Apprentissage Statistique - Laboratoire d`Informatique de Paris 6

Apprentissage Statistique
Master IAD - Université Paris 6
P. Gallinari
[email protected]
http://www-connex.lip6.fr/~gallinar/
Année 2013-2014
Partie 1

Introduction

Apprentissage Statistique - P. Gallinari 3
Apprentissage à partir d'exemples
Données {z1, ..., zN}
Machine Fθ
Critère C
But
extraire de l'information à partir des données, expliquer les
données
information pertinente pour la tâche étudiée
information pertinente pour d'autres données du même type
Utilisation
inférence sur de nouvelles données
Type d'apprentissage :
Supervisé
Non supervisé
Semi supervisé
Renforcement

Apprentissage Statistique - P. Gallinari 4
Exemples - problèmes d'apprentissage
Parole / Ecriture
Données : (signal, (transcription))
But : reconnaître signal
Critère : # mots correctement reconnus
Conduite véhicule autonome
Données : (images routes, (commande volant)) e.g. S. Thrun Darpa
Challenge + Google car
But : suivre route
Critère : distance parcourue
Extraction d'information dans une base de texte
Données : (texte + requête, (information pertinente))
But : extraire l'information correspondant à la requête
Critère : Rappel / Précision
Diagnostic dans systèmes complexes
Données : (état capteurs + alarmes, (diagnostic))
But : diagnostic correct
Critère : ?

Apprentissage Statistique - P. Gallinari 5
Modélisation d'utilisateur
Données : (Traces utilisateur - contenu accédé)
But : analyser/ catégoriser le comportement de l'utilisateur, Ciblage
clientèle, aide navigation, interfaces adaptatives
Critère : ?
Evaluation : ?
Plus difficile :
Traduction
Recherche d'information bases textes, images – vidéos
Extraction d’information (e.g. web)
Compréhension de texte / scène visuelle – extraction de sens
Découverte dans data-warehouse ....
Données : i.e. représenter l'information ??
But ??
Critère ??