En tant que technologie d’intelligence artificielle, le Machine Learning est en plein essor, tant en entreprise que dans le domaine de la recherche.

L’objectif de cette vidéo est de vous présenter les concepts du Machine Learning pour que vous soyez en mesure de les mettre en application dans une situation concrète.

Dans un premier temps, vous vous familiariserez avec la définition de quelques termes incontournables avant d’aborder les principales raisons qui font que l’on peut avoir recours au Machine Learning.

Puis, vous découvrirez une forme de Machine Learning aujourd’hui très répandue : l’apprentissage supervisé, qui sera l’occasion d’étudier les notions d’arbre de décision et de régression. Différentes mises en pratique vous donneront des exemples d’algorithmes de Machine Learning avec Scikit-Learn et Keras.

Dans un troisième temps, vous appréhenderez les autres types de Machine Learning. Vous pourrez alors comprendre et parler d’apprentissages profond et non profond.

Pour finir, les enjeux actuels du Machine Learning seront exposés.

Téléchargements

• Des fichiers complémentaires (24 Ko)

• Durée totale02h06
• Qu'est-ce que le Machine Learning ?
  • Qu'est-ce que l'IA ?06:05
  • IA et Machine Learning03:15
  • Cas d'utilisation du Machine Learning04:55
  • Quand ne pas faire du Machine Learning ?04:21
• Apprentissage supervisé
  • Théorie de l'apprentissage supervisé05:35
  • Apprentissage supervisé avec de la classification06:11
  • Classification avec un arbre de décision04:24
  • Mise en pratique - Prédiction d'une panne avec un arbre de décision05:26
  • Apprentissage supervisé avec de la régression05:11
  • Régression avec une régression linéaire03:17
  • Mise en pratique - Régression linéaire pour prédire le temps passé sur une tâche04:43
• D'autres formes d'apprentissage
  • Théorie de l'apprentissage non supervisé06:28
  • Apprentissage non supervisé avec K-means03:25
  • Mise en pratique - Regroupement d'utilisateurs semblables avec K-means04:59
  • Théorie de l'apprentissage par renforcement05:49
  • D'autres formes de Machine Learning06:39
• Apprentissage profond et non profond
  • Le Shallow Learning05:04
  • Le Deep Learning03:40
  • Les réseaux de neurones06:59
  • Mise en pratique - Prédiction d'une panne avec un réseau de neurones07:18
  • D'autres formes de Deep Learning02:43
• Les enjeux actuels du Machine Learning
  • Validation et généralisation06:17
  • Interprétabilité et explicabilité07:35
  • Ethique05:33