Académique Documents
Professionnel Documents
Culture Documents
Mirrane Achraf
Janvier 2023
1 Introduction
2 Apprentissage automatique
C’est quoi l’apprentissage automatique ?
Types d’apprentissage automatique ?
Exemples d’intelligences artificielles ?
3 Apprentissage supervisé
Définition
Algorithme kNN
Matrice de confusion
Applications
Introduction
Definition
L’intelligence artificielle (IA) est un processus d’imitation de l’intelligence
humaine qui repose sur la création et l’application d’algorithmes exécutés
dans un environnement informatique dynamique. Son but est de permettre à
des ordinateurs de penser et d’agir comme des êtres humains.
Pour y parvenir, trois composants sont nécessaires :
• Des systèmes informatiques
• Des données avec des systèmes de gestion
• Des algorithmes d’IA avancés (code)
Pour se rapprocher le plus possible du comportement humain, l’intelligence
artificielle a besoin d’une quantité de données et d’une capacité de traitement
élevées.
Apprentissage automatique
Definition
Le Machine Learning ou apprentissage automatique est une sous-catégorie de
l’intelligence artificielle.
Elle consiste à laisser des algorithmes découvrir des » patterns « , à savoir des
motifs récurrents, dans les ensembles de données. Ces données peuvent être
des chiffres, des mots, des images, des statistiques. . .
Tout ce qui peut être stocké numériquement peut servir de données pour le
Machine Learning. En décelant les patterns dans ces données, les algorithmes
apprennent et améliorent leurs performances dans l’exécution d’une tâche
spécifique.
Pour résumer, les algorithmes de Machine Learning apprennent de manière
autonome à effectuer une tâche ou à réaliser des prédictions à partir de
données et améliorent leurs performances au fil du temps. Une fois entraîné,
l’algorithme pourra retrouver les patterns dans de nouvelles données.
Exemple
Ces dernières années, on entend parler de nombreuses avancées dans le
domaine de l’intelligence artificielle.
Le Machine Learning se cache derrière un grand nombre de services
modernes très populaires. Par exemple :
• les systèmes de recommandation de Netflix, YouTube et Spotify.
• Le moteur de recherche web de Google.
• Le chat automatique de OpenAI, chatGPT.
Apprentissage supervisé
Definition
L’apprentissage supervisé est une méthode de machine learning s’appuyant
sur des données ou exemples labellisés (étiquetés ou annotés) pour entraîner
des modèles d’intelligence artificielle (IA) prédictifs.
Par exemple des photos assorties de la mention de ce qu’elles représentent.
Remarque
Il existe de nombreuses applications de l’apprentissage supervisé :
• le traitement automatique du langage
• la reconnaissance vocale
• la vision par ordinateur ...
Exemple
Entrainer un modèle IA pour détecter ci une photo contient un chat ou bien
un chien. L’entrainement ce fait en donnant a l’algorithme plusieurs photo
étiquetés soit par "chat", soit par "chien".
Mirrane Achraf (CPGE) Intelligence artificielle Janvier 2023 8 / 19
Apprentissage supervisé Algorithme kNN
Algorithme de classification
Definition
L’algorithme de classification fait partie des méthodes d’apprentissage
supervisé. Le but est de attribué a chaque donné une classe.
Exemple
Algorithme kNN
Definition (kNN)
L’algorithme des K plus proches voisins ou K-nearest neighbors (kNN) est un
algorithme de Machine Learning qui appartient à la classe des algorithmes
d’apprentissage supervisé. Il est simple et facile à mettre en œuvre et peut être
utilisé pour résoudre les problèmes de classification et de régression.
L’algorithme kNN, pour chaque nouvelle donnée, calcule les k plus proches
voisins en utilisant une fonction des distance.
Exemple
Afin de déterminer quels points de données sont les plus proches d’un point
de requête donné, il vous faudra calculer la distance entre le point de requête
et les autres points de données. Il y a plusieurs choix, mais les plus utiliser
sont : (∀x, y ∈ IRn )
qP
n
• Distance euclidienne : d(x, y) = i=1 (xi − yi )
2
Pn
• Distance de Harmattan : d(x, y) = i=1 |xi − yi |
• Distance de Minkowski : d(x, y) = ( ni=1 |xi − yi |)2
P
Definition
L’intuition derrière l’algorithme des K plus proches voisins est l’une des plus
simples de tous les algorithmes de Machine Learning supervisé , pour
classifier un point :
• Sélectionnez le nombre K de voisins.
• Choisir une fonction de distance.
• Prenez les K voisins les plus proches du point selon la distance calculée.
• Parmi ces K voisins, comptez le nombre de points appartenant à chaque
catégorie.
• Attribuez le nouveau point à la catégorie la plus présente.
Matrice de confusion
Definition
Une Confusion Matrix (matrice de confusion) ou tableau de contingence est
un outil permettant de mesurer les performances d’un modèle de Machine
Learning en vérifiant notamment à quelle fréquence ses prédictions sont
exactes par rapport à la réalité dans des problèmes de classification.
Exemple
Applications
Algorithme k-means
Applications