Machine Learning


Le machine learning ou apprentissage machine est un domaine important de la science informatique et un élément prépondérant de l’intelligence artificielle. Les programmes d’ordinateurs basés sur le machine learning sont capables de trouver des solutions à des problèmes nouveaux et inconnus de manière autonome à l’aide d’algorithmes. Le machine learning est également utilisé dans le cadre du marketing en ligne et de l’analyse Web.

Contexte

Le fait que les logiciels d’ordinateur puissent apprendre de manière autonome nécessite plusieurs prérequis. En effet, même si cette technologie est aujourd’hui très étendue, ce type de calcul algorithmique de probabilités nécessite toujours l’intervention de l’Homme. Ainsi, on pourrait comprendre le machine learning comme un type d’interaction homme-machine. En effet, avant qu’un logiciel puisse effectuer des actions autonomes et trouver des solutions, il doit être alimenté avec les données correspondantes. Des règles adéquates doivent également être mises en place au préalable.

Types

Des types d’algorithmes récurrents sont souvent utilisés pour le machine learning.

  • Apprentissage supervisé : les algorithmes sont définis à l’aide d’exemples spécifiques. L’objectif est alors de trouver la solution à d’autres problèmes similaires à travers la généralisation d’une solution. L’apprentissage supervisé peut par exemple être utilisé dans le cadre de la détection de fraudes à la carte de crédit.
  • Apprentissage non supervisé : les algorithmes sont utilisés avec des exemples quelconques. L’objectif est alors de déceler une structure au sein de l’ensemble de données. Cette méthode est souvent appliquée dans le cadre du partitionnement.

Les deux méthodes mentionnées ci-dessus peuvent également être associées dans le cadre de l’apprentissage semi-supervisé.

  • Transduction : lorsque le machine learning repose sur cette méthode, on tente de trouver de nouvelles solutions à partir de cas spécifiques.
  • Learning to learn : cette méthode est extrêmement passionnante puisque les algorithmes tirent des déductions des expériences déjà réalisées.
  • Developmental learning : ce degré du machine learning repose sur leapprentissage quasiment autonome des logiciels à travers l’échange avec des « professeurs » humains.

Utilisations possibles

Le machine learning est utilisé dans les domaines suivants sur Internet :

Filtre anti-spam

Dans ce cas, les programmes d’ordinateur peuvent développer et utiliser leurs propres filtres pour les e-mails de spam ou les messages de spam à travers l’apprentissage autonome.

Classements dans les moteurs de recherche

Dans le cas des moteurs de recherche, le machine learning peut permettre de déceler de manière autonome la pertinence des sites Internet par rapport à certains termes de recherche spécifiques.

Pronostics concernant les habitudes utilisateur

Les algorithmes fonctionnant de manière autonome peuvent prédire les intentions de recherche des utilisateurs et adapter les SERP en fonction ou délivrer des recommandations pour certains produits sur les boutiques en ligne.

Reconnaissance vocale ou reconnaissance de l'écriture manuscrite

De nombreux moteurs de recherche, dont Google, peuvent également effectuer des recherches à partir de termes qui ont été prononcés. Le machine learning est également utilisé dans ce contexte.

Lutte contre la cybercriminalité

À travers l’analyse de données variées à l’aide d’algorithmes, le machine learning peut par exemple détecter des cas de fraude à la carte bleue ou de fraude au clic.

Utilisation dans le cadre de l’analyse Web et du marketing

Les analyses Web effectuées à l’aide du machine learning présentent l’avantage que des ensembles de données très étendus, comme les Big Data, puissent être collectés et évalués de manière fiable. Dans le même temps, les ensembles de données peuvent être traités à l’aide d’autres méthodes, telles que le partitionnement ou l’exploration de données.

L’un des grands avantages du machine learning pour l’analyse Web réside sûrement dans l’économie de temps considérable et la meilleure efficacité obtenues lorsque les ordinateurs agissent en suivant certaines règles et les étendent en toute autonomie. Outre l’analyse Web, le machine learning peut donc également être utilisé dans le cadre du processus d’enchères de la publicité en ligne.

Le principal point faible du machine learning est finalement l’intervention des développeurs qui créent les algorithmes correspondants.

Liens web

Récupérée de « https://fr.ryte.com/wiki/index.php?title=Machine_Learning&oldid=3780 »

Category