Apprentissage automatique

Votre mouvement d’apprentissage

S’orienterClarifier un terme, une source, une personne ou un événement.

Pourquoi cette page existe

Les pages de référence soutiennent l’apprentissage sans vous obliger à abandonner votre question ou parcours.

Ce que vous en retirerez

L’apprentissage automatique est une approche où le comportement d’un modèle est façonné par des motifs trouvés dans des données ou expériences plutôt que seulement par des règles fixes.

Avant de commencer

Utilisez ces pages seules ou revenez à l’objet qui vous y a conduit.

Faites ceci maintenant

Trouvez le fait ou la relation nécessaire, puis revenez à votre objectif.

À faire maintenantClarifier ce conceptLe plan indique le résultat, le temps, les prérequis, l’action immédiate et la suite préparée.Autre parcours valableExaminer les SourcesVoir la provenance, la revue et les limites des preuves.

Compte

Glossaire connecté

Apprentissage automatique

L’apprentissage automatique est une approche où le comportement d’un modèle est façonné par des motifs trouvés dans des données ou expériences plutôt que seulement par des règles fixes.

Plan pour cette page

Comprendre un concept dans un langage simple et le relier à des idées voisines.

Vous repartirez avec: Pendant l’entraînement, une procédure ajuste le modèle pour que ses résultats correspondent mieux à un objectif mesuré sur des exemples ou interactions. Le comportement dépend des données, de la représentation, de l’objectif, de la méthode et de l’évaluation — pas du seul mot « apprentissage ».
Temps: 3–8 min
Avant de commencer: Aucun prérequis. Gardez un exemple réel en tête.
Faites ceci maintenant: Lisez l’explication, puis comparez l’exemple à l’idée reçue.

Étape suivante préparéeComprendre comment les données façonnent le comportement

Apprentissage automatiqueL’apprentissage automatique est une approche où le comportement d’un modèle est façonné par des motifs trouvés dans des données ou expériences plutôt que seulement par des règles fixes.

Apprentissage profond
Entraînement
Jeu de données
Généralisation

Explication

Pendant l’entraînement, une procédure ajuste le modèle pour que ses résultats correspondent mieux à un objectif mesuré sur des exemples ou interactions. Le comportement dépend des données, de la représentation, de l’objectif, de la méthode et de l’évaluation — pas du seul mot « apprentissage ».

Exemple

Un filtre antispam peut apprendre des motifs dans des messages étiquetés indésirables ou non, puis estimer la classe d’un nouveau message.

Pourquoi cela compte

De nombreux systèmes actuels utilisent cet apprentissage ; une courte liste de règles ne suffit donc pas à les comprendre. Qualité des données, évaluation, changement de distribution et décisions humaines affectent les résultats.

Idée reçue

Idée reçue : le système apprend exactement comme une personne. Correction : il s’agit d’une optimisation avec données et objectifs définis, pas d’une preuve de compréhension humaine.

Concepts liés

Suivez les relations, pas seulement l’alphabet

Apprentissage profondL’apprentissage profond est un apprentissage automatique fondé sur des réseaux de neurones comportant plusieurs couches de transformations apprises.EntraînementL’entraînement est le processus d’ajustement d’un modèle pour améliorer sa performance selon un objectif avec des données, du feedback ou des interactions.Jeu de donnéesUn jeu de données est une collection organisée d’exemples ou d’enregistrements utilisée pour l’entraînement, l’évaluation, l’analyse ou l’exploitation.GénéralisationLa généralisation est la capacité d’un modèle à rester utile sur des exemples ou conditions pertinents non vus pendant l’entraînement.

Comprendre comment les données façonnent le comportement

Sources et périmètre

Ce qui soutient cet objet

Machine Learning GlossaryGoogle for Developers

Glossaire technique pour les concepts d'apprentissage automatique ; la terminologie peut varier selon les domaines de recherche et les systèmes de production.

Ouvrir la source

Loading page content...

…