Télécharger en tant que PDF, PPTX
![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]](https://image.slidesharecdn.com/introductionmachinelearningcetic-170418151337/85/Introduction-au-Machine-Learning-13-320.jpg)
![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]](https://image.slidesharecdn.com/introductionmachinelearningcetic-170418151337/85/Introduction-au-Machine-Learning-20-320.jpg)
![www.cetic.be
Notes
[1] http://trends.levif.be/economie/lawyerz/l-intelligence-artificielle-peut-elle-sauver-la-justice/article-normal-603501.html
[2] http://www.wired.co.uk/article/ibm-watson-medical-doctor
[3] Jean-Pierre Petit, ‘À quoi rêvent les robots?’, Belin
Tous droits réservés
22](https://image.slidesharecdn.com/introductionmachinelearningcetic-170418151337/85/Introduction-au-Machine-Learning-22-320.jpg)
Téléchargé parMathieu Goeminne
Introduction au Machine Learning
Le document présente le CETIC, un centre d'excellence en technologies de l'information et de la communication, et aborde le concept de machine learning, en détaillant l'apprentissage supervisé et ses applications. Il décrit les enjeux liés à la qualité des données et aux approches méthodologiques dans le machine learning. Enfin, il discute des perspectives futures, notamment l'impact des réseaux de neurones et de l'intelligence artificielle.
![Comprendre l’intelligence artificielle [webinaire]](https://cdn.slidesharecdn.com/ss_thumbnails/technologiawebinaireintelligenceartificielleclaudemarson01042019-190403213713-thumbnail.jpg?width=640&height=640&fit=bounds)
Introduction au Machine Learning
- 1.
- 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
- 3.
- 4. www.cetic.be Positionnement du CETIC 4 Recherche appliquée Études de faisabilité Preuves de conceptTransferts 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
- 6.
- 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
- 9.
- 10. www.cetic.be Ajouter de la valeur 10 Difficulté Valeur Analyse descriptive Analyse prédictive Analyse prescriptive Que s’est-il passé? Queva-t-il se passer? Comment faire en sorte que ça se passe?
- 11.
- 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
- 15.
- 16.
- 17.
- 18.
- 19.
- 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]
- 21.
- 22.