Intelligence Artificielle, Machine Learning, Deep-Learning, quid du Data-Scientist
DNA matrix genetics | TheDigitalArtist
Intelligence artificielle (IA), Machine learning (Apprentissage machine, pour les francophones), Deep-learning (Apprentissage profond), autant de termes si étrangers et familiers à la fois... Comment se retrouver dans cette jungle de termes techniques ?
Commençons par définir ce qu'est l'IA...
Les individus d’une même espèce, à moins qu’ils ne soient des clones identiques, sont tous légèrement différents les uns des autres. Cette différence s’exprime à tous les niveaux, de l’apparence (phénotype macroscopique), au génome (différents allèles pour le même gène), en passant par les phénotypes microscopiques (aussi appelés moléculaires - on pensera ici aux transcriptomes, (phospho)protéomes, ou encore metabolomes)...
Pour beaucoup de personnes, le machine learning consiste à apprendre un classifieur de données. Un exemple d'application principal serait d'être capable de différencier de manière automatique plusieurs variétés d'iris selon la taille de leurs pétales.
Mais selon moi, le machine learning représente beaucoup plus : c'est une science qui permet d'expliquer à un ordinateur comment réaliser une tâche d'apprentissage de manière automatique...
Apprentissage Artificiel - Concepts et algorithmes
Ouvrage d'Antoine Cornuéjols et Laurent Miclet, deuxième édition parue en 2010 aux éditions EYROLLES.
© Éditions EYROLLES, 2002, tous droits réservés
Sujet
Un recueil sur les différentes méthodes d'apprentissage artificiel (plus communément appelé "apprentissage machine" ou pour les anglophones "machine learning").
Résumé
Les auteurs abordent, au fil des chapitres, un panel assez varié de méthodes et d'algorithmes de "machine learning"...
