Please enable JavaScript.
Coggle requires JavaScript to display documents.
Machine Learning - Coggle Diagram
Machine Learning
Comment
Apprentissage non supervisé:
ce type d'apprentissage automatique implique des algorithmes qui s'entraînent sur des données non étiquetées. L'algorithme parcourt les ensembles de données à la recherche de toute connexion significative. Les données sur lesquelles les algorithmes s'entraînent ainsi que les prédictions ou les recommandations qu'ils génèrent sont prédéterminées.
-
Détection d'anomalies : identification de points de données inhabituels dans un ensemble de données.
Exploration d'associations : identification d'ensembles d'éléments dans un ensemble de données qui se produisent fréquemment ensemble.
-
Apprentissage semi-supervisé :
cette approche de l'apprentissage automatique implique un mélange des deux types précédents. Les scientifiques des données peuvent alimenter un algorithme principalement étiqueté comme des données de formation, mais le modèle est libre d'explorer les données par lui-même et de développer sa propre compréhension de l'ensemble de données.
Traduction automatique : enseignement d'algorithmes pour traduire une langue basée sur moins d'un dictionnaire complet de mots.
Détection des fraudes : identification des cas de fraude lorsque vous n'avez que quelques exemples positifs.
Étiquetage des données : les algorithmes entraînés sur de petits ensembles de données peuvent apprendre à appliquer automatiquement des étiquettes de données à des ensembles plus grands.
Apprentissage supervisé:
dans ce type d'apprentissage automatique, les scientifiques des données fournissent aux algorithmes des données d'apprentissage étiquetées et définissent les variables qu'ils souhaitent que l'algorithme évalue pour les corrélations. L'entrée et la sortie de l'algorithme sont spécifiées.
-
-
Assemblage : combinaison des prédictions de plusieurs modèles d'apprentissage automatique pour produire une prédiction précise.
Apprentissage par renforcement:
les scientifiques des données utilisent généralement l'apprentissage par renforcement pour apprendre à une machine à effectuer un processus en plusieurs étapes pour lequel il existe des règles clairement définies. Les scientifiques des données programment un algorithme pour accomplir une tâche et lui donner des indices positifs ou négatifs au fur et à mesure qu'il détermine comment accomplir une tâche. Mais pour la plupart, l'algorithme décide lui-même des étapes à suivre en cours de route.
Robotique : Les robots peuvent apprendre à effectuer des tâches dans le monde physique en utilisant cette technique.
Jeu vidéo : l'apprentissage par renforcement a été utilisé pour apprendre aux bots à jouer à un certain nombre de jeux vidéo.
Gestion des ressources : étant donné des ressources limitées et un objectif défini, l'apprentissage par renforcement peut aider les entreprises à planifier la manière d'allouer les ressources.
-
Quoi?
c'est une technologie d’intelligence artificielle permettant aux machines d’apprendre sans avoir été au préalablement programmées spécifiquement à cet effet. les ordinateurs ont pour but à apprendre et se développer.
Pourquoi?
extraire de la valeur en provenance de sources de données massives et variées sans avoir besoin de compter sur un humain