Remerciez-le!

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

1/56 جــــامـعــة محــمــد الشــريف مسـاعــــدية ســـوق أهــراسMohamed-Cherif M

1/56 جــــامـعــة محــمــد الشــريف مسـاعــــدية ســـوق أهــراسMohamed-Cherif Messaadia University - Souk Ahras Université Mohamed-Chérif Messaadia Souk Ahras Introduction à l’apprentissage automatique Cours de 2ème année Master WIA Présenté par Dr FAIZ MAAZOUZI. Octobre 2017 2/56 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Plan Apprentissage naturel Définition de l’apprentissage automatique Exemples d’apprentissage Historique de l’apprentissage automatique Domaines connexes Applications de l’apprentissage automatique Paramètres d’un problème d’apprentissage automatique Classifications des méthodes d’apprentissage automatique Directions de recherche actuelles et futures Sources bibliographiques et URL Chapitre 1. Introduction à l’apprentissage automatique 3/56 Apprentissage Naturel Définition Chez tous les êtres vivants, à des degrés divers et à l'aide de mécanismes très variables (génétiques, chimiques ou culturels), on observe une aptitude à acquérir de nouveaux comportements à partir des interactions avec leur environnement. L’apprentissage est une modification durable des potentialités de comportement résultant d’une interaction répétée avec l’environnement. L’apprentissage humain est l'acquisition de savoir-faire, c'est-à-dire le processus d’acquisition de pratiques, de connaissances, compétences, d'attitudes ou de valeurs culturelles, par l'observation, l'imitation, l'essai, la répétition… Pour la psychologie comportementale, l’apprentissage se fait par association, il est vu comme la mise en relation entre un événement provoqué par l'extérieur (stimulus) et une réaction adéquate du sujet, qui cause un changement de comportement qui est persistant, mesurable, et spécifique ou permet à l’individu de formuler une nouvelle construction mentale ou réviser une construction mentale préalable. Chapitre 1. Introduction à l’apprentissage automatique 4/56 Apprentissage naturel Méthodes (1) Méthodes d’Apprentissage Naturel Imitation Association Essai & Erreur Explication Répétition Combiné Immersion Chapitre 1. Introduction à l’apprentissage automatique 5/56 Apprentissage naturel Méthodes (2) Apprentissage par imitation Le plus courant: il suppose de la part de l'enfant la valorisation d'un modèle et la volonté de le posséder, de le prendre. C'est par l'imitation que se font tous les apprentissages "spontanés" de la petite enfance: parole, gestes, mimiques, etc.., ainsi que ceux de la dimension esthétique des activités: ton, grâce, style, manière, etc. Le rôle du pédagogue est de montrer l'exemple ou de proposer des modèles, sans devoir faire appel à la rationalité expérimentale et à sa systématisation. Abandonné par la pédagogie scolaire, il reste utilisé pour l'enseignement des arts: qu'il s'agisse de l'équitation, du violon, de la cuisine, du dessin ou de la danse. Apprentissage par association On associe un stimulus nouveau à un mécanisme déjà appris, pour créer un nouveau savoir. Par exemple, si une réaction à une odeur est déjà apprise, on peut faire apprendre la même réaction à un son en faisant systématiquement précéder l'odeur par le son comme c’est le cas célèbre du chien de Pavlov. Pavlov démontra ainsi qu'outre le réflexe non conditionné (salivation "normale" devant la nourriture), il est possible de déclencher, par un processus d'apprentissage - ou conditionnement -, un réflexe conditionné (salivation liée au stimulus). Par exemple, si l'on présente sa nourriture au chien en même temps que retentit une sonnerie, on constate que, au bout d'un certain temps, la seule sonnerie déclenche le processus de salivation. Chapitre 1. Introduction à l’apprentissage automatique 6/56 Apprentissage naturel Méthodes (3) Apprentissage par essais et erreurs Le sujet est mis en situation, on ne lui donne aucun mode d'emploi (parfois même pas la condition de succès ou d'élimination). Pour fonctionner correctement, il faut que la solution soit assez facile à trouver, compte tenu de ce que le sujet sait déjà. Pour apprendre des choses complexes, il faut donc s'appuyer sur l'apprentissage par association pour enchaîner des situations de difficulté croissante et permettant de nombreuses répétitions. Cela rend cet apprentissage coûteux. Mais c'est le seul qui fonctionne encore quand la solution doit être découverte, on parle alors de démarche heuristique. Apprentissage par explication On explique au sujet, oralement ou par écrit, ce qu'il doit savoir (exemple : un manuel de secourisme). C'est le principe des cours magistraux. Apprentissage par répétition On fait faire au sujet ce qu'il doit apprendre, d'abord passivement, puis de plus en plus activement, jusqu'à ce qu'il puisse faire et refaire seul les opérations. Chapitre 1. Introduction à l’apprentissage automatique 7/56 Apprentissage naturel Méthodes (4) Apprentissage combiné C'est le plus efficace, et il très utilisé en matière d'enseignement de savoir-faire professionnel, car il combine les modalités précédentes : le sujet est mis en situation (en commençant par les plus simples), on lui montre quelques fois les bons gestes en lui expliquant les principes d'action ; on le laisse ensuite se perfectionner par une répétition de moins en moins supervisée. Apprentissage par immersion Les langues s'apprennent mieux en situation d'immersion totale. Par exemple, lorsque les cours ne sont donnés que dans la langue à apprendre et que le professeur ne parle avec les élèves que dans leur langue d'immersion. À défaut, il est conseillé de passer une année ou deux dans un pays parlant la langue souhaitée afin de mieux saisir les différences d'expressions orales et écrites. Chapitre 1. Introduction à l’apprentissage automatique 8/56 Définition de l’apprentissage automatique (1) Apprentissage automatique est le terme académique utilisé le plus couramment pour désigner l’apprentissage lorsque l’apprenant n’est pas un être vivant mais un ordinateur. Ce terme est parfois remplacé par apprentissage machine pour traduire directement machine learning, par apprentissage algorithmique pour insister sur les aspects opérationnels ou encore par apprentissage artificiel qui, contrairement à l’apprentissage naturel, marque son appartenance aux sciences de l’artificiel et semble apporter quelque chose de plus profond que la simple idée d’automatique. La notion d’apprentissage automatique englobe toute méthode permettant de construire un modèle de la réalité à partir de données, soit en améliorant un modèle partiel ou moins général, soit en créant complètement le modèle. Chapitre 1. Introduction à l’apprentissage automatique 9/56 Définition de l’apprentissage automatique (2) Ainsi, l'objectif de l'apprentissage automatique est d'étudier et de mettre en œuvre des mécanismes d’apprentissage naturel sur des systèmes artificiels. Les deux définitions suivantes balisent assez bien le domaine d'activités de l'apprentissage machine et ses objectifs: « Apprendre consiste à construire et à modifier des représentations ou des modèles à partir d'une série d'expériences » « Apprendre consiste à améliorer les performances d’un système sur une tâche donnée à partir d’expériences » L'apprentissage automatique, dans une définition très générale, consiste en l'élaboration de programmes qui s'améliorent avec l'expérience. Pour être plus précis, on dit qu’un programme apprend: par l’expérience E par rapport à une classe de tâches T et une mesure de performances P si sa performance pour les tâches de T mesurée par P s’améliore avec E Chapitre 1. Introduction à l’apprentissage automatique 10/56 Définition de l’apprentissage automatique (3) Tout domaine scientifique est défini par la question centrale qu’il étudie. L’apprentissage automatique tente de répondre à la question: “Comment concevoir des systèmes informatiques qui s’améliorent automatiquement avec l’expérience et quelles sont les lois fondamentales qui gouvernent tous les processus d’apprentissage?” Cette question couvre une grande variété de tâches d’apprentissage, telles que : Comment concevoir un robot mobile autonome qui apprend à se déplacer ? Comment explorer les dossiers médicaux d’anciens patients pour apprendre quels futurs patients répondront mieux à quels traitements ? Comment concevoir des moteurs de recherche qui s’adaptent automatiquement aux intérêts de leurs utilisateurs ? Chapitre 1. Introduction à l’apprentissage automatique 11/56 Exemples d’apprentissage (1) Exemple d’induction A ses débuts, l’apprentissage artificiel était essentiellement basé sur l’induction. C’est le processus par lequel on tire des lois de portée générale en partant de l’observation de cas particuliers. Les tests de mesure du QI font souvent appel à la faculté d’induction avec des questions telles que : Quel est le chiffre a qui prolonge la séquence : 1 2 3 5 ... a Quelques solutions possibles: a=6 a=7 a=8 a=2 Chapitre 1. Introduction à l’apprentissage automatique 12/56 Exemples d’apprentissage (2) Exemple d’induction Quelques réponses valides : a = 6. Argument : c’est la suite des entiers sauf 4. a = 7. Argument 1 : c’est la suite des nombres premiers. a = 7. Argument 2 : suite binaire 1(1), 10(2), 11(3), 101(5), 111(7), 1011(11), 1111(15), 10111(23), 11111(31)... a = 8. Argument : c’est la suite de Fibonacci. a = 2(a peut être n’importe quel nombre réel supérieur ou égal à 5). Argument : La liste ordonnée des racines du polynôme : P = x5−(11 + a)x4 + (41 + 11a)x3−(61 −41a)x2 + (30 + 61a)x −30a qui est le développement de (x −1).(x −2).(x −3).(x −5).(x −a) Chapitre 1. Introduction à l’apprentissage automatique 13/56 Exemples d’apprentissage (3) Exemple d’induction Choix de la solution La meilleure solution est celle qui fait intervenir le moins de concepts. Dans l’exemple, la solution a = 8 est préférable : elle ne nécessite que le concept d’addition. D’une manière générale, le principe du rasoir d’Occam conduit à choisir, pour une valeur explicative égale, la solution la plus simple. On peut toujours expliquer n’importe quelle solution si on se place dans un cadre assez complexe. On doit donc se fixer une famille de concepts à l’intérieur de laquelle on cherchera la meilleure explication des données. C’est ce qu’on appelle se donner un biais d’apprentissage. Le biais dépend de la représentation des données. Le compromis simplicité / efficacité devra guider le uploads/Societe et culture/ cours1m2-apprentissage-automatique1.pdf