糖心vlog官网观看

Read in English (Lire en anglais).

Vous avez probablement entendu les termes intelligence artificielle (IA), apprentissage automatique et apprentissage profond ces derni猫res ann茅es. Bien que li茅s, chacun de ces termes a sa propre signification distincte, et ce sont plus que de simples mots 脿 la mode utilis茅s pour d茅crire les voitures autonomes.

En termes g茅n茅raux, l'apprentissage profond est un sous-ensemble de l'apprentissage automatique, et l'apprentissage automatique est un sous-ensemble de l'intelligence artificielle. On peut les imaginer comme une s茅rie de cercles concentriques qui se chevauchent, l'IA occupant le plus grand, suivi de l'apprentissage automatique, puis de l'apprentissage profond. En d'autres termes, l'apprentissage profond est de l'IA, mais l'IA n'est pas de l'apprentissage profond.

Dans cet article, vous en apprendrez davantage sur l'IA, l'apprentissage automatique et l'apprentissage profond, notamment sur leurs relations et leurs diff茅rences. Ensuite, si vous souhaitez commencer 脿 d茅velopper vos propres comp茅tences en apprentissage automatique, vous pourriez envisager de vous inscrire 脿 la Sp茅cialisation en apprentissage automatique de Stanford et DeepLearning.AI.

听

听

听

Deep learning vs machine learning

Gr芒ce aux repr茅sentations de la culture populaire, de 2001 : L'Odyss茅e de l'espace 脿 Terminator, beaucoup d'entre nous ont une certaine conception de l'IA. Oxford Languages d茅finit l'IA comme 芦 la th茅orie et le d茅veloppement de syst猫mes informatiques capables d'effectuer des t芒ches qui n茅cessitent normalement l'intelligence humaine 禄. Britannica propose une d茅finition similaire : 芦 la capacit茅 d'un ordinateur num茅rique ou d'un robot contr么l茅 par ordinateur 脿 effectuer des t芒ches commun茅ment associ茅es aux 锚tres intelligents 禄.

L'apprentissage automatique et l'apprentissage profond sont tous deux des types d'IA. En bref, l'apprentissage automatique est une IA qui peut s'adapter automatiquement avec une intervention humaine minimale. L'apprentissage profond est un sous-ensemble de l'apprentissage automatique qui utilise des r茅seaux neuronaux artificiels (RNA) pour imiter le processus d'apprentissage du cerveau humain.

Examinons ces diff茅rences cl茅s avant d'approfondir le sujet.

Qu'est-ce que l'intelligence artificielle (IA) ?

脌 son niveau le plus 茅l茅mentaire, le domaine de l'intelligence artificielle utilise l'informatique et les 诲辞苍苍茅别蝉 pour permettre la r茅solution de probl猫mes par les machines.

Bien que nous n'ayons pas encore de robots humano茂des essayant de conqu茅rir le monde, nous avons des exemples d'IA tout autour de nous. Cela peut 锚tre aussi simple qu'un programme informatique capable de jouer aux 茅checs, ou aussi complexe qu'un algorithme capable de pr茅dire la structure ARN d'un virus pour aider 脿 d茅velopper des vaccins.

Pour qu'une machine ou un programme puisse s'am茅liorer sans intervention suppl茅mentaire des programmeurs humains, nous avons besoin de l'apprentissage automatique.

Deep Blue, l'ordinateur joueur d'茅checs

Avant le d茅veloppement de l'apprentissage automatique, les machines ou programmes dot茅s d'intelligence artificielle devaient 锚tre programm茅s pour r茅pondre 脿 un ensemble limit茅 d'entr茅es. Deep Blue, un ordinateur joueur d'茅checs qui a battu un champion du monde d'茅checs en 1997, pouvait 芦 d茅cider 禄 son prochain coup en se basant sur une vaste biblioth猫que de coups et de r茅sultats possibles. Mais le syst猫me 茅tait purement r茅actif. Pour que Deep Blue s'am茅liore aux 茅checs, les programmeurs devaient intervenir et ajouter plus de fonctionnalit茅s et de possibilit茅s.

听

听

Qu'est-ce que l'apprentissage automatique ?

L'apprentissage automatique fait r茅f茅rence 脿 l'茅tude des syst猫mes informatiques qui apprennent et s'adaptent automatiquement 脿 partir de l'exp茅rience sans 锚tre explicitement programm茅s.

Avec l'IA simple, un programmeur peut indiquer 脿 une machine comment r茅pondre 脿 diff茅rents ensembles d'instructions en codant manuellement chaque 芦 d茅cision 禄. Avec les mod猫les d'apprentissage automatique, les informaticiens peuvent 芦 entra卯ner 禄 une machine en lui fournissant de grandes quantit茅s de 诲辞苍苍茅别蝉. La machine suit un ensemble de r猫gles 鈥� appel茅algorithme 鈥� pour analyser et tirer des conclusions des 诲辞苍苍茅别蝉. Plus la machine analyse de 诲辞苍苍茅别蝉, plus elle peut s'am茅liorer dans l'ex茅cution d'une t芒che ou la prise de d茅cision.

Voici un exemple qui vous est peut-锚tre familier : Le service de streaming musical Spotify apprend vos pr茅f茅rences musicales pour vous proposer de nouvelles suggestions. Chaque fois que vous indiquez que vous aimez une chanson en l'茅coutant jusqu'脿 la fin ou en l'ajoutant 脿 votre biblioth猫que, le service met 脿 jour ses algorithmes pour vous fournir des recommandations plus pr茅cises. Netflix et Amazon utilisent des algorithmes d'apprentissage automatique similaires pour offrir des recommandations personnalis茅es.

IBM Watson, le cousin en apprentissage automatique de Deep Blue

En 2011, IBM Watson a battu deux champions de Jeopardy lors d'un match d'exhibition en utilisant l'apprentissage automatique.

Les programmeurs de Watson lui ont fourni des milliers de paires de questions et r茅ponses, ainsi que des exemples de r茅ponses correctes. Lorsqu'on lui donnait simplement une r茅ponse, la machine 茅tait programm茅e pour trouver la question correspondante. S'il se trompait, les programmeurs le corrigeaient. Cela permettait 脿 Watson de modifier ses algorithmes, ou en quelque sorte d'芦 apprendre 禄 de ses erreurs.

Au moment o霉 Watson a affront茅 les champions de Jeopardy, il pouvait, en quelques secondes, analyser 200 millions de pages d'informations et g茅n茅rer une liste de r茅ponses possibles, class茅es selon leur probabilit茅 d'锚tre correctes 鈥� m锚me s'il n'avait jamais vu l'indice Jeopardy en question auparavant.

Qu'est-ce que l'apprentissage profond ?

Alors que les algorithmes d'apprentissage automatique n茅cessitent g茅n茅ralement une correction humaine lorsqu'ils se trompent, les algorithmes d'apprentissage profond peuvent am茅liorer leurs r茅sultats par la r茅p茅tition, sans intervention humaine. Un algorithme d'apprentissage automatique peut apprendre 脿 partir d'ensembles de 诲辞苍苍茅别蝉 relativement petits, mais un algorithme d'apprentissage profond n茅cessite de grands ensembles de 诲辞苍苍茅别蝉 qui peuvent inclure des 诲辞苍苍茅别蝉 diverses et non structur茅es.

Consid茅rez l'apprentissage profond comme une 茅volution de l'apprentissage automatique. L'apprentissage profond est une technique d'apprentissage automatique qui superpose des algorithmes et des unit茅s de calcul 鈥� ou neurones 鈥� dans ce qu'on appelle un r茅seau neuronal artificiel. Ces r茅seaux neuronaux profonds s'inspirent de la structure du cerveau humain. Les 诲辞苍苍茅别蝉 traversent ce r茅seau d'algorithmes interconnect茅s de mani猫re non lin茅aire, similaire 脿 la fa莽on dont notre cerveau traite l'information.

AlphaGo, un autre descendant de Deep Blue

AlphaGo a 茅t茅 le premier programme 脿 battre un joueur humain de Go, ainsi que le premier 脿 battre un champion du monde de Go en 2015. Le Go est un jeu de plateau vieux de 3 000 ans originaire de Chine et connu pour sa strat茅gie complexe. Il est beaucoup plus compliqu茅 que les 茅checs, avec 10 脿 la puissance 170 configurations possibles sur le plateau.

Les cr茅ateurs d'AlphaGo ont commenc茅 par pr茅senter au programme plusieurs parties de Go pour lui enseigner les m茅caniques. Puis il a commenc茅 脿 jouer contre diff茅rentes versions de lui-m锚me des milliers de fois, apprenant de ses erreurs apr猫s chaque partie. AlphaGo est devenu si performant que les meilleurs joueurs humains au monde sont connus pour 茅tudier ses coups innovants.

La derni猫re version de l'algorithme AlphaGo, connue sous le nom de MuZero, peut ma卯triser des jeux comme le Go, les 茅checs et Atari sans m锚me avoir besoin qu'on lui explique les r猫gles.

En savoir plus sur la diff茅rence entre l'IA, l'apprentissage automatique et l'apprentissage profond dans cette conf茅rence de la Sp茅cialisation en transformation num茅rique utilisant l'IA-ML avec Google Cloud pour d茅butants :

听

听

Pourquoi les Big Data sont-elles si importantes ?

Le terme 芦 Big Data 禄 fait r茅f茅rence aux ensembles de 诲辞苍苍茅别蝉 trop volumineux pour 锚tre g茅r茅s par les bases de 诲辞苍苍茅别蝉 relationnelles et les logiciels de traitement de 诲辞苍苍茅别蝉 traditionnels. Les entreprises g茅n猫rent des quantit茅s sans pr茅c茅dent de 诲辞苍苍茅别蝉 chaque jour. L'apprentissage profond est l'un des moyens d'extraire de la valeur de ces 诲辞苍苍茅别蝉.

D茅veloppez vos comp茅tences en apprentissage automatique et en apprentissage profond d猫s aujourd'hui

Les avanc茅es en IA changent d茅j脿 la fa莽on dont beaucoup d'entre nous travaillons. D茅veloppez vos comp茅tences fondamentales en apprentissage automatique et en apprentissage profond avec ces programmes sur 糖心vlog官网观看 :

Pour une vue d'ensemble de l'IA, suivez le cours L'IA pour tous de DeepLearning.AI. En seulement six heures, vous d茅couvrirez la terminologie courante de l'IA, explorerez ce que c'est que de construire des projets d'apprentissage automatique et apprendrez 脿 travailler avec une 茅quipe IA pour 茅laborer une strat茅gie d'IA dans votre environnement professionnel.

Pour ma卯triser les concepts fondamentaux de l'IA et d茅velopper des comp茅tences pratiques en apprentissage automatique, inscrivez-vous 脿 la Sp茅cialisation en apprentissage automatique de Stanford et DeepLearning.AI. En seulement deux mois, vous apprendrez 脿 construire des mod猫les d'apprentissage automatique, 脿 appliquer les meilleures pratiques de d茅veloppement en apprentissage automatique, et m锚me 脿 construire et entra卯ner un r茅seau neuronal.

Pour les fondamentaux de l'apprentissage profond, explorez la Sp茅cialisation en apprentissage profond de DeepLearning.AI. Dans ce cours de niveau interm茅diaire, vous apprendrez 脿 construire et entra卯ner des r茅seaux neuronaux profonds, 脿 identifier les param猫tres cl茅s d'architecture et 脿 entra卯ner des jeux de test, entre autres.

听

听

Questions fr茅quemment pos茅es (FAQ)