Présentation du Machine Learning

Internet des objets : pourquoi il faudra attendre 2020 en Afrique
juin 6, 2017
Machine Learning : tout le monde en parle mais à quoi ça sert vraiment ?
juin 6, 2017

Les progrès considérables dans les domaines mathématiques et électronique, ainsi que les ambitions militaires ont fortement favorisé le développement de l’informatique. Cette évolution, combinée à l’essor de l’analyse prédictive vont conduire dans les années 40 à la naissance d’un nouveau concept, celui de l’Intelligence Artificielle.

 

 

 

 

L’Intelligence Artificielle est une discipline scientifique en quête de méthodes de création et de simulation de l’intelligence humaine. Son but est de permettre à une machine d’exécuter des actions normalement affiliées à l’intelligence humaine : compréhension, raisonnement, dialogue, adaptation, apprentissage, etc. Les branches constituant cette discipline sont multiples et variées, parmi lesquelles nous pouvons citer l’Apprentissage Artificiel ou Apprentissage Machine, ou encore Machine Learning en anglais. Cette branche de l’intelligence artificielle est essentiellement dédiée à l’étude de modèles et d’algorithmes capables d’apprendre automatiquement. Elle fait appel aux notions de d´optimisation, de statistiques, d’automatisme et d´observation.

L’objectif du Machine Learning est donc de concevoir des programmes pouvant s’améliorer automatiquement avec l’expérience et capable de prédire les événements avenirs. Autrement dit, une machine qui apprend dès lors qu’elle change sa structure, son programme ou ses données en fonction des données d’entrée ou des réponses de telle sorte que ses performances futures deviennent meilleures. Un exemple éloquent du Machine Learning consiste à savoir si un emprunteur potentiel, dont on connaît les caractéristiques (revenus, âge, taux d’épargne) fait partie ou non des clients à risque. L’Apprentissage se présente alors sous forme d’un jeu de règles à optimiser.

Dores et déjà les champs d’application de cette discipline sont multiples et variés. Elle est utilisée dans : La reconnaissance vocale, Le big data, La médecine, Le marketing, La robotique, La reconnaissance d’images, etc.

Bien avant le Machine Learning, il existait des algorithmes capables de résoudre divers problèmes. A l’exemple de A* qui permet de trouver le plus court chemin dans un graphe. Il est très utilisé dans la programmation des jeux vidéo. La particularité des algorithmes de Machine Learning réside dans le fait qu’ils prennent en compte les données environnantes pour extraire des tendances et ainsi faire des prédictions sur le futur. Malgré la jeunesse de cette discipline, il existe déjà des milliers d´algorithmes et des centaines d’autres sont développés chaque année. Ces algorithmes regroupés en quatre catégories essentielles :

  • L’apprentissage supervisé :

    Technique très courante de Machine Learning, elle élabore automatiquement des règles à partir d’une base de données. Cette dernière contient un ensemble d’éléments ou modèles caractérisés par des variables prédictives pour lesquelles les valeurs de la variable recherchée sont connus.

  • L’apprentissage non supervisé :

    Il s’agit de diviser un groupe hétérogène de données, en sous-groupes de manière à ce que les données considérées comme les plus similaires soient associées au sein d’un même groupe. Aussi les données considérées comme différentes se retrouveront dans d’autres groupes distincts ; l’objectif étant de permettre une extraction de connaissance organisée à partir de ces donnée.

 

  • L’apprentissage semi supervisé :

    comme son nom l’indique, elle se situe à mi-chemin entre l’apprentissage supervisé et l’apprentissage non supervisé. Les éléments dans la base de données n’ont pas tous de variable cible connues à l’avance.

  • L’apprentissage renforcé :

    Aussi appelé Apprentissage par Renforcement, il permet d’apprendre à partir de certaines expériences et ainsi définir les actions à entreprendre ou le comportement à adopter en fonction de la situation.

Chacun de ces algorithmes possède des propres caractéristiques intrinsèques et interviennent dans des domaines variés dans le but de rendre les machines de plus en plus intelligentes.

 

Sika Technologie

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *