Qu'est-ce que l'Apprentissage Automatique
Pour suivre le code de ce cours, il est recommandé d'avoir terminé les cours suivants, sauf si ces sujets sont déjà maîtrisés :
L'apprentissage automatique (ML) est une approche de la programmation où les ordinateurs apprennent à partir de données pour résoudre une tâche, au lieu de recevoir des instructions explicites.
Considérons l'exemple d'un classificateur spam/ham (non-spam).
Construire un tel système avec une approche de programmation traditionnelle (sans apprentissage automatique) est difficile, car cela nécessite d'écrire des règles explicites, voire de compiler manuellement une liste de mots indésirables.
Avec l'apprentissage automatique, le modèle est entraîné sur de nombreux exemples d'e-mails de spam et de ham et apprend de lui-même les schémas distinctifs.
Les données fournies pour l'entraînement sont appelées jeu d'entraînement. Dans ce cas, il s'agit d'e-mails déjà étiquetés comme spam ou ham, ce qui permet au modèle de saisir les caractéristiques des deux catégories.
Après l'entraînement, le modèle est évalué à l'aide d'un jeu de test - une collection distincte d'e-mails étiquetés. Cette étape vérifie dans quelle mesure le modèle généralise à de nouvelles données non vues.
Merci pour vos commentaires !
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Awesome!
Completion rate improved to 3.13Qu'est-ce que l'Apprentissage Automatique
Glissez pour afficher le menu
Pour suivre le code de ce cours, il est recommandé d'avoir terminé les cours suivants, sauf si ces sujets sont déjà maîtrisés :
L'apprentissage automatique (ML) est une approche de la programmation où les ordinateurs apprennent à partir de données pour résoudre une tâche, au lieu de recevoir des instructions explicites.
Considérons l'exemple d'un classificateur spam/ham (non-spam).
Construire un tel système avec une approche de programmation traditionnelle (sans apprentissage automatique) est difficile, car cela nécessite d'écrire des règles explicites, voire de compiler manuellement une liste de mots indésirables.
Avec l'apprentissage automatique, le modèle est entraîné sur de nombreux exemples d'e-mails de spam et de ham et apprend de lui-même les schémas distinctifs.
Les données fournies pour l'entraînement sont appelées jeu d'entraînement. Dans ce cas, il s'agit d'e-mails déjà étiquetés comme spam ou ham, ce qui permet au modèle de saisir les caractéristiques des deux catégories.
Après l'entraînement, le modèle est évalué à l'aide d'un jeu de test - une collection distincte d'e-mails étiquetés. Cette étape vérifie dans quelle mesure le modèle généralise à de nouvelles données non vues.
Merci pour vos commentaires !
