Apprentissage automatique (machine learning)

Il existe trois grands types d’apprentissage automatique : l’apprentissage supervisé, l’apprentissage non supervisé et l’apprentissage par renforcement.

L’apprentissage supervisé est le type le plus classique. Il s’agit d’un algorithme qui est entraîné à partir de données étiquetées, c’est-à-dire avec des exemples de données accompagnés de leurs résultats attendus. L’algorithme utilise ces exemples pour apprendre à prédire les résultats pour de nouvelles données. Par exemple, la détection d’un objet dans une image.

L’apprentissage non supervisé, en revanche, essaie d’extraire de l’information de données brutes sans en connaître l’étiquette. Un exemple de ce type d’apprentissage est un système de recommandation.

Finalement on a apprentissage par renforcement qui est un type d’apprentissage automatique dans lequel l’algorithme est entraîné à partir de données non étiquetées, mais qui reçoit des récompenses ou des pénalités en fonction de ses actions. L’algorithme utilise ces récompenses et pénalités pour apprendre à prendre les décisions les plus efficaces pour atteindre un objectif donné. Un example serais l entrainement d un robot.