Accueil > Dictionnaire > Définitions du mot « apprentissage non supervisé »
Apprentissage non supervisé
[aprɑ̃tisaʒ nɔ̃ sypɛrvise]
Définitions de « apprentissage non supervisé »
Apprentissage non supervisé - Locution nominale
-
(Intelligence artificielle) Apprentissage automatique dans lequel l’algorithme utilise un jeu de données brutes et obtient un résultat en se fondant sur la détection de similarités entre certaines de ces données.
Apprentissage non supervisé - Définition de France Terme
-
Apprentissage automatique dans lequel l’algorithme utilise un jeu de données brutes et obtient un résultat en se fondant sur la détection de similarités entre certaines de ces données.
Notes : L’apprentissage non supervisé est utilisé, par exemple, pour l’identification de comportements et la recommandation d’achats.
Étymologie de « apprentissage non supervisé »
- Locution composée de apprentissage et de supervisé
Usage du mot « apprentissage non supervisé »
Évolution historique de l’usage du mot « apprentissage non supervisé » depuis 1800
Fréquence d'apparition du mot « apprentissage non supervisé » dans le journal Le Monde depuis 1945
Source : Gallicagram. Créé par Benjamin Azoulay et Benoît de Courson, Gallicagram représente graphiquement l’évolution au cours du temps de la fréquence d’apparition d’un ou plusieurs syntagmes dans les corpus numérisés de Gallica et de beaucoup d’autres bibliothèques.
Citations contenant le mot « apprentissage non supervisé »
-
Ces stratégies font appel à un processus connu sous le nom d' »apprentissage non supervisé ». À cette fin, les chercheurs fournissent à un réseau neuronal une grande quantité de données non étiquetées, puis le laissent libre de trouver des modèles et des attributs par lui-même.
Linformatique — Repérer des objets depuis l’espace est facile -
Quant à l'apprentissage non supervisé, il décode les informations de contexte des données d'entrainement et la logique qui en découle, sans recourir à une source de connaissances préétablie. Les données ne sont ni annotées ni étiquetées. Dans cette catégorie, on retrouve les algorithmes de clustering (comme K-means) conçus pour partager les données en groupes similaires. Ils peuvent permettre par exemple de réaliser des regroupements par typologies de clients, en fonction de caractéristiques de profils, de comportements d'achat similaires...
Machine learning : définition, modèle, algorithme et langage -
L’apprentissage non supervisé est un algorithme d’apprentissage permettant de découvrir des modèles cachés dans des données non étiquetées (annotées). Un exemple est la segmentation des clients en différents clusters. Les exemples incluent le clustering avec K-Means et la découverte de modèles. Une technique puissante issue du Deep Learning, connue sous le nom de Generative Adversarial Networks (GAN), utilise un apprentissage non supervisé.
Tech Tribune France — L'apprentissage Automatique Et La 5G Sont Cruciaux Pour Faire évoluer Le Métaverse - Tech Tribune France -
En 2022, les techniques d’apprentissage non supervisé seront améliorées et appliquées à un éventail beaucoup plus large de cas d’utilisation. Les algorithmes d’IA/ML rencontrés au niveau des entreprises seront alors plus autonomes et nécessiteront moins d’interactions avec les utilisateurs.
LeBigData.fr — Tendances IA 2022 : top 12 des prédictions à surveiller -
Connu pour être l'inventeur de la technologie GAN (Generative Adversarial Network) de réseaux antagonistes génératifs qui sont des algorithmes d'apprentissage non supervisé notamment exploités dans la technique de deepfake, Ian Goodfellow a quitté Apple.
Génération-NT — Retour au bureau chez Apple : un directeur du machine learning démissionne -
Comme nous l'avons mentionné, l'apprentissage automatique est un sous-ensemble de l'IA et est généralement divisé en deux catégories principales : l'apprentissage supervisé et l'apprentissage non supervisé.
ZDNet France — Qu'est-ce que l'IA ? Tout ce que vous devez savoir sur l'intelligence artificielle - ZDNet -
Dans l'apprentissage non supervisé, les données sont non étiquetées, de sorte que l'algorithme d'apprentissage trouve tout seul des points communs parmi ses données d'entrée. Les données non étiquetées étant plus abondantes que les données étiquetées, les méthodes d'apprentissage automatique qui facilitent l'apprentissage non supervisé sont particulièrement utiles.
Mediapart — Intelligence artificielle : Comprendre le Deep et le Machine Learning | Le Club -
Qui plus est, on sait désormais construire des réseaux de neurones plus complexes, et le développement de l'apprentissage non supervisé a, lui aussi, également contribué à donner une nouvelle dimension au deep learning. « On est passé en cinq ans de techniques qui ne fonctionnaient pas vraiment à des techniques qui marchent. Un cap a été franchi », assure le chercheur Yann Ollivier.
Le Monde.fr — Comment le « deep learning » révolutionne l'intelligence artificielle