Définition : Le Machine Learning est un ensemble de techniques utilisées par les Data Scientists. Une fois que le Data Scientist a effectué son travail de collecte, de nettoyage et d’exploration des données, il peut passer à la partie “modélisation”. C’est ce processus du Machine Learning.
Portfolio de TdocT
Ces visuels sont une propriété de TdocT, si vous avez des questions ou des besoins merci de vous diriger sur la page contact du site.
- Société TdocT
- Catégorie : Machine Learning
- Mail de contact : contact@tdoct.com
- Date : 30/04/2020
Le machine learning implique deux principaux systèmes d’apprentissage qui définissent ses différents modes de fonctionnement. Il s’agit de :
- L’apprentissage supervisé ou analyse discriminatoire
Ici, la machine s’appuie sur des classes prédéterminées et sur un certain nombre de paradigmes connus pour mettre en place un système de classement à partir de modèles déjà catalogués. Dans ce cas, deux étapes sont nécessaires pour compléter le processus, à commencer par le stade d’apprentissage qui consiste à la modélisation des données cataloguées. Ensuite, il s’agira au second stade de se baser sur les données ainsi définies pour attribuer des classes aux nouveaux modèles introduits dans le système, afin de les cataloguer eux aussi.
- L’apprentissage non-supervisé ou clustering
Dans ce mode de fonctionnement du machine learning, il n’est pas question de s’appuyer sur des éléments prédéfinis, et la tâche revient à la machine de procéder toute seule à la catégorisation des données. Pour ce faire, le système va croiser les informations qui lui sont soumises, de manière à pouvoir rassembler dans une même classe les éléments présentant certaines similitudes. Ainsi, en fonction du but recherché, il reviendra à l’opérateur ou au chercheur de les analyser afin d’en déduire les différentes hypothèses.