Principes du machine learning

Machine Learning pour le business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Types de machine learning

Machine learning : appliquer des méthodes statistiques ou informatiques aux données pour :

  1. Tirer des enseignements causals

    « Qu’est-ce qui fait que nos clients résilient leur abonnement ? »

  2. Prédire des événements futurs

    « Quels clients risquent de résilier le mois prochain ? »

  3. Comprendre les motifs dans les données

    « Existe‑t‑il des groupes de clients similaires qui utilisent nos services de façon comparable ? »

Machine Learning pour le business

ML supervisé vs non supervisé

Machine learning : appliquer des méthodes statistiques ou informatiques aux données pour :

  1. Tirer des enseignements causals

    Machine learning SUPERVISÉ

  2. Prédire des événements futurs

    Machine learning SUPERVISÉ

  3. Comprendre les motifs dans les données

    Machine learning NON SUPERVISÉ

Machine Learning pour le business

Structure des données en ML supervisé

inférence vs prédiction 1

Machine Learning pour le business

Variable cible

inférence vs prédiction 2

Machine Learning pour le business

Variables d’entrée

inférence vs prédiction 3

Machine Learning pour le business

Exemples de variables d’entrée

échantillon de fraude

Machine Learning pour le business

Utiliser les variables d’entrée

inférence vs prédiction 4

Machine Learning pour le business

Prédire la variable cible

inférence vs prédiction 5

Machine Learning pour le business

Structure des données en ML non supervisé

non supervisé 1

Machine Learning pour le business

Variables d’entrée non supervisées

variables d’entrée non supervisées

Machine Learning pour le business

Résultats du ML non supervisé

clustering

Machine Learning pour le business

Exemples de ML – Marketing

Machine learning SUPERVISÉ :

  • Prédire quels clients sont susceptibles d’acheter le mois prochain
  • Prédire la valeur vie attendue de chaque client

Machine learning NON SUPERVISÉ :

  • Regrouper les clients en segments selon leurs achats passés
Machine Learning pour le business

Exemples de ML – Finance

Machine learning SUPERVISÉ :

  • Identifier les attributs clés de transaction indiquant une fraude potentielle
  • Prédire quels clients feront défaut sur leurs paiements hypothécaires

Machine learning NON SUPERVISÉ :

  • Regrouper les transactions par attributs pour identifier les segments les plus rentables
Machine Learning pour le business

Exemples de ML – Industrie

Machine learning SUPERVISÉ :

  • Prédire les articles potentiellement défectueux à inspecter manuellement
  • Prédire quelles machines risquent de tomber en panne et nécessitent une maintenance

Machine learning NON SUPERVISÉ :

  • Regrouper les relevés des capteurs et détecter les anomalies indiquant des dysfonctionnements
Machine Learning pour le business

Exemples de ML – Transport

Machine learning SUPERVISÉ :

  • Prédire la date de livraison du colis
  • Identifier l’itinéraire le plus rapide
  • Prédire la demande pour préparer le stock, louer/acheter des véhicules et recruter
Machine Learning pour le business

Passons à la pratique !

Machine Learning pour le business

Preparing Video For Download...