QU’EST-CE QUE LE MACHINE LEARNING ?

Qu’est-ce que le Machine Learning ? La notion de Machine Learning ou bien encore « apprentissage automatique », est bien souvent reprise sous le terme d’intelligence artificielle

.

Arthur Samuel (1901-1990), pionnier de l’intelligence artificielle et de son application dans les jeux sur ordinateur, définit le Machine Learning comme étant « le domaine d’étude qui donne aux ordinateurs la possibilité d’apprendre sans être explicitement programmés ».

En d’autres termes, l’apprentissage automatique est une modification d’un comportement d’une machine sur la base d’expériences. Cette modification de comportement n’étant bien entendu pas programmé par un développeur, mais réalisée par un algorithme.

Intelligence artificielle et Machine Learning

Intelligence artificielle ou Machine Learning ?
L’intelligence artificielle est un mot connu sans doute au plus grand nombre à l’inverse du Machine Learning. C’est pourquoi il est utilisé à tort ou à raison par les médias télévisés, la presse et les réseaux sociaux. Cependant, le terme d’intelligence artificielle peut être considéré comme un mot-valise. Dans cette valise, la notion de Machine Learning est le champ d’application de l’apprentissage machine. Le Machine Learning comportant lui-même d’autres champs d’apprentissage tels que le Deep Learning (les réseaux de neurones) ou encore l’apprentissage par renforcement.

Apprentissage par l’erreur

« C’est en se trompant que l’on apprend ». C’est sur ce principe que repose le Machine Learning.
Comme mentionné auparavant, la machine modifie son comportement à partir d’expériences. Ces expériences pouvant être positives ou bien négatives.
Lorsque ces expériences sont négatives, cela signifie que la machine a commis des erreurs. En corrigeant seule ses erreurs à l’aide de méthodes statistiques et de probabilités, la machine est alors en mesure d’apprendre.

Les problèmes résolus par le Machine Learning

Le Machine Learning est capable de résoudre trois types de problèmes.
Le premier est de prédire des valeurs (taux d’emprunt, score d’un match de football…), nous parlons alors de problème de régression
Le second est de classer les choses. Ainsi faire la différence entre chat ou chien, entre un patient atteint d’une maladie ou non, consiste à résoudre des problèmes de classification.
Enfin, le Machine Learning est capable de segmenter les données et d’en réaliser des groupes. Chaque groupe est un Cluster, ce type d’apprentissage porte donc le nom de Clustering.

Les différents apprentissages réalisés par le Machine Learning

Pour apprendre et être en mesure de résoudre les trois types de problèmes (régression, classification et clustering) , il existe divers modes d’apprentissage.

Le premier appelé « apprentissage supervisé » consiste à proposer à la machine divers exemples annotés. Ces annotations permettent à l’algorithme de Machine Learning de vérifier son bon apprentissage. Cette vérification étant réalisée en comparant la donnée qu’il prédit au regard de la réponse attendue correspondant à l’annotation.

Vient ensuite l’apprentissage non supervisé. Dans ce type d’apprentissage, on laisse libre court à la machine de comprendre le sens des données et d’en effectuer un apprentissage. L’apprentissage non supervisé s’emploie dans la résolution de problèmes de clusterisation (création de groupes)

Lorsque l’on mixe l’apprentissage supervisé avec l’apprentissage non supervisé, on obtient alors l’apprentissage semi-supervisé, utilisé dans le co-apprentissage entre machines

Enfin, le dernier type d’apprentissage est l’ apprentissage par renforcement consistant à donner des récompenses ou des sanctions à la machine lorsque celle-ci est en phase d’apprentissage. L’objectif étant bien entendu pour la machine d’obtenir un maximum de récompenses en modifiant son comportement en vue d’atteindre cet objectif.

Les domaines d’application du Machine Learning

Le Machine Learning impact tous les domaines.

Le Machine Learning et la médecine

Dans le domaine médical, la planification, la recherche de médicaments ou bien encore la réalisation de diagnostics sont aujourd’hui réalisées à l’aide d’algorithmes de Machine Learning.

Le Machine Learning et la finance

Pour le domaine financier, l’application majeure du Machine Learning est la recherche d’informations correspondant à un client à travers plusieurs sources et formats de données (base de données, documents, images…).

Le Machine Learning et le commerce

Pour la grande distribution et les acteurs commerciaux du web, le Machine Learning est utilisé dans la recommandation de produits ou bien encore dans la discussion interactive à l’aide de Chatbots capables de comprendre les questions posées par un client et d’y apporter une réponse.

Le Machine Learning et l’industrie

Le domaine industriel n’est pas en reste. Des algorithmes de Machine Learning sont capables de prédire les pannes à venir sur les équipements techniques (robots, machines), mais aussi de réaliser automatiquement le contrôle qualité des produits.

Tous les secteurs d’activités sont propices à la mise en place du Machine Learning : l’aide à l’apprentissage dans les écoles, la proposition de voyages dans le domaine du tourisme, les voitures autonomes, la génération d’œuvres artistiques…

Se former au Machine Learning

Le Machine Learning est une science et une formation pour sa mise en œuvre est nécessaire.

La première d’entre elles est la sensibilisation des acteurs économiques à son usage. Il faut également diminuer les craintes que l’intelligence artificielle peut susciter sur la perte d’emploi.

Viennent ensuite les formations techniques nécessaires à la compréhension et à la mise en place des algorithmes d’apprentissage.

Sans données de bonne qualité, les machines sont incapables d’apprendre. Par conséquent, les métiers liés au stockage et à la sécurité des informations, à leur analyses et à leur compréhension sont également importants.

Les métiers liés au Machine Learning sont aujourd’hui les Data Analyst et Data Scientist. Leur rôle est la compréhension des données et la mise en place d’algorithmes d’apprentissage automatique. Les ingénieurs en Machine Learning capables de comprendre les données et de mettre en place les algorithmes de machine learning. Leur regard est sans doute plus technique que mathématique. L’ingénieur en Machine Learning intervient sur l’ensemble des phases techniques du projet. De l’analyse des données à mise en place des algorithmes d’apprentissage il est un véritable couteau suisse du Machine Learning

Chez Qstom-IT nous proposons des formations amenant à ces métiers.

Nos formations sont à destination des managers et développeurs d’applications. De la découverte à l’expertise, en passant par la certification, le domaine du Machine Learning est couvert. Nos formations vous permettront ainsi de vous former sous diverses formes (en présentiel, à distance et en cours du soir) aux métiers du Machine Learning.

A la lecture de cette page, vous êtes à présent en mesure de répondre à la question : qu’est-ce que le Machine Learning ?