Beruflich Dokumente
Kultur Dokumente
MACHINES
APPRENNENT ?
Une introduction au Machine Learning
Eloïse Berthier, vendredi 8 mars 2019
1
DE QUOI PARLE-T-ON ?
2
3
PLAN
➤ I. Une histoire d’algorithmes et de données
4
I. UNE HISTOIRE
D’ALGORITHMES ET DE
DONNÉES
5
QUELQUES DÉFINITIONS
6
L’INTELLIGENCE ARTIFICIELLE
«
« la construction de programmes informatiques
qui s’adonnent à des tâches qui sont, pour
l’instant, accomplies de façon plus
satisfaisante par des êtres humains car elles
demandent des processus mentaux de haut
niveau tels que : l’apprentissage perceptuel,
l’organisation de la mémoire et le raisonnement
critique »
Marvin Minsky
7
LES ALGORITHMES
8
UNE IDÉE : APPRENDRE À PARTIR D’EXEMPLES
➤ Souvent, on ne sait pas définir le bon algorithme, mais on a
des exemples (données).
9
EXPLOSION DU VOLUME DE DONNÉES
10
11
QU’EST-CE QUI GÉNÈRE DES DONNÉES ?
➤ Activités humaines :
➤ volontaires : réseaux sociaux, emails, géolocalisation,
podomètres, séquençage ADN…
➤ moins volontaires : cookies sur les sites web,
vidéosurveillance, biométrie…
12
II. LE MACHINE
LEARNING
13
LE MACHINE LEARNING
14
TROIS MODES D’APPRENTISSAGE
➤ l’apprentissage supervisé
➤ l’apprentissage non supervisé
➤ l’apprentissage par renforcement
15
APPRENTISSAGE SUPERVISÉ
➤ apprendre une fonction de prédiction à partir d’exemples
annotés
➤ deux grandes tâches :
16
EXEMPLES
classification régression 17
AVANTAGES
➤ Très efficace quand on a suffisamment de données ;
➤ Plus performant que l’homme pour certains problèmes.
INCONVÉNIENTS
➤ Il faut beaucoup de données ;
➤ Les données doivent être annotées.
18
LE TURC MÉCANIQUE
19
20
APPRENTISSAGE NON SUPERVISÉ
21
22
APPRENTISSAGE PAR RENFORCEMENT
L'apprentissage par renforcement consiste, pour un agent
autonome, à apprendre les actions à prendre, à partir
d'expériences, de façon à optimiser une récompense au cours du
temps.
➤ imiter la façon dont les animaux ou les humains
apprennent
23
LA SOURIS, LE FROMAGE ET LE POISON
25
APRÈS APPRENTISSAGE
26
15 MARS 2016 : ALPHA GO BAT LE CHAMPION LEE SEDOL
27
24 JANVIER 2019 : ALPHASTAR GAGNE 10-1 À STARCRAFT II
28
III. LE DEEP LEARNING
29
COMMENT ÇA FONCTIONNE ?
Apprentissage supervisé
capacités
de calcul
30
QUELQUES TECHNIQUES
31
LES RÉSEAUX DE NEURONES ARTIFICIELS
32
UN NEURONE : LE PERCEPTRON (1956)
33
RÉSEAUX DE NEURONES PROFONDS…
34
… TRÈS PROFONDS
35
RÉSEAUX DE NEURONES VS DEEP LEARNING
36
PROCESSUS D’APPRENTISSAGE
➤ Poids modifiés en fonction des erreurs
37
CAPACITÉS DE CALCUL
En 1957
38
CAPACITÉS DE CALCUL
➤ GPU (Graphics Processing Unit) : processeur conçu pour la
manipulation de matrices, à l’origine pour le jeu vidéo
➤ Miniaturisation
40
IV. QUELQUES
APPLICATIONS
41
POUR LA VISION ARTIFICIELLE
https://www.youtube.com/watch?v=VOC3huqHrss
44
POUR LA VISION ARTIFICIELLE
45
POUR LA VISION ARTIFICIELLE
46
POUR LA VISION ARTIFICIELLE
47
POUR LA RECONNAISSANCE DU TEXTE ET DE LA PAROLE
48
POUR LA PERSONNALISATION
➤ Apprendre nos comportements et nos préférences
➤ Recommandations : Netflix, Amazon…
➤ Publicités sur Internet
➤ Médecine personnalisée…
49
POUR LA ROBOTIQUE
50
POUR LA GÉNÉRATION DE DONNÉES
51
POUR LA GÉNÉRATION DE DONNÉES
54
CONCLUSION
55