11-Apprentissage automatique

Module 11
Apprentissage automatique

GPA-759 Réseaux de neurones et intelligence artificielle
Module 11
Plan
11. Apprentissage automatique
1. Applications
2. Types d’apprentissage
3. Bases de données
4. Quelques algorithmes
5. Classification multiple
6. Évaluation de la performance : Courbes ROC

GPA-759 Réseaux de neurones et intelligence artificielle
Module 11
L’apprentissage automatique (machine learning) fait
référence au développement, à l'analyse et à
l’implémentation de méthodes qui permettent à
une machine (au sens large) d’évoluer grâce à un
processus d’apprentissage, et ainsi de remplir des
tâches qu’il est difficile ou impossible de remplir
par des moyens algorithmiques plus classiques.
Le premier stade de l’analyse est celui de la
classification, qui vise à étiqueter chaque donnée en
l’associant à une classe.
Wikipedia 4-10-2010

GPA-759 Réseaux de neurones et intelligence artificielle
Module 11
L’apprentissage automatique est utilisé pour
doter des machines de systèmes de
perception de leur environnement :
Reconnaissance de l’écriture
Reconnaissance de visage
Télédétection
Robots
11.1 Applications

GPA-759 Réseaux de neurones et intelligence artificielle
Module 11
11.2 Types d’apprentissage
Apprentissage supervisé
➡Classes prédéterminés et exemples connus
➡Modèle de classement
➡Perceptron, Perceptron multicouche, Machine à vecteurs
de support (SVM - Séparateur à vaste marge)
Apprentissage non-supervisé - Agrégation (Clustering)!
(classification automatique)
➡Classes non déterminées, exemples connus
➡Découverte de la structure ± cachée des données
➡Classement par groupes homogènes - notion de distance
➡SOM, ART