Table des matières:
- Définition - Que signifie l'apprentissage automatique?
- Techopedia explique l'apprentissage automatique
Définition - Que signifie l'apprentissage automatique?
L'apprentissage automatique est une discipline de l'intelligence artificielle (IA) orientée vers le développement technologique des connaissances humaines. L'apprentissage automatique permet aux ordinateurs de gérer de nouvelles situations via l'analyse, l'auto-formation, l'observation et l'expérience.
L'apprentissage automatique facilite l'avancement continu de l'informatique grâce à l'exposition à de nouveaux scénarios, aux tests et à l'adaptation, tout en utilisant la détection de modèles et de tendances pour améliorer les décisions dans des situations ultérieures (mais pas identiques).
L'apprentissage automatique est souvent confondu avec l'exploration de données et la découverte de connaissances dans des bases de données (KDD), qui partagent une méthodologie similaire.
Techopedia explique l'apprentissage automatique
Tom M. Mitchell, pionnier de l'apprentissage automatique et professeur à l'Université Carnegie Mellon (CMU), a prédit l'évolution et la synergie de l'apprentissage humain et automatique. Le fil d'actualité Facebook d'aujourd'hui en est un parfait exemple. Le fil d'actualité est programmé pour afficher le contenu des amis utilisateurs. Si un utilisateur étiquette ou écrit fréquemment sur le mur d'un ami en particulier, le fil d'actualités modifie son comportement pour afficher plus de contenu de cet ami.
D'autres applications d'apprentissage automatique incluent la reconnaissance syntaxique des formes, le traitement du langage naturel, les moteurs de recherche, la vision par ordinateur et la perception des machines.
| Téléchargement gratuit: l' IA dans le secteur de l'assurance: 26 cas d'utilisation réels |
Il est difficile de reproduire l'intuition humaine dans une machine, principalement parce que les êtres humains apprennent et exécutent souvent des décisions inconsciemment.
Comme les enfants, les machines nécessitent une période de formation prolongée lors du développement de larges algorithmes orientés vers la dictée des comportements futurs. Les techniques de formation comprennent l'apprentissage par cœur, l'ajustement des paramètres, les macro-opérateurs, la segmentation, l'apprentissage basé sur des explications, le regroupement, la correction des erreurs, l'enregistrement de cas, la gestion de plusieurs modèles, la propagation arrière, l'apprentissage par renforcement et les algorithmes génétiques.
