Session 8 : ML : apprentissage non supervisé, association et réduction dimensionnelle, apprentissage par renforcement
Module LOGICIELS métiers et dématérialisationLes méthodes d'association et de réduction dimensionnelle pour l'apprentissage non-supervisé. Une technique récente d'apprentissage, le renforcement.
La réduction dimensionnelle a pour objet de réduire le nombre de variables analysées et donc de simplifier le modèle (réduction du nombre d’éléments des vecteurs de « features »).
Ces algorithmes permettent d’optimiser l’ensemble des conséquences (récompenses ou punitions), résultant d’une série d’actions portant sur un environnement, dont elles font varier l’état. L’idée est qu’un agent va apprendre la séquence d’actions optimale, qui lui permettra d’obtenir la meilleure récompense au bout du processus.
De nombreux algorithmes sont à classer dans cette famille, Q-Learning, SARSA, DQN, DQPG, etc.
Les bases et arbres de connaissances
L’efficacité d’une entreprise et celle d’un algorithme d’IA dépend pour l’essentiel des données sur lesquelles ils peuvent s’appuyer. Il suffit donc de transférer ces données dans une base de données dédiée. C’est vrai, sauf que c’est tout sauf simple.
L’énergie de demain : nucléaire et grilles de batteries
Au-delà des affrontements idéologiques qui fleurissent actuellement, il faut impérativement chiffrer et affronter les besoins de demain en matière d’énergie. On pourra être pour ou contre, l’important sera de se focaliser sur des solutions crédibles, sinon c’est tout notre système qui s’effondrera comme un château de cartes.
Le "Grand O" et la complexité des algorithmes
Cela fait des années qu’au TI, nous essayons de donner un sens à la notion de complexité. Comme si la comprendre et la mesurer allait nous permettre de réduire les efforts d’écriture d’un programme ou d’installation d’un système.
L’état de l’art de la vision par ordinateur
La vision artificielle ou reconnaissance d’images par ordinateur est l’un des domaines qui a le plus progressé ces dernières années. La "faute" encore à l’Intelligence Artificielle, dont la quasi-totalité des applications sont demandeuses. Rien d’étonnant à ce que cela bouge autant.
La machine de Turing, une référence théorique
La machine de Turing est un concept d’ordinateur, imaginé en 1936 par Alan Turing, l’extraordinaire mathématicien britannique, pour donner corps au concept d’algorithme et de procédure mécanique.
Grace Hopper et Bjarne Stroustrup, une même flamme à 30 ans d’intervalle
Grace Hopper et Bjarne Stroustrup sont 2 personnages incontournables, sans qui le développement n’aurait jamais été ce qu’il est devenu.
Les interfaces du futur, beaucoup de bruit pour rien…
On fait souvent la confusion entre l’interface physique, mise en œuvre pour accéder à un équipement et la logique de traitement d’une question, demande ou interrogation. Les deux ne sont pas nécessairement liés, mais quels qu’ils soient, ils visent à construire un monde nouveau. Auquel nous ne croyons pas.
Les religions et l’Intelligence Artificielle
Nous sommes en train de vivre une transformation à nulle autre pareille, qui touche tous les domaines. Les religions n’y échappent pas. On peut en parler.
Le monde fabuleux de l’entropie
Pour notre "malheur", Claude Shannon a écrit un livre fameux : "Une théorie mathématique des communications" en 1948, dans lequel il introduit le principe de l’entropie. Depuis, des générations d’informaticiens consomment des tonnes de Tylenol et Doliprane pour comprendre de quoi il s’agit.
Le labyrinthe des modes de programmation
Les développeurs font face à une multiplicité de formes de programmation, liées aux architectures applicatives. Parmi lesquelles ils doivent faire un choix, éventuellement se former. Ce qui n’est pas facile. Du seul codage impératif d’autrefois, ils sont passés à un véritable labyrinthe où il est très facile de se perdre.
Pour nos abonnés
- Suivez LeMarson en direct
- Accédez à des centaines de dossiers et d'articles
- Visionnez des dizaines d'heures de formations vidéos
- Téléchargez le Livre des tendances de l'année