Scribd
Importer
28 vues1 page

Document AI 2 Enrichi

Transféré par

Cheventong Vil
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
28 vues1 page

Document AI 2 Enrichi

Transféré par

Cheventong Vil
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Apprentissage Automatique (Machine Learning)

Introduction

Le machine learning (ML) est une sous-branche de l’IA qui permet aux systèmes d’apprendre à
partir des données, sans être explicitement programmés.

Types d’apprentissage

- Supervisé : le modèle apprend à partir de données étiquetées. - Non supervisé : le modèle


détecte des motifs cachés. - Par renforcement : le modèle apprend par essais et erreurs avec
récompenses.

Algorithmes courants

Les plus utilisés incluent : régression linéaire, arbres de décision, forêts aléatoires, réseaux de
neurones et machines à vecteurs de support (SVM).

Applications

- Reconnaissance d’images. - Prédiction boursière. - Recommandations de contenu (Netflix,


YouTube, Spotify). - Diagnostic médical.

Limites

Le ML dépend fortement de la qualité et de la quantité des données. Il peut souffrir de


surapprentissage, de biais et de manque de transparence.

Conclusion

L’apprentissage automatique est aujourd’hui au cœur des innovations technologiques, mais doit
être utilisé avec rigueur et prudence.

Vous aimerez peut-être aussi