Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Hs pdf 1 COMMENT LES MACHINES APPRENNENT Une introduction au Machine Learning Elo? se Berthier vendredi mars CDE QUOI PARLE-T-ON Intelligence arti ?cielle IA AI Machine Learning Apprentissage automatique Deep Learning Réseaux de neurones C CPLAN I Une his

COMMENT LES MACHINES APPRENNENT Une introduction au Machine Learning Elo? se Berthier vendredi mars CDE QUOI PARLE-T-ON Intelligence arti ?cielle IA AI Machine Learning Apprentissage automatique Deep Learning Réseaux de neurones C CPLAN I Une histoire d ? algorithmes et de données II Le machine learning III Le deep learning IV Quelques applications CI UNE HISTOIRE D ? ALGORITHMES ET DE DONNÉES CQUELQUES DÉFINITIONS CL ? INTELLIGENCE ARTIFICIELLE la construction de programmes informatiques qui s ? adonnent à des t? ches qui sont pour l ? instant accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que l ? apprentissage perceptuel l ? organisation de la mémoire et le raisonnement critique ? Marvin Minsky CLES ALGORITHMES Un algorithme est une suite d'instructions permettant d'obtenir un résultat Peut-on trouver un algorithme pour faire cuire des p? tes trouver son chemin dans une ville reconna? tre un chat dans une image gagner une partie à Starcraft II CUNE IDÉE APPRENDRE À PARTIR D ? EXEMPLES Souvent on ne sait pas dé ?nir le bon algorithme mais on a des exemples données CEXPLOSION DU VOLUME DE DONNÉES C CQU ? EST-CE QUI GÉNÈRE DES DONNÉES Activités humaines volontaires réseaux sociaux emails géolocalisation podomètres séquençage ADN ? moins volontaires cookies sur les sites web vidéosurveillance biométrie ? Processus automatiques capteurs transactions boursières logs sur les serveurs ? CII LE MACHINE LEARNING CLE MACHINE LEARNING l ? étude scienti ?que des algorithmes et des modèles statistiques que les ordinateurs utilisent pour accomplir une t? che sans instruction explicite mais plutôt en s ? appuyant sur des motifs et de l ? inférence CTROIS MODES D ? APPRENTISSAGE l ? apprentissage supervisé l ? apprentissage non supervisé l ? apprentissage par renforcement CAPPRENTISSAGE SUPERVISÉ apprendre une fonction de prédiction à partir d ? exemples annotés deux grandes t? ches CEXEMPLES classi ?cation régression CAVANTAGES Très e ?cace quand on a su ?samment de données Plus performant que l ? homme pour certains problèmes INCONVÉNIENTS Il faut beaucoup de données Les données doivent être annotées CLE TURC MÉCANIQUE C CAPPRENTISSAGE NON SUPERVISÉ Regrouper des données similaires mais sans annotation C ? est un problème plus di ?cile C CAPPRENTISSAGE PAR RENFORCEMENT L'apprentissage par renforcement consiste pour un agent autonome à apprendre les actions à prendre à partir d'expériences de façon à optimiser une récompense au cours du temps imiter la façon dont les animaux ou les humains apprennent CLA SOURIS LE FROMAGE ET LE POISON Récompense si la souris passe par une case rouge fromage Pénalité - si la souris passe par une case bleue poison V Lepetit CentraleSupel e c CAVANT APPRENTISSAGE CAPRÈS APPRENTISSAGE C MARS ALPHA GO BAT LE CHAMPION LEE SEDOL C JANVIER ALPHASTAR GAGNE - À STARCRAFT II CIII LE DEEP LEARNING CCOMMENT ÇA FONCTIONNE Apprentissage supervisé capacités de calcul CQUELQUES TECHNIQUES Algorithmes d ? apprentissage supervisé régression linéaire méthodes à noyaux machine à support de vecteurs Vapnik forêts aléatoires Breiman Cutler réseaux