Introduction au Machine Learning
•
1 j'aime•1,999 vues
Une brève introduction au Machine Learning: problématique, historique, opportunités actuelles et futures en entreprise.
Recommandé
Contenu connexe
Tendances
Tendances (20)
En vedette
En vedette (13)
Similaire à Introduction au Machine Learning
Similaire à Introduction au Machine Learning (20)
Introduction au Machine Learning
- 2. www.cetic.be Agenda • Positionnement du CETIC • Qu’est-ce que le machine learning? • Example: apprentissage supervisé • Cas d’utilisation • Le futur du machine learning 2
- 4. www.cetic.be Positionnement du CETIC 4 Recherche appliquée Études de faisabilité Preuves de concept Transferts technologiques
- 5. www.cetic.be CETIC & Internet du Futur SOFTWARE & SERVICES TECHNOLOGIES 5 • Cloud Computing et Architectures distribuées • Gestion d’infrastructures de Cloud • Programmation distribuée • Web Programmable • Gestion des données • Stockage Big Data • Framework de programmation Big Data • Open Innovation • Logiciel Libre • Données ouvertes • Numérique et co-creation (Voir Living Labs et Hub créatif) SOFTWARE & SERVICES TECHNOLOGIES
- 7. www.cetic.be Machine Learning? • 70’: Généralisation du stockage structuré de données. • Questions : Quelle valeur au- delà de la restitution des données? • Comment tirer de l’information des données? • Comment découvrir des tendances/structures à partir des données? 7
- 8. www.cetic.be Machine Learning? • Rationalisation de la découverte de relations entre les faits. • Y compris celles qui ne sont pas intuitives. • Pas nécessairement des liens de causalité. • Processus systématique basé sur les faits… • Y compris nombreux. • Y compris complexes. • Fondations statistiques importantes. 8
- 10. www.cetic.be Ajouter de la valeur 10 Difficulté Valeur Analyse descriptive Analyse prédictive Analyse prescriptive Que s’est-il passé? Que va-t-il se passer? Comment faire en sorte que ça se passe?
- 12. www.cetic.be Apprentissage supervisé • On ramène le jeu de données à un tableau. • Valeur d’une colonne à partir des autres colonnes? • Apprentissage: définition des paramètres d’un modèle. • Supervision: utilisation de l’historique pour guider le paramétrage. 12 Client Âge Revenus Montant Crédit Remboursé? A 53 100K 180K O B 18 30K 213K N C 23 36K 155K O D 54 42K 75K O E 44 33K 120K N
- 13. www.cetic.be Apprentissage supervisé (suite) • Le résultat: un modèle + procédé menant systématique à une valeur de la colonne cible: la prédiction. • Possibilité d’évaluer la qualité d’un modèle en lui faisant « prédire » les données historiques. 13 Âge Montant Remboursé Non remboursé Montant Revenus Remboursé [<30] [≥30] [<184] [≥184] [≥215] [<215] [≥90][≥90]
- 14. www.cetic.be Quelques facteurs d’efficacité du machine learning • Qualité des données: bruit, variété, incohérences, etc. • Préparation des données et approche: travail d’équipe et méthodologie de gestion de projets. • Choix d’un bon compromis entre: • la spécialisation du modèle et sa capacité à généraliser. • sa tendance à retourner des faux positifs et des faux négatifs. • Avec un système apprenant, le risque d’erreur est inévitable mais quantifiable. 14
- 20. www.cetic.be Le futur du machine learning • Vif regain d’intérêt pour les réseaux de neurones • Le deep learning est la nouvelle magie blanche. • Un réel pas en avant… mais pas la panacée. • Percée attendue dans le domaine de l’IA. • Peut-être à la veille de singularité technologique. • Une IA qui créerait une IA qui placerait l’évolution technologique hors de portée de l’intelligence humaine. • 2020-2050 ? 20 [3]