Machine Learning (Apprentissage Automatique)
Discipline de l'IA qui permet aux systèmes d'apprendre et de s'améliorer à partir de données, sans être explicitement programmés.
Discipline de l'IA qui permet aux systèmes d'apprendre et de s'améliorer à partir de données, sans être explicitement programmés.
Définition détaillée
Le machine learning (apprentissage automatique) est une branche de l'intelligence artificielle qui développe des algorithmes capables d'apprendre à partir de données. Au lieu d'être programmés avec des règles explicites, les modèles de machine learning identifient des patterns dans les données d'entraînement et généralisent ces apprentissages à de nouvelles données. Les trois grandes familles sont l'apprentissage supervisé (avec étiquettes), non supervisé (sans étiquettes), et par renforcement (essais-erreurs). Des techniques comme la régression, les forêts aléatoires, les SVM et les réseaux de neurones en sont les outils principaux.
Cas d'usage
Moteur de recommandation de contenu : le machine learning analyse le comportement des utilisateurs (consultations, téléchargements) pour recommander automatiquement les articles, cas d'usage ou ressources les plus pertinents.
Termes associés
En savoir plus
Questions fréquentes
Quelle est la différence entre apprentissage supervisé et non supervisé ?
Le supervisé utilise des données étiquetées (ex: emails 'spam' ou 'non spam'). Le non supervisé découvre des structures cachées dans les données sans étiquettes (ex: regroupement de clients par comportement).
Combien de données faut-il pour un projet de machine learning ?
Cela dépend de la complexité : de quelques centaines d'exemples pour un problème simple à plusieurs millions pour un modèle de deep learning.