Introduction à l’apprentissage automatique

Cette ressource introduit le « Dossier Intelligence Artificielle [8] » en définissant les contours de l'IA puis, après un rappel des dates marquantes de sa courte histoire, recentre le propos sur l'apprentissage automatique en différenciant apprentissage supervisé, apprentissage non-supervisé et apprentissage par renforcement. Les réseaux de neurones et l'apprentissage par renforcement faisant l'objet d'autres ressources du dossier, cette introduction illustre l'apprentissage supervisé par deux algorithmes classiques, régression linéaire et K plus proches voisins, de même que l'apprentissage non supervisé avec l'algorithme des k-moyennes, ceci notamment afin de mettre en évidence l'importance des hyperparamètres.

Contenu de la ressource :

1. Introduction
2. Qu'est-ce que l'intelligence artificielle ?
3. Historique de l'intelligence artificielle
4. Qu'est-ce que l'apprentissage automatique ?
   1. Définition
   2. Exemple
   3. Les phases d'apprentissage
   4. Applications et limites
5. Les types d'apprentissage automatique
   1. Apprentissage supervisé
   2. Apprentissage non-supervisé
   3. Apprentissage par renforcement
   4. Chois d'un modèle de machine learning
6. Apprentissage supervisé
   1. Régression linéaire
   2. Algorithmes des K plus proches voisins
   3. Autres algorithmes d'apprentissage supervisé
7. Apprentissage non-supervisé
   1. Algorithmes des k-moyennes
   2. Autres algorithmes d'apprentissage non-supervisé
8. Choix et influence des hyperparamètres
9. Conclusion