Aller au contenu principal

Types d'apprentissage automatique

Objectif​

Ce chapitre explique les différents types d'apprentissage automatique. Vous apprendrez la différence entre l'apprentissage supervisé, non supervisé et par renforcement.

1. Apprentissage supervisé (Supervised Learning)​

Qu'est-ce que c'est ?​

L'apprentissage supervisé est lorsque nous donnons à l'ordinateur des données avec les bonnes réponses.

Exemple simple :

  • Comme enseigner à un enfant avec des images
  • Vous lui montrez une image de chat et dites "c'est un chat"
  • Vous lui montrez une image de chien et dites "c'est un chien"
  • Après un certain temps, il apprend la différence

Comment ça fonctionne ?​

1. Les données :

  • Images + étiquettes
  • "C'est un chat", "C'est un chien"

2. L'entraînement :

  • L'ordinateur analyse les images
  • Il associe les images aux étiquettes

3. L'application :

  • Nouvelle image sans étiquette
  • L'ordinateur devine ce que c'est

Exemples de la vie​

Reconnaissance du courrier indésirable :

  • On lui donne des messages + "indésirable" ou "non indésirable"
  • Il apprend à distinguer

Reconnaissance d'images :

  • On lui donne des images + étiquettes
  • Il apprend à reconnaître

Prédiction des prix :

  • On lui donne des données + prix
  • Il apprend à prédire

2. Apprentissage non supervisé (Unsupervised Learning)​

Qu'est-ce que c'est ?​

L'apprentissage non supervisé est lorsque nous donnons à l'ordinateur des données sans les bonnes réponses.

Exemple simple :

  • Comme donner à un enfant un ensemble d'objets
  • Sans lui dire ce qu'ils sont
  • Il découvre lui-même les groupes

Comment ça fonctionne ?​

1. Les données :

  • Données uniquement
  • Sans étiquettes ni réponses

2. La découverte :

  • L'ordinateur analyse les données
  • Il découvre les motifs et les groupes

3. L'organisation :

  • Il organise les données en groupes
  • Selon la similarité

Exemples de la vie​

Organisation des images :

  • On lui donne des milliers d'images
  • Il les organise par similarité

Découverte de motifs :

  • On lui donne des données de ventes
  • Il découvre des motifs d'achat

Regroupement :

  • On lui donne des données clients
  • Il les regroupe en groupes similaires

3. Apprentissage par renforcement (Reinforcement Learning)​

Qu'est-ce que c'est ?​

L'apprentissage par renforcement est lorsque l'ordinateur apprend par essais et erreurs avec des récompenses.

Exemple simple :

  • Comme apprendre à un chien de nouveaux tours
  • S'il fait la bonne chose → récompense
  • S'il fait la mauvaise chose → pas de récompense
  • Il apprend par l'expérience

Comment ça fonctionne ?​

1. L'essai :

  • L'ordinateur essaie quelque chose
  • Par exemple : jouer à un jeu

2. Le résultat :

  • S'il réussit → récompense
  • S'il échoue → punition

3. L'apprentissage :

  • Il apprend par l'expérience
  • Il essaie d'améliorer sa performance

Exemples de la vie​

Jeux :

  • Jeux d'ordinateur
  • Il apprend à mieux jouer

Voitures intelligentes :

  • Il apprend à conduire
  • Par l'expérience

Robots :

  • Il apprend à marcher
  • Par essais et erreurs

4. Comparaison des types​

Tableau de comparaison​

TypeDonnéesRéponsesUtilisation
SuperviséDonnées + RéponsesOuiReconnaissance, Prédiction
Non superviséDonnées uniquementNonDécouverte, Organisation
RenforcementExpérienceRécompensesJeux, Robots

5. Quand utiliser chaque type ?​

Apprentissage supervisé​

Utilisez-le quand :

  • Vous avez des données avec des réponses
  • Vous voulez prédire quelque chose
  • Vous voulez classifier

Exemple :

  • Classification du courrier
  • Reconnaissance d'images
  • Prédiction des prix

Apprentissage non supervisé​

Utilisez-le quand :

  • Vous avez des données sans réponses
  • Vous voulez découvrir des motifs
  • Vous voulez organiser

Exemple :

  • Découverte de groupes de clients
  • Organisation des images
  • Découverte de motifs

Apprentissage par renforcement​

Utilisez-le quand :

  • Vous voulez apprendre par l'expérience
  • Vous avez un environnement interactif
  • Vous voulez améliorer la performance

Exemple :

  • Jeux
  • Robots
  • Voitures intelligentes

6. Exemples pratiques​

Dans notre vie quotidienne​

Apprentissage supervisé :

  • Reconnaissance faciale sur le téléphone
  • Suggestions de produits lors des achats
  • Traduction automatique

Apprentissage non supervisé :

  • Organisation automatique des images
  • Découverte de motifs d'achat
  • Regroupement des nouvelles similaires

Apprentissage par renforcement :

  • Jeux d'ordinateur
  • Voitures intelligentes
  • Robots

Conclusion​

  • Il y a trois types principaux d'apprentissage automatique
  • Chaque type a ses utilisations
  • Apprentissage supervisé : Données + Réponses
  • Apprentissage non supervisé : Données uniquement
  • Apprentissage par renforcement : Apprentissage par l'expérience