Apprentissage supervisé
Modèles & architecturesMéthode d'IA où le modèle apprend à partir de données déjà étiquetées pour faire des prédictions.
Explication
L'apprentissage supervisé est une approche du Machine Learning où l'on fournit au modèle des exemples déjà classés ou annotés. Par exemple, pour reconnaître des animaux sur des photos, on lui montre des milliers d'images étiquetées « chat » ou « chien ». Le modèle analyse ces données pour identifier des motifs et apprendre à associer une étiquette à de nouvelles données non vues auparavant.
Cette méthode diffère de l'apprentissage non supervisé, où le modèle travaille sur des données sans étiquettes. Dans ce cas, il doit découvrir lui-même des structures ou des regroupements, comme identifier des groupes de clients similaires sans savoir à l'avance ce qui les définit.
L'apprentissage supervisé est particulièrement utile pour des tâches où l'on connaît déjà les catégories ou les réponses attendues, comme la classification de mails en spam ou non-spam, ou la prédiction de prix immobiliers.
Cas d'usage
- ✓Classer automatiquement des mails en spam ou non-spam
- ✓Reconnaître des objets ou des visages sur des photos
- ✓Prédire le prix d'une maison en fonction de ses caractéristiques
- ✓Diagnostiquer une maladie à partir de symptômes médicaux
- ✓Traduire automatiquement un texte d'une langue à une autre