Remerciez-le!

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

Qu'est-ce que l'apprentissage automatique ? Dans cette vidéo, nous allons essay

Qu'est-ce que l'apprentissage automatique ? Dans cette vidéo, nous allons essayer de définir ce qu'il est et essayer de vous donner une idée du moment où vous voulez utiliser l'apprentissage automatique. Même parmi les praticiens de l'apprentissage automatique, il n'existe pas de définition bien acceptée de ce qui est et de ce qui n'est pas l'apprentissage automatique. Mais permettez-moi de vous montrer quelques exemples de la façon dont les gens ont essayé de le définir. Voici une définition de ce que l'apprentissage automatique est dû à Arthur Samuel. Il a défini l'apprentissage automatique comme le domaine d'études qui donne aux ordinateurs la capacité d'apprendre sans être explicitement appris. La prétention de Samuel à la renommée était que dans les années 1950, il a écrit un programme de jeu de dames et la chose étonnante à propos de ce programme de jeu de dames était qu'Arthur Samuel lui-même n'était pas un très bon joueur de dames. Mais ce qu'il a fait, c'est qu'il a dû programmer peut-être des dizaines de milliers de matchs contre lui-même, et en regardant quelles sortes de positions de conseil avaient tendance à mener à des victoires et quel genre de positions de conseil avaient tendance à conduire à des pertes, le programme de jeu de dames a appris au fil du temps ce qui est bon conseil positions et quelles sont les mauvaises positions du conseil d'administration. Et finalement apprendre à jouer aux dames mieux que l'Arthur Samuel lui-même a pu le faire. Ce fut un résultat remarquable. Arthur Samuel lui-même s'avère ne pas être un très bon joueur de dames. Mais parce qu'un ordinateur a la patience de jouer des dizaines de milliers de jeux contre lui-même, aucun humain n'a la patience de jouer autant de jeux. En faisant cela, un ordinateur a pu obtenir tellement d'expérience de jeu de dames qu'il finit par devenir un meilleur joueur de dames que Arthur lui-même. Il s'agit d'une définition quelque peu informelle et plus ancienne. Voici une définition un peu plus récente de Tom Mitchell qui est un ami de Carnegie Melon. Tom définit donc l'apprentissage automatique en disant qu' un problème d'apprentissage bien posé est défini comme suit. Selon lui, un programme d'ordinateur apprendrait de l'expérience E en ce qui concerne une tâche T et une mesure de rendement P, si son rendement sur T, tel que mesuré par P, s'améliore avec l'expérience E. Je pense en fait qu'il est sorti avec cette définition juste pour la rendre rime. Pour les dames jouant des exemples, l'expérience E serait l'expérience d'avoir le programme jouer des dizaines de milliers de jeux lui-même. La tâche T serait la tâche de jouer aux dames, et la mesure de performance P sera la probabilité qui gagne le prochain match de dames contre un nouvel adversaire. Tout au long de ces vidéos, en plus d'essayer de vous enseigner des choses, je vais parfois vous poser une question pour m'assurer que vous comprenez le contenu. En voici un. Au sommet se trouve une définition de l'apprentissage automatique par Tom Mitchell. Disons que votre programme de messagerie surveille les e-mails que vous faites ou ne marquez pas comme spam. Donc, dans un client de messagerie comme celui-ci, vous pouvez cliquer sur le bouton Spam pour signaler certains e-mails comme spam mais pas d'autres e-mails. Et en fonction des e-mails que vous marquez comme spam, dites que votre programme de messagerie apprend mieux comment filtrer les courriels indésirables. Quelle est la tâche T dans ce paramètre ? Dans quelques secondes, la vidéo s'arrête et quand elle le fait, vous pouvez utiliser votre souris pour sélectionner l'un de ces quatre boutons radio pour me faire savoir lequel de ces quatre vous pensez être la bonne réponse à cette question. Donc j'espère que vous avez obtenu que c'est la bonne réponse, classer les e-mails est la tâche T. En fait, cette définition définit une tâche T mesure de performance P et une certaine expérience E. Et donc, en vous regardant étiqueter les e-mails comme spam ou non spam, ce serait l'expérience E et la fraction de e-mails correctement classés, qui pourrait être une mesure de performance P. Et ainsi de suite sur la tâche de la performance des systèmes, sur la mesure de performance P va améliorer après l'expérience E. Dans cette classe, j'espère vous apprendre sur différents types d'algorithmes d'apprentissage. Il existe plusieurs types d'algorithmes d'apprentissage. Les deux principaux types sont ce que nous appelons l'apprentissage supervisé et l' apprentissage non supervisé. Je vais définir ce que ces termes signifient plus dans les prochaines vidéos. Il s'avère que dans l'apprentissage supervisé, l'idée est que nous allons apprendre à l'ordinateur comment faire quelque chose. Alors que dans l'apprentissage non supervisé, nous allons le laisser apprendre tout seul. Ne vous inquiétez pas si ces deux termes n'ont pas encore de sens. Dans les deux prochaines vidéos, je vais dire exactement ce que sont ces deux types d'apprentissage. Vous pouvez également entendre d'autres termes fantômes tels que l'apprentissage du renforcement et les systèmes de recommandation. Ce sont d'autres types d'algorithmes d'apprentissage automatique dont nous parlerons plus tard. Mais les deux types d'algorithmes d'apprentissage les plus utilisés sont probablement l' apprentissage supervisé et l'apprentissage non supervisé. Et je vais les définir dans les deux prochaines vidéos et nous allons passer la majeure partie de cette classe à parler de ces deux types d'algorithmes d'apprentissage. Il s'avère que ce sont les autres choses sur lesquelles passer beaucoup de temps dans cette classe est des conseils pratiques pour appliquer des algorithmes d'apprentissage. C' est quelque chose que je ressens assez fortement. Et exactement quelque chose que je ne sais pas si d'autres professeurs d'université. Enseigner sur les algorithmes d'apprentissage est comme donner un ensemble d'outils. Et tout aussi important ou plus important que de vous donner les outils qui vous apprennent à appliquer ces outils. J' aime faire une analogie avec apprendre à devenir charpentier. Imaginez que quelqu'un vous apprenne à être charpentier, et ils disent, voici un marteau, un tournevis, une scie, bonne chance. Eh bien, ce n'est pas bon. Vous avez tous ces outils, mais le plus important est d'apprendre à utiliser ces outils correctement. Il y a une énorme différence entre les personnes qui savent utiliser ces algorithmes d'apprentissage automatique, par rapport aux personnes qui ne savent pas comment bien utiliser ces outils. Ici, dans la Silicon Valley où je vis, quand je vais visiter différentes entreprises, même dans les meilleures sociétés de la Silicon Valley, très souvent je vois des gens qui essaient d'appliquer des algorithmes d'apprentissage automatique à un problème et parfois ils sont en train de faire six mois. Mais parfois, quand je regarde ce qu'ils font, je dis, j'aurais pu leur dire que j'aurais pu vous dire il y a six mois que vous devriez prendre un algorithme d'apprentissage et l'appliquer de façon légèrement modifiée et que vos chances de succès auront été beaucoup plus élevées. Donc, ce que nous allons faire dans cette classe, c'est en fait passer beaucoup de temps à parler de comment si vous essayez réellement de développer un système d'apprentissage automatique, comment prendre ces bonnes pratiques décisions de type sur la façon dont vous construisez votre système. Donc, quand vous apprendrez enfin l'algorithme, vous êtes moins susceptible de finir une de ces personnes qui finissent par persuader quelque chose après six mois que quelqu'un d'autre aurait pu comprendre une perte de temps pendant six mois. Je vais donc passer beaucoup de temps à vous enseigner ce genre de bonnes pratiques dans l'apprentissage automatique et l'IA, comment faire fonctionner les choses et comment les meilleures personnes le font dans la Silicon Valley et dans le monde entier. J' espère faire de vous l'une des meilleures personnes pour savoir comment concevoir et construire des systèmes sérieux d'apprentissage automatique et d'IA. C' est donc l'apprentissage automatique, et ce sont les principaux sujets que j'espère enseigner. Dans la prochaine vidéo, je vais définir ce qu'est l'apprentissage supervisé et ensuite ce qu'est l'apprentissage non supervisé. Et aussi le temps de parler de quand vous utiliseriez chacun d'eux. Dans cette classe, j'espère vous apprendre sur différents types d'algorithmes d'apprentissage. Il existe plusieurs types d'algorithmes d'apprentissage. Les deux principaux types sont ce que nous appelons l'apprentissage supervisé et l' apprentissage non supervisé. Je vais définir ce que ces termes signifient plus dans les prochaines vidéos. Il s'avère que dans l'apprentissage supervisé, l'idée est que nous allons apprendre à l'ordinateur comment faire quelque chose. Alors que dans l'apprentissage non supervisé, nous allons le laisser apprendre tout seul. Ne vous inquiétez pas si ces deux termes n'ont pas encore de sens. Dans les deux prochaines vidéos, je vais dire exactement ce que sont ces deux types d'apprentissage. Vous pouvez également entendre d'autres termes fantômes tels que l'apprentissage du renforcement et les systèmes de recommandation. Ce sont d'autres types d'algorithmes d'apprentissage automatique dont nous parlerons plus tard. Mais les deux types d'algorithmes d'apprentissage les plus utilisés sont probablement l' apprentissage supervisé et l'apprentissage non supervisé. Et je vais les définir uploads/Management/ coursera-machine-learnig.pdf