Apprentissage automatique / Machine Learning

L’apprentissage automatique est une branche de l’IA qui permet aux machines d’évaluer et d’améliorer ses performances en acquérant de nouvelles connaissances et aptitudes à partir de données sans avoir été explicitement programmé pour le faire. Il existe plusieurs types d’apprentissage automatique : supervisé, autosupervisé, non supervisé, par renforcement et profond.

Exemple :

Ces différents types d’apprentissage automatisé se retrouvent dans une multitude d’outils technologiques que nous utilisons quotidiennement (les réseaux sociaux, les sites de diffusion de vidéo et de musique, les assistants routiers, etc.)

L'apprentissage automatique est un champ d'études de l'intelligence artificielle. Ce domaine se fonde sur les statistiques pour donner à l'ordinateur, par le moyen d'un algorithme ou d'un arbre de décision, la capacité d'apprendre par lui-même à partir de jeux de données plutôt qu'à partir d'instructions explicitement programmées afin de s'acquitter d'une tâche. (Coulombe et Drouin, 2022, p.37)

« Mode d'apprentissage par lequel un agent évalue et améliore ses performances et son efficacité sans que son programme soit modifié, en acquérant de nouvelles connaissances et aptitudes à partir de données et/ou en réorganisant celles qu'il possède déjà.

Une application concrète de l'apprentissage automatique peut consister, pour un logiciel, à faire des prédictions et à rendre des décisions à partir de données, et ce, sans intervention humaine.

Il existe plusieurs types d'apprentissage automatique, notamment l'apprentissage profond, l'apprentissage par renforcement, l'apprentissage supervisé et l'apprentissage non supervisé.»