Apprentissage automatique
Je suis né complètement stupide, -
C'est pour ça que je lis des livres depuis mon enfance !..
Administrateur du site W3SchoolsFR. Le meilleur
L'apprentissage automatique est un sous-domaine de l'intelligence artificielle.
« Des machines qui apprennent à imiter l'intelligence humaine »
Apprentissage automatique (AA)
La programmation traditionnelle utilise des algorithmes connus pour produire des résultats à partir des données :
Data + Algorithms = Results
Machine learning creates new algorithms from data and results:
Data + Results = Algorithms
Réseaux neuronaux (RN)
Les réseaux neuronaux sont :
- Une technique de programmation
- Une méthode utilisée en apprentissage automatique
- Un logiciel qui apprend de ses erreurs
Les réseaux de neurones sont basés sur le fonctionnement du cerveau humain :
les neurones s'envoient des messages. Lorsqu'ils tentent de résoudre un problème (en permanence), ils renforcent les connexions menant au succès et affaiblissent celles menant à l'échec.
Perceptrons
Le Perceptron constitue la première étape vers les réseaux de neurones.
Il représente un neurone unique avec une seule couche d'entrée, sans couche cachée.
Apprenez à programmer un perceptron.
Réseaux neuronaux
Les réseaux neuronaux sont des perceptrons multicouches.
Dans sa forme la plus simple, un réseau neuronal est constitué de :
- Une couche d'entrée (jaune)
- Une couche cachée (bleue)
- Une couche de sortie (rouge)
Dans le modèle de réseau neuronal, les données d'entrée (jaune) sont traitées par rapport à une couche cachée (bleue) avant de produire la sortie finale (rouge).
Première couche :
Les perceptrons jaunes prennent des décisions simples en fonction des données saisies. Chaque décision est transmise aux perceptrons de la couche suivante.
Deuxième couche :
Les perceptrons bleus prennent des décisions en pondérant les résultats de la première couche. Cette couche prend des décisions plus complexes à un niveau plus abstrait que la première couche.
Réseaux neuronaux profonds
Les réseaux neuronaux profonds sont :
- Une technique de programmation
- Une méthode utilisée en apprentissage automatique
- Un logiciel qui apprend de ses erreurs
Les réseaux neuronaux profonds sont constitués de plusieurs couches cachées de réseaux neuronaux qui effectuent des opérations complexes sur des quantités massives de données.
Chaque couche successive utilise la couche précédente comme entrée.
Par exemple, la lecture optique utilise les couches inférieures pour identifier les contours et les couches supérieures pour identifier les lettres.
Dans le modèle de réseau neuronal profond, les données d'entrée (jaune) sont traitées par une couche cachée (bleue) puis modifiées par d'autres couches cachées (vertes) pour produire la sortie finale (rouge).
Première couche :
Les perceptrons jaunes prennent des décisions simples en fonction des données d'entrée. Chaque décision est transmise aux perceptrons de la couche suivante.
Deuxième couche :
Les perceptrons bleus prennent des décisions en pondérant les résultats de la première couche. Cette couche prend des décisions plus complexes à un niveau plus abstrait que la première couche.
Troisième couche :
Les perceptrons verts prennent des décisions encore plus complexes.
Apprentissage profond (AP)
Le Deep Learning est un sous-ensemble du Machine Learning.
Le Deep Learning est à l'origine de l'essor de l'IA ces dernières années.
Le Deep Learning est une forme avancée de Machine Learning qui gère des tâches complexes comme la reconnaissance d'images.
| Apprentissage automatique | Apprentissage profond |
|---|---|
| Un sous-ensemble de l'IA | Un sous-ensemble de l'apprentissage automatique |
| Utilise des ensembles de données plus petits | Utilise des ensembles de données plus grands |
| Formé par des humains | Apprend tout seul |
| Crée des algorithmes simples | Crée des algorithmes complexes |
