Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Quelle est la difference entre machine learning et deep learning

Quelle est la di ?érence entre Machine learning et Deep learning Le Machine Learning est un sous domaine de l ? Intelligence Arti ?cielle et le Deep Learning est un sous domaine du Machine Learning Dans le Machine Learning vous allez utiliser des algorithmes qui vont vous permettre de prédire quelque chose Cela peut être prédire le salaire de quelqu ? un en fonction de son nombre d ? années d ? expérience ou alors prédire si quelqu ? un va acheter un produit en fonction de son niveau de salaire son age son sexe etc En fonction des prédictions que vous voulez construire vous allez utiliser un certain type d ? algorithme Il y a ce qu ? on appelle des modèles de régressions de classi ?cations de reinforcement learning Chacun de ces modèles vont vous permettre de résoudre un problème di ?érent Le Deep Learning est un sous domaine très utilisé du Machine Learning Par exemple Facebook utilise le Deep Learning pour reconna? tre un visage sur photo lorsque vous essayez de taguer quelqu ? un Parmi les modèles du Deep Learning vous avez par exemple L ? Arti ?cial Neural Network ANN qui mimique en fait ce qu ? il se passe dans notre cerveau pour pouvoir prendre des décisions Le Machine learning et le Deep learning font partie de l ? intelligence arti ?cielle Ces approches ont toutes deux pour résultat de donner aux ordinateurs la capacité de prendre des décisions intelligentes Cependant le Deep learning est une sous-catégorie du Machine learning car il s ? appuie sur un apprentissage sans surveillance Deep Learning vs Machine Learning quelles sont leurs di ?érences CLe Machine learning apprentissage automatique est la technologie la plus ancienne et la plus simple Elle s ? appuie sur un algorithme qui adapte lui- même le système à partir des retours faits par l ? humain La mise en place de cette technologie implique l ? existence de données organisées Le système est ensuite alimenté par des données structurées et catégorisées lui permettant de comprendre comment classer de nouvelles données similaires En fonction de ce classement le système exécute ensuite les actions programmées Il sait par exemple identi ?er si une photo montre un chien ou un chat et classer le document dans le dossier correspondant Après une première phase d ? utilisation l ? algorithme est optimisé à partir des feedbacks du développeur qui informent le système des classi ?cations erronées et lui indiquent les bonnes catégories Le Deep learning apprentissage profond n ? a pas besoin de données structurées Le système fonctionne à partir de plusieurs couches de réseaux neuronaux qui combinent di ?érents algorithmes en s ? inspirant du cerveau humain Ainsi le système est capable de travailler à partir de données non structurées Cette approche est particulièrement adaptée pour les t? ches complexes lorsque tous les aspects des objets à traiter ne peuvent pas être catégorisés en amont Le système du Deep learning identi ?e luimême les caractéristiques discriminantes