaissance d'images et de la parole ainsi que de la traduction automatique, et exige généralement beaucoup de puissance de calcul et de données.

réseaux de neurones
apprentissage automatique
+1

Apprentissage supervisé

En apprentissage supervisé, un modèle apprend à partir d'exemples dont la bonne réponse est déjà connue, par exemple des e-mails étiquetés « spam » ou « non spam ». Il en déduit des règles pour classer de nouveaux cas ou prédire des valeurs. Les tâches typiques sont la classification et la régression ; l'essentiel de l'effort consiste à produire des données correctement annotées.

Machine learning
Entraînement
+1

Apprentissage non supervisé

En apprentissage non supervisé, un modèle reçoit des données sans réponses correctes prédéfinies et recherche lui-même des structures. Les méthodes typiques sont le clustering, qui regroupe les enregistrements similaires, et la réduction de dimension, qui condense de nombreuses variables en quelques-unes essentielles. Les entreprises s'en servent pour découvrir des segments de clientèle ou repérer des transactions inhabituelles ; les groupes obtenus doivent ensuite être interprétés par des experts métier.

Machine learning
Clustering
+1

Apprentissage par renforcement (RL)

L'apprentissage par renforcement (reinforcement learning) est une branche de l'apprentissage automatique dans laquelle un agent apprend par essais et erreurs. Il agit dans un environnement, reçoit des récompenses pour les bons résultats et des pénalités pour les mauvais, et élabore ainsi une stratégie qui maximise le gain global. Parmi les exemples connus figurent les programmes qui maîtrisent des jeux comme le go, le pilotage de robots ou l'ajustement de modèles de langage à partir d'évaluations humaines.

méthode d'apprentissage
récompense
+1