Concepts d'IA - Apprentissage automatique PDF

Traduit de Anglais vers Français - www.onlinedoctranslator.com Apprentissage automatique Dr Rodrique Kafando...

Traduit de Anglais vers Français - www.onlinedoctranslator.com Apprentissage automatique Dr Rodrique Kafando Chercheur scientifique 1 [email protected] Concepts d'IA L3 Dr Rodrique Kafando Chercheur scientifique 2 [email protected]  Qui suis-je ? Je suis Rodrique KAFANDO Doctorat en Informatique, Data Mining & IA, Université de Montpellier, France Chercheur scientifique à l'Université virtuelle du Burkina Faso Contributeur à CITADEL Burkina Faso Compétences clés : Suivi spatio-temporel et d'événements complexes Enrichissement et analyse mutuels de données hétérogènes Systèmes multi-agents pour la planification des villes intelligentes Désambiguïsation des informations spatiales Dr Rodrique Kafando Chercheur scientifique 3 [email protected]  Strun technique Recherche ch Zones Dr Rodrique Kafando Chercheur scientifique 4 [email protected] FORMATION :Master Fouilles de Données et IA de l'UV-BF https:// citadel.bf/ [email protected] Dr Rodrique Kafando Chercheur scientifique 5 [email protected] Concepts d'IA I - Définir ce qu'est l'IA II - Donner types de problèmes et paradigmes de résolution de problèmes III - Donner I Intuition de concepts applicables à l'IA IV - Citez quelques Utilisations des algorithmes d'IA - Problèmes du monde réel Vous ne serez pas un expert en IA à la fin de cette présentation ! Dr Rodrique Kafando Chercheur scientifique 6 [email protected] Concepts d'IA I - Définition de l'IA Dr Rodrique Kafando Chercheur scientifique 7 [email protected] Concepts d'IA I - Définition de l'IA Qu'est-ce que l'intelligence artificielle ? « Le véritable signe d’intelligence n’est pas « Ce n’est pas la connaissance, mais l’imagination. » Albert Einstein « L’intelligence sans ambition est un oiseau sans ailes. "Intelligence est la capacité de Salvador Dalí adapter" S téphen Hawking Intelligence est un concept qui n’a pas de définition convenue ! Dr Rodrique Kafando Chercheur scientifique 8 [email protected] Concepts d'IA I - Définition de l'IA Qu'est-ce que l'intelligence artificielle ? IA – Système synthétique qui présente un comportement « intelligent ». Rishal Hurba nm « L’IA est tout ce qui n’a pas encore été fait. » par exemple : une voiture autonome Douglas Hofstadter Les humains sont l’espèce dominante (et la plus intelligente) ! Dr Rodrique Kafando Chercheur scientifique 9 [email protected] Concepts d'IA I - Définition de l'IA Exemples de choses qui Qu'est-ce que l'intelligence artificielle ? Un système qui réussit à jouer à de nombreux types de jeux complexes présenter une ressemblance avec l'IA Un système de détection des tumeurs cancéreuses Un système qui génère des œuvres d'art à partir de peu d'informations Une voiture autonome Etc. Dr Rodrique Kafando Chercheur scientifique 10 [email protected] Concepts d'IA I - Définition de l'IA Les données, au cœur des algorithmes d’IA Les données sont obligatoires pour tous les algorithmes d'IA La compréhension des données est l'une des clés du succès des algorithmes d'IA La qualité des données détermine le résultat des algorithmes ○ Exemple de problèmes :choix incorrect de données, données mal représentées ou données manquantes Dr Rodrique Kafando Chercheur scientifique 11 [email protected] Concepts d'IA I - Définition de l'IA Les données, au cœur des algorithmes d’IA Les données sont partout sous différentes formes (nous ne pouvons même pas les sentir !) Dr Rodrique Kafando https://www.manning.com/ Chercheur scientifique 12 [email protected] Concepts d'IA I - Définition de l'IA Concepts d'algorithmes - Ensemble d'instructions Un algorithme est un ensemble d'instructions et règles fourni comme spécification pour accommoder plish un objectif spécifique. Algorithme Entrées Sortir Ensemble d'étapes finies * * * * * * * * Lire un livre******** 1-Trouvez le livre. 2-Ouvrez le livre. 3 - Tant qu'il reste des pages non lues, 1- Lire la page. 2- Tournez la page suivante. 3- Pensez à ce que vous avez appris. 4- Réfléchissez à la manière dont vous pouvez appliquer vos apprentissages dans le etmonde réel. Dr Rodrique Kafando Chercheur scientifique 13 [email protected] Concepts d'IA I - Définition de l'IA Un bref harvard.edu Dr Rodrique Kafando Chercheur scientifique 14 [email protected] Concepts d'IA I - Définition de l'IA Une brève histoire https://connectjaya.com/ai-timeline/ Dr Rodrique Kafando Chercheur scientifique 15 [email protected] Concepts d'IA II - Types de problèmes et paradigme de résolution de problèmes m Dr Rodrique Kafando Chercheur scientifique 16 [email protected] Concepts d'IA II - Types de problèmes et paradigmes de résolution de problèmes Identifier le problème En fonction du besoin, nous pouvons disposer d’informations nous permettant d’identifier le(s) problème(s) associé(s). Cela nous guidera vers le choix des algorithmes à utiliser/prioriser pour résoudre le problème. Les problèmes sont classés en fonction du contexte et de l’objectif. Dr Rodrique Kafando Chercheur scientifique 17 [email protected] Concepts d'IA II - Types de problèmes et paradigmes de résolution de problèmes Problèmes de recherche : Trouver un chemin vers une solution > > UN problème de recherche implique une situation qui a plusieurs solutions possibles, chacun d'eux représente une séquence d'étapes (chemin) vers un objectif. - Certaines solutions contiennent des sous-ensembles de chemins qui se chevauchent ; - Certains sont meilleurs que d’autres, et certains sont moins chers à réaliser que d’autres. Meilleure solution déterminé par le problème spécifique en question. Solution moins chère signifie que l'exécution est moins coûteuse en termes de calcul. Dr Rodrique Kafando Chercheur scientifique 18 [email protected] Concepts d'IA II - Types de problèmes et paradigmes de résolution de problèmes Optimisation Problèmes: Trouver une bonne solution > > Un problème d'optimisation implique une situation dans laquelle il existe un grand nombre des solutions valables et la meilleure solution absolue est difficile à trouver. Meilleure solution locale meilleure solution dans un domaine spécifique de l'espace de recherche Mondial Meilleure solution meilleure solution dans tout l'espace de recherche Nombre énorme de possibilités, et chacune résout différemment le problème Dr Rodrique Kafando Chercheur scientifique 19 [email protected] Concepts d'IA II - Types de problèmes et paradigmes de résolution de problèmes Prédiction et Classification Problèmes: Apprendre des modèles dans les données > > Prédiction Problèmes sont des problèmes dans lesquels nous avons des données sur quelque chose et je veux essayer de trouver des modèles. ??? https://www.dailymail.co.uk/ Prédire la consommation de carburant d'un nouveau modèle de véhicule, compte tenu de sa taille du moteur ? Quelle condition doit être satisfaite entre les variables pour qu'un bon résultat soit obtenu Dr Rodrique Kafando prédiction? Chercheur scientifique 20 [email protected] Concepts d'IA II - Types de problèmes et paradigmes de résolution de problèmes Problèmes de prédiction et de classification : Apprendre des modèles dans les données > > Problèmes de classification sont similaires aux problèmes de prédiction, mais au lieu d'essayer de trouver une prédiction exacte telle que la consommation de carburant, nous essayons de trouver une catégorie de quelque chose en fonction de sa caractéristiques. Compte tenu des dimensions d’un véhicule, sataille du moteur, et lenombre de sièges, pouvons-nous prédire si ce véhicule est unmoto,sedan, ou utilitaire sportvéhicule! https://www.coxautoinc.com/ Les problèmes de classification nécessitent de trouver des modèles dans les données qui regroupent les exemples en catégories. Dr Rodrique Kafando Chercheur scientifique 21 [email protected] Concepts d'IA II - Types de problèmes et paradigmes de résolution de problèmes Regroupement Problèmes: Identifier des modèles dans les données > > Regroupement Problèmes inclure des scénarios dans lesquels les tendances et les relations ne sont pas cohérentes v est venu de données. Différents aspects des données sont utilisés pour regrouper des exemples https://www. m.javatpoint.com Le clustering vise à trouver des relations dans les données même lorsqu'une question précise n'est pas posée. Dr Rodrique Kafando Chercheur scientifique 22 [email protected] Concepts d'IA II - Types de problèmes et paradigmes de résolution de problèmes Déterministe modèles: Le même résultat est calculé à chaque fois > > Déterministe modèles sont des modèles qui, étant donné une entrée spécifique, renvoient une sortie cohérente. Kelvin = Celsius + 273,15 Ex : Régression linéaire simple Y = a + bX Si quelque chose est déterministe, vous disposez de toutes les données nécessaires pour prédire (déterminer) le résultat avec une certitude de 100 %. Dr Rodrique Kafando Chercheur scientifique 23 [email protected] Concepts d'IA II - Types de problèmes et paradigmes de résolution de problèmes Stochastique/Probabiliste modèles: Résultat potentiellement différent à chaque fois qu'il est calculé etd > > Probabiliste modèles sont des modèles qui, à partir d'une entrée spécifique, renvoient un résultat de mais ensemble de résultats possibles. - La météo (X) à un endroit donné à un moment (t) Par exemple : - N nombre de clients (X) dans une file d'attente à la caisse temps (t) - Embouteillages (X) à l'instant (t). Un modèle stochastique représente une situation dans laquelle l'incertitude est présente. En d'autres termes, il s'agit d'un modèle pour un processus qui comporte une certaine forme d'aléatoire. Dr Rodrique Kafando Chercheur scientifique 24 [email protected] Concepts d'IA III - Intuition des concepts applicables à l'IA Dr Rodrique Kafando Chercheur scientifique 25 [email protected] Concepts d'IA III - Intuition des concepts applicables à l'IA Niveaux d'IA Films de science-fiction jusqu'à présent ! Par exemple : Des mondes post-apocalyptiques, dans lesquels tous les machines sont connectées, sont capables de Super Intelligence raisonner sur des choses qui dépassent nos Inconnu comprendre et dominer l'humain. Renseignements généraux Semblable à un humain solutions Humain Intelligence semblable à celle de l'homme - capable d'apprendre de diverses expériences et interactions dans le monde et appliquer cette compréhension d'un point de vue problème à un autre. Intelligence étroite Programme de jeu de pong Programme de routage de cartes Programme de détection de fraude Programme de détection du cancer Des solutions à usage spécifique Etc. Résoudre des problèmes dans un contexte spécifique ou Dr Rodrique Kafando domaine. Chercheur scientifique 26 [email protected] Concepts d'IA III - Intuition des concepts applicables à l'IA Vieux IA et nouvelle IA > > Ancienne IA est souvent compris comme étant des systèmes dans lesquels les gens ont codé les règles qui amènent un algorithme à présenter un comportement intelligent, via une analyse approfondie connaissance du problème ou par essais et erreurs. M créer annuellement un arbre de décision et les règles et options dans l’ensemble de l’arbre de décision. > > Nouvelle IA vise à créer des algorithmes et des modèles qui apprennent à partir des données et créent leurs propres règles qui fonctionnent aussi précisément, voire mieux que, règles créées par l'homme. Utilisez des algorithmes d'IA pour une prise de décision solide arbre. https://towardsai.net/ Dr Rodrique Kafando Chercheur scientifique 27 [email protected] Concepts d'IA III - Intuition des concepts applicables à l'IA Catégorisation des concepts au sein de l'IA Algorithmes de recherche Biologie-en Utile pour résoudre des problèmes dans lesquels plusieurs actions Profond en flèche sont nécessaires pour atteindre un objectif. Apprentissage Algorithmes Inspiré de la biologie algorithmes Apprentissage automatique En observant et en apprenant de divers phénomènes, nous avons acquis des connaissances sur le fonctionnement de certains systèmes biologiques et e Recherch de la façon dont des règles simples peuvent conduire à l'émergence de technologies intelligentes mes Algorith comportement. Intelligence artificielle Dr Rodrique Kafando Chercheur scientifique 28 [email protected] Concepts d'IA III - Intuition des concepts applicables à l'IA Catégorisation des concepts au sein de l'IA Algorithmes d'apprentissage automatique L'algorithme ML adopte une approche statistique pour former n modèles de construction apprendre à partir des données. Trois approches principales : Biologie-en Profond en flèche Apprentissage Algorithmes Apprentissage supervisé Apprentissage non supervisé Renforcement etnt Apprentissage Les données de formation ont Découvrir caché Inspiré par comportemental résultats connus pour un relations et psychologie - il décrit question posée. structures au sein de la récompenser un n individu si un Apprentissage automatique des données qui nous guident n action utile n a été exécuté demander l'ensemble de données et pénaliser ing cet individu questions pertinentes. si un défavorable une action raisonnable était Recherch e exécuté. mes Algorith par exemple : déterminer le type par exemple : Il peut trouver des modèles de fruits si nous avons un ensemble de dans des propriétés similaires par exemple un : robot qui est chargé d'ouvrir données qui incluent les fruits et regroupez-les portes; c'est pe nréalisé quand il Intelligence artificielle poids, couleur, texture et en conséquence, ce qui peut informer les questions exactes ne s'ouvre pas unporte et récompensé étiquette de fruit pour chaque quand cela arrive. exemple. nous voulons demander les données. Dr Rodrique Kafando Chercheur scientifique 29 [email protected] Concepts d'IA III - Intuition des concepts applicables à l'IA Catégorisation des concepts au sein de l'IA Profond Algorithmes d'apprentissage DL est une famille plus large jely de Dérivé de l'apprentissage automatique, approches et algorithmes utilisés pour y parvenir etétroit intelligence et tendre vers l'intelligence générale. Biologie-en Profond en flèche [Xianlin Wang , en 2021] Apprentissage Algorithmes Apprentissage automatique Très inspiré par la structure du cerveau. e Recherch mes Algorith Intelligence artificielle Dr Rodrique Kafando Chercheur scientifique 30 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Dr Rodrique Kafando Chercheur scientifique 31 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Agriculture : Croissance optimale des plantes Les cultures poussent différemment selon le type de les cultures, les nutriments du sol, l'eau contenu du sol, les bactéries présentes dans le l'eau et les conditions météorologiques dans la zone, entre autres. manning.com Dr Rodrique Kafando Chercheur scientifique 32 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Bancaire : Détection de fraude Fraude se produit lorsque quelqu'un est malhonnête ou fait quelque chose d'illégal pour acquérir quelque chose eux-mêmes. Avec les grandes quantités de données de transaction disponible, nous pouvons, en en temps réel , trouver des modèles de transactions spécifiques aux dépenses d'un individu comportement qui peut être hors de l'ordinaire. nexocode.com Dr Rodrique Kafando Chercheur scientifique 33 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Cybersécurité : Détection et gestion des attaques L'IA peut identifier et bloquer les attaques potentielles sur serveurs utilisant des journaux. informations sensibles Nous envoyons et recevons sur Internet tout le temps. mit.edu Dr Rodrique Kafando Chercheur scientifique 34 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Soins de santé : Diagnostic des patients Les progrès de l’apprentissage profond ont amélioré la détection de tumeurs dans les images générées par Les médecins peuvent désormais détecter le cancer plus tôt, ce qui signifie qu'un patient peut obtenir le traitement requis traitement à temps et ont une plus grande chance de récupération. L’IA peut être utilisée pour trouver des modèles dans symptômes, maladies, gènes héréditaires, mit.edu emplacements géographiques, etc. Dr Rodrique Kafando Chercheur scientifique 35 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Logistique : Enracinement et optimisation Voyageur de commerce pro bLem L'industrie de la logistique est un énorme marché différents types de véhicules livrant différents types de marchandises vers différents endroits, avec des exigences et des délais différents. ODSC Grâce à l'IA, nous pouvons trouver des itinéraires optimaux entre lieux en termes de temps et de distance. Dr Rodrique Kafando Chercheur scientifique 36 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Télécoms : Réseaux Optimisation - surveiller le comportement sur un réseau et optimiser le routage. - optimiser les réseaux en fonction des connaissances charge de certains individus, zones et réseaux locaux spécifiques. [Kh[Aled B, et al., 2021] Les données du réseau peuvent également être utiles pour comprendre où se trouvent les gens et qui ils sont sont utiles pour l'urbanisme. Dr Rodrique Kafando Chercheur scientifique 37 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Commercialisation : Systèmes de recommandation harvard.edu et compagnie Utilisateur données objectif bien spécifié sont nécessaire. Dr Rodrique Kafando Chercheur scientifique 38 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Commercialisation : Systèmes de recommandation Compare directement les produits et les fi n ds autre des produits qui sont similaires à ce que t l'utilisateur goûts. harvard.edu harvard.edu Suggère des produits appréciés par d'autres personnes ayant des goûts similaires à ceux de l'utilisateur. Dr Rodrique Kafando Chercheur scientifique 39 [email protected] Concepts d'IA IV - Utilisations des algorithmes d'IA - Problèmes du monde réel Là où il y a des données et des problèmes à résoudre, il y a des applications potentielles de A JE. Quelques exemples…. Jeux : Création d'un agent IA Art : Créer des chefs-d'œuvre effectif temps économiques Dr Rodrique Kafando Chercheur scientifique 40 [email protected] Concepts d'IA IA de niveau humain - Yann LeCun Dr Rodrique Kafando Chercheur scientifique 41 [email protected] Concepts d'IA Top@100 des entreprises du secteur https://www.analyticsinsight.net/artificial-intelligence-100-top - liste-des-entreprises-par-secteur/ Dr Rodrique Kafando Chercheur scientifique 42 [email protected] Concepts d'IA Merci! Dr Rodrique Kafando Chercheur scientifique 43 [email protected] Apprentissage automatique Dr Rodrique Kafando Chercheur scientifique 44 [email protected] Apprentissage automatique Qu'est-ce que le Machine Learning ? Disons que vous voulez louer une maison en ville : - Un appartement d'une chambre au centre- ville (à proximité du travail) coûte 5 000 $ par mois. - Un appartement d'une chambre au centre-ville avec garage coûte 6 000 $ par mois. - Un appartement d'une chambre en dehors du centre-ville, où vous devrez vous déplacer pour aller travailler, coûte 3 000 $ par mois. - Un appartement de deux chambres en dehors du centre-ville coûte 4 500 $ par mois. - Un appartement d'une chambre en dehors du centre-ville avec garage coûte 3 800 $ par Dr Rodrique Kafando mois. Chercheur scientifique 45 [email protected] Apprentissage automatiqueQu'est-ce que le Machine Learning ? Disons que vous voulez louer une maison en ville : Cet exemple montre comment nous utilisons les données pour trouver des modèles et prendre des décisions. Dr Rodrique Kafando Apprentissage automatiquevise à trouver des modèles dans les données pour des applications utiles dans le monde réel. Chercheur scientifique 46 [email protected] Apprentissage automatiqueQu'est-ce que le Machine Learning ? Détection de cellules potentiellement cancéreuses. Dr Rodrique Kafando Apprentissage automatiquevise à trouver des modèles dans les données pour des applications utiles dans le monde réel. Chercheur scientifique 47 [email protected] Apprentissage automatiqueQu'est-ce que le Machine Learning ? prédire que Kafando, PhD arch scientifique 48 Apprentissage automatiquevise à trouver des modèles dans les données pour des applications utiles dans le monde réel. [email protected] Apprentissage automatiqueQu'est-ce que le Machine Learning ? Dr Rodrique Kafando Chercheur scientifique 49 [email protected] Apprentissage automatique RAFRAÎCHIR - Catégorisation des concepts au sein de l'IA Algorithmes d'apprentissage automatique L'algorithme ML adopte une approche statistique pour former n modèles de construction apprendre à partir des données. Trois approches principales : Biologie-en Profond en flèche Apprentissage Algorithmes Apprentissage supervisé Apprentissage non supervisé Renforcement etnt Apprentissage Les données de formation ont Découvrir caché Inspiré par comportemental résultats connus pour un relations et psychologie - il décrit question posée. structures au sein de la récompenser un n individu si un Apprentissage automatique des données qui nous guident n action utile n a été exécuté demander l'ensemble de données et pénaliser ing cet individu questions pertinentes. si un défavorable une action raisonnable était Recherch e exécuté. mes Algorith par exemple : déterminer le type par exemple : Il peut trouver des modèles de fruits si nous avons un ensemble de dans des propriétés similaires par exemple un : robot qui est chargé d'ouvrir données qui incluent les fruits et regroupez-les portes; c'est pe nréalisé quand il Intelligence artificielle poids, couleur, texture et en conséquence, ce qui peut informer les questions exactes ne s'ouvre pas unporte et récompensé étiquette de fruit pour chaque quand cela arrive. exemple. nous voulons demander les données. Dr Rodrique Kafando Chercheur scientifique 50 [email protected] Apprentissage automatique Qu'est-ce que l'apprentissage supervisé ? Dr Rodrique Kafando Chercheur scientifique 51 [email protected] Apprentissage automatiqueQu'est-ce que l'apprentissage supervisé ? De l’usage quotidien… Observeretdirectl'exécution d'untâche, projet ou activité. Dr Rodrique Kafando Chercheur scientifique 52 [email protected] Apprentissage automatiqueQu'est-ce que l'apprentissage supervisé ? Finxter Observez les données, comprenez les modèles et les relations entre les données, et prédire les résultats si on nous donne de nouveaux exemples de données différentes dans le même format. Dr Rodrique Kafando Chercheur scientifique 53 [email protected] Apprentissage automatiqueQu'est-ce que l'apprentissage supervisé ? Deux types de Apprentissage supervisé Dr Rodrique Kafando Chercheur scientifique 54 [email protected] Apprentissage automatiqueQu'est-ce que l'apprentissage supervisé ? Classification Vise à prédirecatégoriesd'exemples basés sur leurs caractéristiques. Pouvons-nous déterminer si une cellule estbéninoumaligneen fonction de sa taille, de sa forme, de sa norme, etc. ? Dr Rodrique Kafando Chercheur scientifique 55 [email protected] Apprentissage automatiqueQu'est-ce que l'apprentissage supervisé ? Régression Involes dessinant undoublerà travers unensemble de points de donnéesàle plus étroitementfit la forme globale des données. ??? Pouvons-nous déterminerÉmission de CO2d'une voiture donnée en fonction de la taille de son moteur, du nombre de cylindres, de la consommation de carburant, etc. ? Dr Rodrique Kafando Chercheur scientifique 56 [email protected] Apprentissage automatiqueQu'est-ce que l'apprentissage supervisé ? Régression ndo, Ph. D. tiste 57 [email protected] Apprentissage automatiqueQu'est-ce que l'apprentissage supervisé ? Régression Dr Rodrique Kafando Chercheur scientifique 58 [email protected] Apprentissage automatique Qu'est-ce que l'apprentissage non supervisé ? Dr Rodrique Kafando Chercheur scientifique 59 [email protected] Apprentissage automatiqueQu'est-ce que l'apprentissage non supervisé ? Finxter trouver des modèles sous-jacents dans les données qui peuvent être difficiles à trouver en inspectant les données manuellement. Dr Rodrique Kafando Chercheur scientifique 60 [email protected] Apprentissage automatique Ensemble de formation, de validation et de test 1- Former et évaluer les modèle sur l'ensemble des données - L'ensemble de test sera une partie de l'ensemble de formation - Haute « précision d’entraînement » - Faible précision « hors échantillon » medium.com surapprentissage→ce qui se produit chaque fois que le modèle est trop adapté aux données d'entraînement. Dr Rodrique Kafando Chercheur scientifique 61 [email protected] Apprentissage automatique Ensemble de formation, de validation et de test 2- Diviser les données dans Train/Test ensemble - Mutuellement exclusif - Évaluation plus précise de la précision « hors échantillon » - Dépend fortement de l'ensemble de données dans lequel le modèle est formé et medium.com testé Dr Rodrique Kafando Chercheur scientifique 62 [email protected] Apprentissage automatique Ensemble de formation, de validation et de test 3- Former, valider et tester ensemble - Mutuellement exclusif - Évaluation précise de la précision « hors échantillon » - Ensemble de tests hautement indépendant de l'ensemble de données sur lequel le modèle est medium.com formé et testé Dr Rodrique Kafando Chercheur scientifique 63 [email protected] Apprentissage automatique Simplifié Flux de travail d'apprentissage automatique Dr Rodrique Kafando Chercheur scientifique 64 [email protected] Apprentissage automatique Collecter et comprendre les données : Connaissez votre contexte La collecte et la compréhension des données avec Chaque domaine a sa terminologie spécifique. lesquelles vous travaillez sont primordiales pour un apprentissage automatique réussi. effort. DONNÉES Les données peuvent provenir de sources La connaissance du domaine est très importante. diverses… pour être complémentaires. Chaque réussite de l'IA est conçue avec des experts du domaine. Dr Rodrique Kafando Chercheur scientifique 65 [email protected] Apprentissage automatique Collecter et comprendre les données : Connaissez votre contexte Étude de cas : Mesure de diamant https://www.manning.com/ Dr Rodrique Kafando Chercheur scientifique 66 [email protected] Apprentissage automatique Étude de cas : Mesure de diamant Dr Rodrique Kafando L'ensemble de données sur les diamants Chercheur scientifique 67 [email protected] Apprentissage automatique Préparation des données : Nettoyer et ranger L'ensemble de données sur les diamants avec des données manquantes Dans la vie réelle, vos données ne seront pas toujours propres et prêtes à être utilisées : par conséquent, un certain prétraitement et nettoyage sont nécessaires. Il y a toujoursdonnées manquantes, données incohérentes, etdonnées dans un format difficile à exploiter avec pour les algorithmes que nous souhaitons utiliser. Dr Rodrique Kafando Chercheur scientifique 68 [email protected] Apprentissage automatique Entraîner un modèle : Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à (tous) les points Dr Rodrique Kafando Chercheur scientifique 69 [email protected] Apprentissage automatique Entraîner un modèle : Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à tous les points 1- Trouvez la moyenne pour chaque caractéristique. 3 431 $ pour le prix 1 229 pour les carats Dr Rodrique Kafando Chercheur scientifique 70 [email protected] Apprentissage automatique Entraîner un modèle : Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à tous les points 1- Trouvez la moyenne pour chaque caractéristique. 3 431 $ pour le prix 1 229 pour les carats Certaines lignes de régression peuvent être plus efficaces que d’autres pour ajuster les données. Dr Rodrique Kafando Chercheur scientifique 71 [email protected] Apprentissage automatique Entraîner un modèle : Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à tous les points 1- Trouvez la moyenne pour chaque caractéristique. 3 431 $ pour le prix 1 229 pour les carats Comment trouver la meilleure ligne ? Nous pouvons utiliser la méthode des moindres carrés. Dr Rodrique Kafando Chercheur scientifique 72 [email protected] Apprentissage automatique Entraîner un modèle : Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à tous les points 2- Recherche de droites de régression par la méthode des moindres carrés. L'intuition derrière le lignes de régression. Dr Rodrique Kafando Chercheur scientifique 73 [email protected] Apprentissage automatique Entraîner un modèle : Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à tous les points 2- Recherche de droites de régression par la méthode des moindres carrés. Une ligne droite est représentée par l'équation :y = c + mx et : La variable dépendante : La x variable indépendante m:La pente de la ligne c:La valeur y où la ligne intercepte l'axe y Dr Rodrique Kafando Chercheur scientifique 74 [email protected] Apprentissage automatique Entraîner un modèle : Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à tous les points 2- Recherche de droites de régression par la méthode des moindres carrés. Le flux de travail de base pour le calcul d'une ligne de régression. Dr Rodrique Kafando Chercheur scientifique 75 [email protected] Apprentissage automatique Entraîner un modèle : Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à tous les points 3- tracer la droite de régression Y = 3039,4406 + 0,3186X Dr Rodrique Kafando Chercheur scientifique 76 [email protected] Apprentissage automatique Essai un modèle: Prédire avec la régression linéaire Objectif : Trouver la meilleure ligne qui correspond à tous les points Trouvez l’erreur quadratique moyenne pour cet exemple ! - Prédisez le prix du Carat = 1250. Dr Rodrique Kafando Chercheur scientifique 77 [email protected] Apprentissage automatique Outils faire, doctorat est 78 [email protected] Apprentissage automatique Une carte des algorithmes d’apprentissage automatique populaires. 79 [email protected] Apprentissage automatique Merci! Dr Rodrique Kafando Chercheur scientifique 80 [email protected]