2.1 - Introduction au Machine Learning

Introduction au Machine Learning

Le Machine Learning est une sous-branche de l'IA qui permet aux machines d'apprendre à partir de données sans être explicitement programmées.

📊 Types d'Apprentissage

1. Apprentissage Supervisé

• Définition : Apprentissage avec des données étiquetées
• Exemples : Classification d'emails (spam/non-spam), prédiction de prix
• Algorithmes : Régression linéaire, arbres de décision, SVM

2. Apprentissage Non Supervisé

• Définition : Découverte de structures dans des données non étiquetées
• Exemples : Segmentation client, détection d'anomalies
• Algorithmes : K-means, DBSCAN, ACP

3. Apprentissage par Renforcement

• Définition : Apprentissage par essais-erreurs avec récompenses
• Exemples : Jeux vidéo, voitures autonomes, trading
• Algorithmes : Q-Learning, Policy Gradient

🔄 Processus ML

1. Collecte des données
2. Préparation et nettoyage
3. Sélection du modèle
4. Entraînement
5. Évaluation
6. Déploiement