Apprentissage statistique pour construire des méta

Introduction: Qu’est-ce que l’apprentissage automatique ?
Problématique de l’apprentissage
Eléments d’apprentissage statistique
Sélection de modèles en apprentissage supervisé.
Conclusion
Apprentissage statistique pour construire des
méta-modèles
Manuel Samuelides
ONERA/ Institut Supérieur de l’Aéronautique et de l’Espace
Manuel Samuelides Apprentissage statistique pour construire des méta-modèles

Introduction: Qu’est-ce que l’apprentissage automatique ?
Problématique de l’apprentissage
Eléments d’apprentissage statistique
Sélection de modèles en apprentissage supervisé.
Conclusion
Outline
1Introduction: Qu’est-ce que l’apprentissage automatique ?
2Problématique de l’apprentissage
Apprentissage supervisé
Apprentissage non supervisé
Apprentissage par renforcement
Méthodologies utiles
3Eléments d’apprentissage statistique
4Sélection de modèles en apprentissage supervisé.
5Conclusion
Manuel Samuelides Apprentissage statistique pour construire des méta-modèles

Introduction: Qu’est-ce que l’apprentissage automatique ?
Problématique de l’apprentissage
Eléments d’apprentissage statistique
Sélection de modèles en apprentissage supervisé.
Conclusion
Apprentissage automatique ("machine learning")
L’apprentissage automatique fait partie de l’intelligence
artificielle.
Il s’agit de doter la machine de capacités d’apprentissage,
i.e. capacités d’évoluer en intégrant des données utiles
fournies par l’environnement.
Exemples: lecture automatique, capacité de mobilité dans
un environnement complexe (robotique), exploration du
Web, capacité de réparation (maintenance), analyse
financière (prévision), aide à la personne...
Une première piste a été celle de l’apprentissage
symbolique (systèmes experts) consistant à déduire des
données un système à base de règles (diagnostic, arbres
de décision...).
Manuel Samuelides Apprentissage statistique pour construire des méta-modèles

Introduction: Qu’est-ce que l’apprentissage automatique ?
Problématique de l’apprentissage
Eléments d’apprentissage statistique
Sélection de modèles en apprentissage supervisé.
Conclusion
De l’apprentissage symbolique à l’apprentissage
statistique
L’explosion combinatoire du traitement des problèmes
réels a rendu nécessaire la mise en oeuvre de
"prétraitements statistiques".
L’intégration de ces prétraitements dans le système
d’apprentissage a conduit à considérer que l’apprentissage
automatique relève de la méthodologie statistique .
Modélisation des systèmes naturels et de leur adaptation:
règle de Hebb (1949)
perceptron de Rosenblatt (1957)
machine de Hopfield (1982)
perceptron multi-couche (Y.Le Cun, 1985; Rumelhart, 1986)
Vapnik (apprentissage statistique depuis 1971); Valiant
(PAC-learning, 1984)...
Manuel Samuelides Apprentissage statistique pour construire des méta-modèles

Introduction: Qu’est-ce que l’apprentissage automatique ?
Problématique de l’apprentissage
Eléments d’apprentissage statistique
Sélection de modèles en apprentissage supervisé.
Conclusion
Apprentissage supervisé
Apprentissage non supervisé
Apprentissage par renforcement
Méthodologies utiles
Outline
1Introduction: Qu’est-ce que l’apprentissage automatique ?
2Problématique de l’apprentissage
Apprentissage supervisé
Apprentissage non supervisé
Apprentissage par renforcement
Méthodologies utiles
3Eléments d’apprentissage statistique
4Sélection de modèles en apprentissage supervisé.
5Conclusion
Manuel Samuelides Apprentissage statistique pour construire des méta-modèles