Intelligence
ARTIFICIEL
Apprentissage automatique
Nizar BECHIR
1
 Plan
Introduction
 Apprentissage automatique
 Apprentissage supervisé
Apprentissage non supervisé
Apprentissage par ...
 Apprentissage automatique
L'apprentissage automatique fait reference au developpement,
l'analyse et l'implementation des...
Herbert Simon :
<<
L'apprentissage dénote des changements dans un systeme
qui ... lui permet de faire la mème tache plus e...
qu’est ce que c’est-à-dire
« machine apprend » ?
5
Pourquoi
l’apprentissage automatique ?
6
Exemple de systemes apprenant
Un robot ayant la capacite de bouger ses
membres mais ne sachant initialement rien de
la coo...
2 grands types d'apprentissage :
Apprentissage supervisé
Apprentissage non supervisé
Apprentissage par renforcement
8
◦ Apprentissage supèrvisé
Le but est de generaliser à des entrées inconnues ce qui a
pu etre appris grace aux donnees deja...
Selon ces données d'apprentissage qui sont N couples
entrée-sortie (xn ; yn ) le système va chercher la fonction
adéquate
...
Le principe de ce système est que
11
« les hypothèses suffisantes les plus
simples sont les plus vraisemblables »
Quelques exemples classiques de techniques de
classification supervisée :
 Les réseaux de neurones, très utilisés dans le...
 Apprentissage par renforcement
Le système apprenant est agent en interaction
avec un environnement
Le problème est décou...
Le but de l'agent est de trouver un
comportement qui maximise le
renforcement (récompense)
14
./Principe de fonctionnement
1.L’agent décide d’effectuer une action en fonction de
son état pour interagir avec son envir...
Dans un problème d'apprentissage par
renforcement, un agent évoluant dans un
environnement aléatoire doit cumuler un
maxim...
17
18
Récomponse
Exemple pratique..
19
20
Conclusion
L'apprentissage automatique regroupe les
techniques permettant a une machine
d'adapter et d'améliorer ses perfo...
Référence
 https://tel.archives-ouvertes.fr/tel-
00933937/document
 blog.octo.com/apprentissage-par-
renforcement-de-la-...
Prochain SlideShare
Chargement dans…5
×

Ia project Apprentissage Automatique

705 vues

Publié le

apprentissage automatique

Publié dans : Ingénierie
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
705
Sur SlideShare
0
Issues des intégrations
0
Intégrations
347
Actions
Partages
0
Téléchargements
20
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive
  • un économiste et sociologue américain ayant reçu le « prix Nobel » d'économie
  • On dira qu'une machine apprend des lors qu'elle change sa structure, son
    programme ou ses donnees en fonction de donnees en entree de sorte a ce que ses performance futures deviennent
    meilleures
  • L'objectif de l'apprentissage automatique est de concevoir des programmes
    pouvant s'ameliorer automatiquement avec l'experience
  • Statique ///////par observation par renforcement
  • Par exemple le robot , quand il s’agit d’une x et y spécifique déjà tester et ne donne pas un resultat, c’est a eliminer
  • Pour le nettoyage d’une salté
    Endommager les meuble terroriser un chat
  • Ia project Apprentissage Automatique

    1. 1. Intelligence ARTIFICIEL Apprentissage automatique Nizar BECHIR 1
    2. 2.  Plan Introduction  Apprentissage automatique  Apprentissage supervisé Apprentissage non supervisé Apprentissage par renforcement Conclusion 2
    3. 3.  Apprentissage automatique L'apprentissage automatique fait reference au developpement, l'analyse et l'implementation des methodes qui permettent a une machine (au sens large) d'evoluer et ainsi de remplir des taches qu'il est difficile ou impossible de remplir par des moyens algorithmiques plus classiques 3
    4. 4. Herbert Simon : << L'apprentissage dénote des changements dans un systeme qui ... lui permet de faire la mème tache plus efficacement la prochaine fois. >> 4
    5. 5. qu’est ce que c’est-à-dire « machine apprend » ? 5
    6. 6. Pourquoi l’apprentissage automatique ? 6
    7. 7. Exemple de systemes apprenant Un robot ayant la capacite de bouger ses membres mais ne sachant initialement rien de la coordination des mouvements permettant la marche,peut apprendre a marcher. Le robot commencera par effectuer des mouvements aleatoires, puis, en selectionnant et privilegiant les mouvements lui permettant d'avancer, mettra peu a peu en place une marche de plus en plus efficace. video 7
    8. 8. 2 grands types d'apprentissage : Apprentissage supervisé Apprentissage non supervisé Apprentissage par renforcement 8
    9. 9. ◦ Apprentissage supèrvisé Le but est de generaliser à des entrées inconnues ce qui a pu etre appris grace aux donnees deja traitees par des experts donc, géneralement l’Objectif est de déterminer une fonction de prediction f selon les données d'apprentissage 9
    10. 10. Selon ces données d'apprentissage qui sont N couples entrée-sortie (xn ; yn ) le système va chercher la fonction adéquate A quelle fonction correspond cet ensemble de points ? 10
    11. 11. Le principe de ce système est que 11 « les hypothèses suffisantes les plus simples sont les plus vraisemblables »
    12. 12. Quelques exemples classiques de techniques de classification supervisée :  Les réseaux de neurones, très utilisés dans les années 80-90, sont inspirés à l’origine du fonctionnement du cerveau humain.  Les arbres de décision modélisent la fonction à apprendre par une succession de critères organisés suivant une structure arborescente.  Les « SVM » ou « machines à vecteurs supports » sont les techniques les plus efficaces pour résoudre ce problème à l’heure actuelle. 12
    13. 13.  Apprentissage par renforcement Le système apprenant est agent en interaction avec un environnement Le problème est découpé en pas de temps A chaque pas, l'agent -perçoit l‘état de l'environnement, -puis, exécute une action dans l'environnement 13
    14. 14. Le but de l'agent est de trouver un comportement qui maximise le renforcement (récompense) 14
    15. 15. ./Principe de fonctionnement 1.L’agent décide d’effectuer une action en fonction de son état pour interagir avec son environnement. 2.L'environnement renvoie un renforcement sous la forme d’une récompense positive ou négative. 3.L’agent observe les effets de ses actions. 4.L’agent déduit de ses observations la qualité de ses actions. 5.L’agent améliore ses actions futures. 15
    16. 16. Dans un problème d'apprentissage par renforcement, un agent évoluant dans un environnement aléatoire doit cumuler un maximum de récompenses en choisissant au fil du temps la meilleure politique, c'est-à-dire la meilleure réaction possible à ses observations. Une telle situation est modélisée par un processus de décision markovien 16
    17. 17. 17
    18. 18. 18 Récomponse
    19. 19. Exemple pratique.. 19
    20. 20. 20
    21. 21. Conclusion L'apprentissage automatique regroupe les techniques permettant a une machine d'adapter et d'améliorer ses performances par l'expèrience 21
    22. 22. Référence  https://tel.archives-ouvertes.fr/tel- 00933937/document  blog.octo.com/apprentissage-par- renforcement-de-la-theorie-a-la-pratique/ 22

    ×