Académique Documents
Professionnel Documents
Culture Documents
K. N. Charlemagne1 D. Jerome2
1 Informatique - IA
Examples
La voiture autonome de Google
Classification des emails dans Gmail
La reconnaissance vocale Siri d’Apple
La traduction en temps réel de deepl
Détection de fraude dans le monde de la banque
Reconnaissance faciale
Figure: mydral.com
Mode supervisé
à partir d’une donnée d’entrée, la tâche consiste à prédire le résultat ou
l’étiquetage correct.
Figure: mydral.com
Mode Supervisé
On cherche à construire un modèle qui explique ce que l’on veut
prédire (notre target) en fonction de plusieurs autres variables en
entrée (nos features).
Pendant la phase d’apprentissage, on donne à notre machine le
résultat attendu en fonction des données en entrée.
La machine apprend à détecter les liens qui vont lui permettre
d’associer un résultat à un certain nombre de données.
Exemples
Supervisé: Régression
Régression : la variable de sortie est continue
La régression a pour but d’approcher la valeur d’une variable à partir
d’autres variables qui lui sont corrélées.
Le résultat attendu sera toujours un chiffre ou un nombre, qu’il soit
Marseille entier ou décimal. . .
Ci-dessous par exemple, il s’agit bel et bien d’une régression, car on
cherche à prédire le prix, qui est une valeur numérique continue
Supervisé: Classification
Classification : la variable de sortie prend ses valeurs dans des classes
Prenons l’exemple de la figure ci-dessous.
Le résultat attendu ici est une catégorie d’animal: un chien ou un
chat ou un oiseau.
Supervisé: Classification
Dans cette pratique d’apprentissage, les réponses que l’on veut trouver ne
sont pas présentes dans les données fournies : l’algorithme utilise des
données non étiquetées.
Highlighting text
Important theorem
Sample text in red box
Examples
Sample text in green box. The title of the block is “Examples”.
cas d’utilisation:
cas d’utilisation:
Apprentissage supervisé
Classification
Arbres de décision
Forêt aléatoire
SVM
Réseaux de neurones artificiels K plus proches voisins
Classification naı̈ve bayésienne
Régression
Régression linéaire
Régression multivariée
Régression logistique
pour le renforcement
Q-learning (larevueia.fr/apprentissage-par-renforcement)
Temporal difference learning
Références