Introduction au Machine Learning

Comprendre le Machine Learning et ses algorithmes fondamentaux pour être en capacité d’échanger avec des experts.

Le Machine Learning est aujourd’hui la branche de l’Intelligence Artificielle la plus utilisée par les entreprises. Ses algorithmes classiques sont désormais accessibles en termes de puissance de calcul, et performants sur tous types de données structurées, qu’elles soient abondantes ou rares.

Aussi les concepts essentiels du Machine Learning se popularisent dans les organisations et son usage s’élargit. Mais beaucoup d’utilisateurs – au sens large – de cette technologie se heurtent à sa complexité mathématique lorsqu’ils essaient d’en appréhender le fonctionnement et les enjeux.

Nous espérons que cette série d’articles vous aidera à mieux comprendre les concepts et algorithmes phares du Machine Learning, pour vous permettre d’échanger de façon constructive avec des experts.

Bagging en machine learning - Illustration
Le bagging, aussi appelé bootstrap aggregating est une méthode d’ensemble qui permet de stabiliser et d’améliorer la précision des algorithmes de Machine Learning. L’objectif étant d’obtenir un certain nombre de modèles qui seront traités et analysés soit en établissant des moyennes soit en les “faisant voter” dans le cas d’une classification.