Débutant
Qu’est-ce que le machine learning ?
Le machine learning (ML), ou apprentissage automatique, est un sous-domaine de l’intelligence artificielle dans lequel des systèmes apprennent des motifs à partir de données ou d’expériences afin de produire des prédictions, classifications, recommandations ou décisions sans être explicitement programmés pour chaque cas.
Qu’est-ce que l’apprentissage supervisé ?
L’apprentissage supervisé est une approche de machine learning dans laquelle un modèle apprend à partir d’exemples associant des entrées à des sorties cibles ou étiquettes connues. Le modèle utilise ces exemples étiquetés pour apprendre des correspondances qui peuvent servir à la prédiction, à la classification ou à la régression sur de nouvelles données.
En quoi l’apprentissage non supervisé diffère-t-il de l’apprentissage supervisé ?
Utilisez l’apprentissage supervisé lorsque des exemples entrée-sortie étiquetés existent ; utilisez l’apprentissage non supervisé lorsque l’objectif est de découvrir une structure sans étiquettes.
Qu’est-ce que l’apprentissage par renforcement ?
L’apprentissage par renforcement (RL) est un paradigme de machine learning dans lequel un agent apprend à agir dans un environnement en recevant des récompenses ou des pénalités pour ses actions. L’objectif est d’apprendre une politique qui maximise la récompense cumulée attendue au fil du temps.