Intelligence artificielleMachine Learning
Le machine learning est lié aux diverses branches de l’analyse de données, et en particulier au big data, car sa mise en place dans un contexte donné dépend dans la plupart des cas de l'existence de grandes quantités de données obtenues en situation réelle.
En effet, les algorithmes utilisés dans le machine learning reposent sur une phase dite d'apprentissage basée généralement sur des données collectées préalablement. Durant cette phase, ces données sont soumises en entrée à l'algorithme qui va ajuster ses paramètres internes pour reproduire une sortie souhaitée.
Dès lors que la phase d'apprentissage a pu se dérouler sur suffisamment de données, l'algorithme de machine learning peut ensuite se substituer aux personnes en proposant des décisions "intelligentes" à leur place, d'où l'appellation d'intelligence artificielle.
Il est particulièrement efficace dans des situations où le cœur de l'algorithme ne peut pas simplement être découpé en étapes logiques, car impliquant des phénomènes parfois mal compris ou difficiles à déterminer, comme c'est le cas dans les exemples suivants:
- Comportement d'achat sur Internet
- Systèmes experts dans le monde médical
- Analyse financière et boursière
- Reconnaissance de patterns dans des contenu images, vidéos et sons
Les deux objectifs principaux du machine learning sont la prédiction de phénomènes, et le regroupement de données. De nombreuses méthodes existent pour mener à bien un processus de machine learning dans un contexte donné.
Nous utilisons par exemple couramment:
- Les algorithmes génétiques
- Les réseaux de neurones
- Les arbres de décisions