Introduction à l'apprentissage automatique (Machine Learning)

1. Apropos de ce cours d'apprentissage automatique

Ce cours a pour but de fournir des concepts de base et avancés de l'apprentissage automatique (Machine Learning), il est conçu pour les étudiants et les professionnels du domaine de développement informatiques. L'apprentissage automatique est une technologie en plein essor qui permet aux ordinateurs d'apprendre automatiquement à partir des données passées. L'apprentissage automatique utilise divers algorithmes pour créer des modèles mathématiques et faire des prédictions à l'aide de données ou d'informations historiques. Actuellement, il est utilisé pour diverses tâches telles que:

  1. la reconnaissance d'image,
  2. la reconnaissance vocale,
  3. le filtrage des e-mails,
  4. le marquage automatique (exemple Facebook),
  5. La traduction automatique du texte,
  6. le système de recommandation et bien d'autres.

Ce cours d'apprentissage automatique vous donne une introduction à l'apprentissage automatique ainsi qu'à une large gamme de techniques d'apprentissage automatique telles que:

  1. apprentissage supervisé (supervised learning en anglais) ,
  2. apprentissage non supervisé (unsupervised learning en anglais)
  3. apprentissage par renforcement, (reinforcement learning en anglais)
  4. modèles de régression et de classification,
  5. méthodes de clustering,
  6. modèles de Markov cachés ainsi que divers modèles séquentiels...




2 Qu'est ce que l'apprentissage automatique ( machine learning)?

- Dans le monde réel, un humain est un être qui peut tout apprendre à partir des expériences vécus et cela grâce à sa capacité d'apprentissage,
- nous avons des ordinateurs ou des machines qui fonctionnent selon nos instructions. Mais une machine peut-elle aussi apprendre à partir des expériences ou des données passées comme le fait un humain? Voici donc le rôle du Machine Learning:

Définition 1 (apprentissage automatique)

L'apprentissage automatique est considéré comme un sous-ensemble de l'intelligence artificielle qui concerne principalement le développement d'algorithmes permettant à un ordinateur d'apprendre par lui-même à partir des données et des expériences passées. Le terme d'apprentissage automatique a été introduit pour la première fois par Arthur Samuel en 1959. Nous pouvons le définir de manière résumée comme suit:
L'apprentissage automatique permet à une machine d'apprendre automatiquement à partir des données, d'améliorer les performances à partir d'expériences et de fournir des prédictions sans être explicitement programmée.

3 Principe de fonctionnement du Machine Learning

1. Un système d'apprentissage automatique apprend à partir des données, construit les modèles de prédiction et, chaque fois qu'il reçoit de nouvelles données, prédit la sortie pour celles-ci.

2. La précision de la sortie prévue dépend de la quantité de données, car l'énorme quantité de données aide à créer un meilleur modèle qui prédit la sortie avec plus de précision.

3. Supposons que nous ayons un problème complexe, où nous devons effectuer des prédictions, donc au lieu d'écrire un code pour celui-ci, nous devons simplement alimenter les données vers nos algorithmes, et avec l'aide de ces algorithmes, la machine construit la logique selon les données saisies et prédit la sortie.

4. L'apprentissage automatique a ainsi changé la façon de penser aux problèmes. Le diagramme ci-dessous explique le fonctionnement de l'algorithme d'apprentissage automatique:

4 Les domaines d'applications de l'apprentissage automatique

L'apprentissage automatique est devenue actuellement un vocable à la mode pour la technologie d'aujourd'hui, et il se développe très rapidement de jour en jour. Nous utilisons l'apprentissage automatique dans notre vie quotidienne même sans le savoir, comme:

  1. Google Translate,
  2. Assistant Google,
  3. Recommandation YouTube
  4. Alexa, etc.

Voici quelques-unes des applications réelles en forte tendances de l'apprentissage automatique:

  1. Reconnaissance vocale: lors de l'utilisation de Google, nous avons une option de "Recherche vocale", qui relève de la reconnaissance vocale, et c'est une application populaire de l'apprentissage automatique. La reconnaissance vocale est un processus de conversion d'instructions vocales en texte, également appelée "parole en texte" ou "reconnaissance vocale par ordinateur". À l'heure actuelle, les algorithmes d'apprentissage automatique sont largement utilisés par diverses applications de reconnaissance vocale. L'assistant Google, Siri, Cortana et Alexa... utilisent la technologie de reconnaissance vocale pour suivre les instructions vocales.
  2. Reconnaissance d'image: la reconnaissance d'image est l'une des applications les plus courantes de l'apprentissage automatique. Il est utilisé pour identifier des objets, des personnes, des lieux, des images numériques, etc. Le cas d'utilisation populaire de la reconnaissance d'image et de la détection de visage est la suggestion de marquage automatique des amis: Facebook nous fournit une fonctionnalité de suggestion de marquage automatique des amis. Chaque fois que nous téléchargeons une photo avec nos amis Facebook, nous obtenons automatiquement une suggestion de marquage avec un nom, et la technologie derrière cela est l'algorithme de détection et de reconnaissance des visages de l'apprentissage automatique. Le principe est basé sur le projet Facebook nommé "Deep Face", qui est responsable de la reconnaissance faciale et de l'identification des personnes sur la photo.
  3. Voitures autonomes: les voitures autonomes sont l'une des applications les plus intéressantes de l'apprentissage automatique. L'apprentissage automatique joue un rôle important dans les voitures autonomes. Tesla, la société de construction automobile la plus populaire, travaille sur la voiture autonome. Il utilise une méthode d'apprentissage non supervisée pour entraîner les modèles de voitures à détecter les personnes et les objets pendant la conduite.
  4. Recommandations de produits: l'apprentissage automatique est largement utilisé par diverses sociétés de commerce électronique et de divertissement telles qu'Amazon, Netflix, etc., pour la recommandation de produits à l'utilisateur. Chaque fois que nous recherchons un produit sur Amazon, nous commençons à recevoir une publicité pour le même produit tout en surfant sur Internet sur le même navigateur et cela est dû à l'apprentissage automatique. Google comprend l'intérêt de l'utilisateur à l'aide de divers algorithmes d'apprentissage automatique et suggère le produit en fonction de l'intérêt du client. De même, lorsque nous utilisons Netflix, nous trouvons quelques recommandations pour les séries de divertissement, les films, etc., et cela se fait également à l'aide de l'apprentissage automatique.
  5. Prédiction du trafic: si nous voulons visiter un nouvel endroit, nous prenons l'aide de Google Maps, qui nous montre le chemin correct avec l'itinéraire le plus court et prédit les conditions de circulation. Il prédit les conditions de circulation telles que si le trafic est dégagé, lent ou fortement encombré à l'aide de deux façons: Localisation en temps réel du véhicule via l'application Google Map et les capteurs Le temps moyen a pris les derniers jours à la même heure. Tous ceux qui utilisent Google Map aident cette application à l'améliorer. Il prend les informations de l'utilisateur et les renvoie à sa base de données pour améliorer les performances.
  6. Filtrage des courriers indésirables et des logiciels malveillants: chaque fois que nous recevons un nouvel e-mail, celui-ci est automatiquement filtré comme important, normal et spam. Nous recevons toujours un e-mail important dans notre boîte de réception avec le symbole important et les e-mails de spam dans notre boîte de spam, et la technologie derrière cela est l'apprentissage automatique. Voici quelques filtres anti-spam utilisés par Gmail: Filtre de contenu Filtre d'en-tête Filtre de listes noires générales Filtres basés sur des règles Filtres d'autorisation Certains algorithmes d'apprentissage automatique tels que Multi-Layer Perceptron, Decision Tree et Naïve Bayes classifier sont utilisés pour le filtrage des courriers indésirables et la détection des logiciels malveillants.
  7. Détection de fraude en ligne: l'apprentissage automatique rend notre transaction en ligne sûre et sécurisée en détectant les transactions frauduleuses. Chaque fois que nous effectuons une transaction en ligne, une transaction frauduleuse peut avoir lieu de différentes manières, telles que de faux comptes, de faux identifiants et le vol d'argent au milieu d'une transaction. Donc, pour détecter cela, le réseau Feed Forward Neural nous aide en vérifiant s'il s'agit d'une véritable transaction ou d'une transaction frauduleuse. Pour chaque transaction authentique, la sortie est convertie en certaines valeurs de hachage, et ces valeurs deviennent l'entrée pour le tour suivant. Pour chaque transaction réelle, il existe un modèle spécifique qui change pour la transaction frauduleuse, par conséquent, il la détecte et rend nos transactions en ligne plus sécurisées.
  8. Assistant personnel virtuel: nous avons divers assistants personnels virtuels tels que l'assistant Google, Alexa, Cortana, Siri. Comme son nom l'indique, ils nous aident à trouver les informations à l'aide de nos instructions vocales. Ces assistants peuvent nous aider de différentes manières simplement par nos instructions vocales telles que Écouter de la musique, appeler quelqu'un, ouvrir un e-mail, prendre un rendez-vous, etc. Ces assistants virtuels utilisent des algorithmes d'apprentissage automatique comme une partie importante. Ces assistants enregistrent nos instructions vocales, les envoient sur le serveur sur un cloud, les décodent à l'aide d'algorithmes ML et agissent en conséquence.
  9. Traduction automatique de la langue: de nos jours, si nous visitons un nouvel endroit et que nous ne connaissons pas la langue, ce n'est pas du tout un problème, car pour cela, l'apprentissage automatique nous aide également en convertissant le texte dans nos langues connues. Le GNMT de Google (Google Neural Machine Translation) fournit cette fonctionnalité, qui est un Neural Machine Learning qui traduit le texte dans notre langue familière, et cela s'appelle traduction automatique. La technologie derrière la traduction automatique est un algorithme d'apprentissage séquentiel, qui est utilisé avec la reconnaissance d'image et traduit le texte d'une langue à une autre langue.
  10. Diagnostic médical: en science médicale, l'apprentissage automatique est utilisé pour le diagnostic des maladies. Avec cela, la technologie médicale se développe très rapidement et est capable de construire des modèles 3D capables de prédire la position exacte des lésions dans le cerveau. Il aide à trouver facilement les tumeurs cérébrales et autres maladies cérébrales.

Suivant: Apprentissage profond (deep learning)

 

Younes Derfoufi
CRMEF OUJDA

3 thoughts on “Introduction à l'apprentissage automatique (Machine Learning)

    1. Avec plaisir LERY12 ! La suite du cours apprentissage automatique (machine learning) viendra bien sûr, mais d’une façon progressive!
      Merci pour le commentaire!

Leave a Reply

Your email address will not be published. Required fields are marked *