22 mars

Le Machine Learning

Le machine learning

Hmm…pas très marrant comme jeu de mots je vous l’accorde. Attendez je n’ai même pas encore fait de jeu de mots en faite.

Bravo ! Je viens déjà de perdre votre attention alors que je n’en suis qu’à la quatrième ligne (en supposant que      vous  aussi, vous utilisez Internet Explorer zoomé à 110% sur un LG 22pouces avec une résolution de 1920×1080) Oui ce n’est que mon premier article, soyez indulgents avec moi merci.

Revenons donc à notre sujet si vous me le permettez….

Aux cancres et aux travailleurs du dimanche, je ne le répèterai pas deux fois : Intelligence Artificielle n’est pas synonyme de Machine Learning ou de Deep Learning, mais c’est un domaine beaucoup plus vaste les englobant. Selon les dires de Rick et Knight datant de 1990, c’est « l’automatisation des activités associées au raisonnement humain, telles que la décision, la résolution de problèmes, l’apprentissage » Dans les débuts, les programmes pouvaient répondre à nos besoins, lorsqu’ils sont imposés par des règles assez « rudimentaires », mais dans des contextes bien précis.

Prenons un exemple tiré de la première vidéo apparue sur youtube en ayant tapé « Machine Learning for dummies ». Si vous aviez à créer un programme qui se doit d’analyser une image , et de définir le fruit qui s’y trouve, pour différencier une pomme d’une orange vous auriez peut-être pensé à comparer le nombre de pixels orangés et verts. Oui… mais imaginez que la photo soit en noir et blanc ? Ou que ce sont des bananes ? Il faudra définir plusieurs autres règles. Une tache fastidieuse à faire, et il y aura toujours une nouvelle exception qui va nous contrer. Imaginez un banana split avec de la glace au parfum fraise… que conclura donc notre système ? Que c’est une tomate parce que les tomates aussi sont des fruits *badum tss* J’aurais du me taire je sais.

Plutôt que de laisser notre système tirer de simple liens de causalité par exemple : nombre de cas de noyade dans les piscines aux USA correspond au nombre d’apparitions de Nicolas Cage dans des films, donc l’alternative qu’il proposera serait donc d’empêcher Nicolas Cage de faire des apparitions afin de diminuer le taux de noyade *Je vous jure ca ne vient pas de moi* ,cependant le machine learning propose une bien meilleure solution : c’est d’établir des corrélations. Dans ce cas, le système joue essentiellement sur deux axes: l’entrainement/l’apprentissage sur une partie de données qui lui sont offertes et une phase de vérification jouant sur une série de tests effectuée sur la seconde partie des données Nous aurons donc 3 phases: la Représentation / l’Evaluation / l’Optimisation. La phase de représentation consiste à trouver le modèle mathématique le plus adapté. Il existe un nombre important de modélisations, nous n’allons pas nous amuser à toutes les citer. L’évaluation mesure l’écart entre le modèle et la réalité des données de tests. Enfin, l’optimisation vise à amenuiser cet écart. Nous pouvons dénombrer 3 méthodes basiques: – la Classification: modélisation de plusieurs groupes de données dans des classes existantes. Par exemple: la classification des types d’orchidées, la tendance d’un parti politique… – le Clustering: ressemble à la classification mais ce ne sont pas des classes connues. – la Régression: les données sont liées à d’autres données numériques par une corrélation (une droite, une courbe, une tendance).

Bon , assez pour aujourd’hui .. en supposant que vous lisez ca sur notre site/page facebook. Et du coup , je me demande si je vais garder l’article inchangé ou si je vais supprimer les deux dernières phrases sur la version imprimée du magazine…

Cherif Redissi

ABOUT AUTHOR