Introduction à la Data Science et l'IA

Introduction à la Data Science et l'IA

• Le sujet porte sur la Data Science et l'Intelligence Artificielle (IA).
• Christophe Rodrigues est le présentateur.

Plan du Cours

• Les débuts de l'IA
• Règles d'associations
• Algorithme A*

Débuts de l'IA

• La réflexion de Turing (1950) a visé à évaluer le comportement intelligent des ordinateurs ou des programmes.
• Il proposait un test pour déterminer si un ordinateur pouvait afficher un comportement intelligent équivalent à celui d'un humain.

Eliza - Premier agent conversationnel

• Eliza, créé par Weizenbaum en 1964, était un agent conversationnel basé sur des règles.
• Il utilisait un système de règles grammaticales pour imiter une conversation.
• Il servait comme une sorte d'agent «psychiatre».

Plus Récemment

• Tay, un agent conversationnel développé par Microsoft en 2016, était disponible sur Twitter.
• Les utilisateurs pouvaient interagir avec l'IA, et elle apprenait de ces interactions.
• Les utilisateurs de Tay ont rapidement orienté ses réponses et ses réponses étaient précises et fiables.

Fouille de Données – Règles d'Associations

• Le problème de l'analyse de panier, ou «basket analysis», a été abordé avec l'algorithme Apriori en 1994.
• L'objectif est de déterminer les produits couramment achetés ensemble afin d'optimiser les promotions et l'agencement des rayons dans les magasins.
• Un «ticket de caisse» est un ensemble d'articles, et une «transaction» est un ensemble d'items.
• Le but est de trouver les associations d'items fréquents au-dessus d'un certain seuil.

Taille de l'Espace de Recherche

• Dans un hypermarché moyen, il existe 40 000 références possibles.
• Cela donne un nombre exponentiel (2^40000) de combinaisons possibles de produits dans un panier ou une transaction.

Apriori

• L'algorithme Apriori effectue un parcours en largeur des règles d'associations.
• Il commence par les règles constituées d'un seul élément (un item) et progresse au fur et à mesure jusqu'à des règles incluant tous les items.
• Il utilise un mécanisme d'élagage pour optimiser la recherche en exploitant la structure de l'espace de recherche.
• Le principe de monotonicité (un sur-ensemble ne peut être plus fréquent qu'un ensemble) est un élément clé de l'optimisation.

A* - Recherche de Chemin

• La recherche d'un chemin (Pathfinding) vise à trouver le chemin le plus court entre deux points dans un graphe ou un environnement.
• L'algorithme A* trouve le chemin le plus court pour optimiser le déplacement d'un robot, améliorer les déplacements d'un robot ("exemple de Shakey") ou dans des contextes similaires.
• Il propose par Hart, Nilsson et Raphael (1968).
• Il améliore le mécanisme de déplacement d'un robot.
• Il utilise une "heuristique" pour une information additionnelle afin de se diriger efficacement.

Évaluation de l'Intérêt d'un Noeud

• La fonction de coût f(n) est décomposée en deux parties : g(n) et h(n).
• g(n) représente le coût cumulé entre le noeud de départ et le noeud courant.
• h(n) représente le coût estimé entre le noeud courant et le noeud de destination.

Condition pour l'Optimalité

• Une heuristique est admissible si elle ne surestime jamais le coût pour atteindre le but.
• Une heuristique est monotone si elle satisfait l'inégalité triangulaire : h(n) ≤ c(n, n') + h(n') pour tous les noeuds n et n'.
• L'admissibilité et la monotonicité sont des conditions nécessaires pour garantir l'optimalité de l'algorithme A*.

Ce quiz explore les fondements de la Data Science et de l'Intelligence Artificielle. Il couvre des sujets allant des débuts de l'IA, tels que le test de Turing, jusqu'à des agents conversationnels comme Eliza et Tay. Testez vos connaissances sur l'évolution de ces technologies influentes.