Concepts de 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 pour apprendre
• Entraîner un modèle : construire un modèle à partir des données d'entraînement
  • Peut prendre de la nanoseconde à des semaines

Données d'entraînement en apprentissage supervisé

Données d'entraînement en apprentissage supervisé

Données d'entraînement en apprentissage supervisé

Données d'entraînement en apprentissage supervisé

Données d'entraînement en apprentissage supervisé

Après l'entraînement (apprentissage supervisé)

Après l'entraînement (apprentissage supervisé)

Après l'entraînement (apprentissage supervisé)

Apprentissage supervisé vs non supervisé

• Apprentissage supervisé
  • Données d'entraînement « étiquetées »
• Apprentissage non supervisé
  • Les données d'entraînement n'ont que des caractéristiques
  • Utile pour :
    • Détection d'anomalies
    • Regroupement (clustering), p. ex. diviser les données en groupes

Données d'entraînement en apprentissage non supervisé

Données d'entraînement en apprentissage non supervisé

Après l'entraînement (apprentissage non supervisé)

Apprentissage non supervisé

• En pratique, les données n'ont pas toujours des étiquettes
  • L'étiquetage manuel est requis
  • Les étiquettes sont inconnues
• Sans étiquettes : le modèle est non supervisé et trouve ses propres motifs

Passons à la pratique !

Comprendre le Machine Learning