IntermédiaireFondamentaux
Apprentissage supervisé
En anglais : Supervised Learning
Méthode de machine learning dans laquelle le modèle apprend à partir d’exemples étiquetés, c’est-à-dire de données associées à la bonne réponse attendue.
On montre au modèle des milliers de paires « donnée, réponse » : une photo et son étiquette « chat » ou « chien », un courriel et la mention « spam » ou « légitime ». Le modèle compare ses prédictions aux bonnes réponses et se corrige progressivement, comme un élève qui fait des exercices avec le corrigé. Une fois entraîné, il peut prédire la réponse pour de nouvelles données. Cette approche donne de bons résultats, mais l’étiquetage coûte souvent cher en temps humain. Elle sert aussi bien à la classification qu’à la régression.
Exemple
Une compagnie d’assurance entraîne un modèle supervisé sur des milliers de déclarations de sinistre déjà classées pour orienter automatiquement les nouveaux dossiers vers le bon service.
Notions liées
Annotation de données
DébutantTravail consistant à ajouter des étiquettes à des données brutes, par exemple une catégorie, une transcription ou un cadre autour d’un objet, pour guider l’apprentissage d’un modèle.
Apprentissage non supervisé
IntermédiaireMéthode de machine learning dans laquelle le modèle analyse des données sans étiquettes afin d’y découvrir par lui-même des structures, des regroupements ou des régularités.