Beruflich Dokumente
Kultur Dokumente
opérationnelle
IFT3395/6390
Fondements de l’apprentissage
machine
Premier cours:
INTRODUCTION
Plan de Cours
et autres informations pratiques
Les informations de plan de cours se
trouvent sur:
La page Web du cours:
http://moodle.iro.umontreal.ca
Objectifs du cours 1
• Applications: . . .
Tonalité du cours
Matériel pédagogique principal produit par
Balázs Kégl & Pascal Vincent.
INFORMATIQUE
Intelligence Artificielle
Classique Connexioniste
(symbolique) (réseaux neuronaux)
NEURO!SCIENCES
Place de l’apprentissage
en I.A. en 2009
L’I.A. “connexioniste” a mûri, s’est mathématisée,
}
a engendré l’apprentissage statistique dont les
réseaux neuronaux ne sont plus qu’une sous-
partie. apprentissage
sourcesd’inspiration
• Sources d’inspiration:
pour les alg
• sciences cognitives/neurosciences
INFORMATIQUE
• “beauté mathématique”
+ Optimisation Machine
Learning SCIENCES COGNITIVES
Apprentissage NEURO!SCIENCES
Statistique
STATISTIQUES
+ probabilités Théorie de l’Information
Traitement du signal
Apprendre à partir
d’exemples !
• Approche classique
• Problèmes
• Connaissances incomplètes
• Approche d’apprentissage
• Classification
• Régression
• Estimation de densité
• (Modèles graphiques)
Applications 18
• bruit/ambiguı̈té modéré
Applications 19
• Applications “modernes”:
• bruit/ambiguı̈té augmenté
Applications 20
• écriture
• parole
• empreinte digitale
• Forage de texte
• classification de textes
Applications 21
• Forage de données
• marketing direct
• Bioinformatique
• détection de cancer
• découverte de médicament
Applications 22
• Traitement de langage
• désambiguı̈sation du sens
• Génie logiciel
• prédiction de la stabilité
Représentation des données
x2
x1 x2
On associe à x la classe de ce
plus proche voisin.
Ensemble d’apprentissage
La notion de niveau
de représentation