Concepts du machine learning

Comprendre le machine learning

Lis Sulmont

Curriculum Manager, DataCamp

Trois types de machine learning

$$

1) Apprentissage par renforcement

2) Apprentissage supervisé

3) Apprentissage non supervisé

Données d'entraînement

• Données d'entraînement : données existantes à partir desquelles s'effectue l'apprentissage
• Entraînement d'un modèle : lorsqu'un modèle est construit à partir de données d’entraînement
  • Cela peut prendre des nanosecondes comme des semaines

Données d'entraînement d’apprentissage supervisé

Données d'entraînement d’apprentissage supervisé

Données d'entraînement d’apprentissage supervisé

Données d'entraînement d’apprentissage supervisé

Données d'entraînement d’apprentissage supervisé

Après l’entraînement (apprentissage supervisé)

Après l’entraînement (apprentissage supervisé)

Après l’entraînement (apprentissage supervisé)

Apprentissage supervisé ou non supervisé

• Apprentissage supervisé
  • Les données d'entraînement sont « étiquetées »
• Apprentissage non supervisé
  • Les données d'entraînement ne comportent que des caractéristiques
  • Utile pour :
    • Détection des anomalies
    • Clustering, c'est-à-dire la division des données en groupes

Données d’entraînement de l’apprentissage non supervisé

Données d’entraînement de l’apprentissage non supervisé

Après l’entraînement (apprentissage non supervisé)

Apprentissage non supervisé

• En réalité, les données ne sont pas toujours étiquetées
  • L'étiquetage nécessite un travail manuel
  • Les étiquettes sont inconnues
• Pas d'étiquettes : le modèle n'est pas supervisé et trouve ses propres schémas

Passons à la pratique !

Comprendre le machine learning