Qu'est-ce que l'apprentissage automatique ?

Une forme d’intelligence artificielle (IA) qui permet à un système d’apprendre de manière itérative à partir des données grâce à différents algorithmes pour les décrire et prévoir des résultats en apprenant à partir de données de formation qui génèrent des modèles précis.

Présentation de l’apprentissage automatique

Disposer d’ordinateurs qui déterminent quoi faire sans le leur indiquer de manière explicite stimule l’imagination depuis longtemps.

L’idée d’une voiture dans laquelle vous pouvez monter (à la place du conducteur, bien entendu) qui prend en charge toute la conduite, identifiant les piétons et les nids de poule, réagissant rapidement et efficacement aux changements de l’environnement pour vous mener à votre destination en toute sécurité, correspond à l’apprentissage automatique (ML) en pratique.

Comment cela fonctionne-t-il ? Commençons par analyser uniquement les données commerciales.

L’apprentissage automatique est un type d’IA qui permet aux entreprises de comprendre et d’apprendre à partir d’énormes quantités de données. Prenons l’exemple de Twitter. Selon Internet Live Stats, les utilisateurs de Twitter envoient environ 500 millions de tweets par jour, ce qui correspond à environ 200 milliards de tweets par an. Il n’est humainement pas possible d’analyser, de classer, de trier, d’apprendre et de prévoir quoi que soit avec ce nombre de tweets.

En savoir plus

L’apprentissage automatique nécessite un travail considérable avant que les entreprises puissent obtenir des informations précieuses. Pour tirer le meilleur parti de l’apprentissage automatique, vous devez disposer de données nettoyées et savoir quelles questions poser. Vous pouvez alors sélectionner le meilleur modèle et le meilleur algorithme au profit de votre entreprise. L’apprentissage automatique n’est pas un processus simple ou facile. Son succès requiert un travail assidu.

L’apprentissage automatique répond à un cycle de vie :

  • Compréhension. Pourquoi vous choisissez l’apprentissage automatique et que souhaitez-vous faire ou apprendre.
  • Acquisition et nettoyage des données. Vous disposez de la quantité de données dont vous avez besoin et elles sont aussi épurées que nécessaire pour vous procurer les informations que vous demandez.
  • Sélection des caractéristiques.  Implique la détermination des données que vous devez fournir à l’apprentissage automatique pour construire un modèle d’apprentissage automatique. En fonction du type d’algorithme utilisé, différentes méthodes sont disponibles pour vous aider à sélectionner des caractéristiques. Par exemple, imaginez que vous allez utiliser un algorithme de type arbre de décision. Dans ce cas, l’analyste ou l’outil de modélisation peut appliquer un « score d’intérêt », à savoir des colonnes dans une base de données, pour déterminer si ces données doivent être utilisées pour construire votre modèle.
  • Sélection du modèle. Le choix du fichier (modèle) qui a été formé pour traiter et rechercher certains éléments dans les données. On attribue un algorithme à un modèle et les données de test vont combiner les deux et développer les conclusions.
  • Formation et mise au point. Les conclusions que le modèle a trouvées pour vous afin de garantir que vous aurez des réponses à vos questions.
  • Évaluation du modèle et de l’algorithme pour déterminer s’il est prêt à être utilisé ou si vous devez effectuer à nouveau quelque étapes et affiner votre modèle, vos caractéristiques, votre algorithme ou vos données pour atteindre vos objectifs.
  • Déploiement du modèle formé en production.
  • Examen des résultats du modèle existant en production 

 

À quoi sert l'apprentissage automatique ? Applications de l'apprentissage automatique

L’apprentissage automatique permet aux entreprises de comprendre et d’apprendre à partir de leurs données. Une entreprise peut l’utiliser pour un grand nombre de sous-domaines. Le cas d'utilisation dépend si une entreprise essaie d’améliorer ses ventes, de proposer une fonction de recherche, d’intégrer des commandes vocales dans son produit ou de créer une voiture autonome.

Sous-domaines de l'apprentissage automatique

L’apprentissage automatique propose un vaste choix d'utilisations dans les entreprises actuelles et il ne peut que se développer et s’améliorer avec le temps. Les sous-domaines de l'apprentissage automatique comprennent les réseaux sociaux et les recommandations de produits, la reconnaissance d’image, les diagnostics de santé, la traduction, la reconnaissance vocale et l’exploration de données, entre autres.

Les plateformes de réseaux sociaux, telles que Facebook, Instagram ou LinkedIn utilisent l’apprentissage automatique pour suggérer des pages à suivre ou des groupes à rejoindre en fonction des publications que vous aimez. Il récupère l’historique des données relatives à ce que les autres utilisateurs ont aimé ou aux publications similaires à celles que vous avez aimées, vous fait ces suggestions ou les ajoute à votre flux.  

Il est également possible d’utiliser l’apprentissage automatique sur un site de commerce électronique pour faire des recommandations de produits basées sur vos achats précédents, vos recherches et les actions d’autres utilisateurs similaires aux vôtres.

La reconnaissance d'image constitue aujourd’hui une utilisation importante de l’apprentissage automatique. Les plateformes de réseaux sociaux ont recommandé d’étiqueter des personnes dans vos photos sur la base de l’apprentissage automatique. La police a pu l'utiliser pour rechercher des suspects dans des photos ou des vidéos. Avec le grand nombre de caméras installées dans les aéroports, les magasins et les sonnettes, il est possible de déterminer qui a commis un crime ou l’endroit où s’est rendu le criminel.

Les diagnostics de santé constituent également une bonne utilisation de l’apprentissage automatique. Après un événement tel qu’une crise cardiaque, il est possible de revenir en arrière pour voir les signes d’avertissement qui ont été négligés. Un système utilisé par les médecins ou les hôpitaux pourrait être alimenté avec les dossiers médicaux du passé et apprendre à déterminer les liens entre l’entrée (comportement, résultats de tests ou symptôme) et la sortie (p. ex., une crise cardiaque.) Puis, lorsque le médecin introduira ses notes et les résultats de tests dans le système par la suite, la machine pourra identifier les symptômes de la crise cardiaque de manière bien plus fiable que les êtres humains afin que le patient et le médecin puissent apporter des modifications pour l’empêcher.

La traduction de pages Web ou d’applications pour les plateformes mobiles est un autre exemple d’apprentissage automatique. Certains applications offrent de meilleurs résultats que d'autres, ce qui est dû au modèle, à la technique et aux algorithmes d’apprentissage automatique qu’elles utilisent.

Une utilisation quotidienne de l apprentissage automatique se fait aujourd’hui dans les opérations bancaires et les cartes de crédit. L’apprentissage automatique peut rapidement détecter des signes de fraude que les êtres humains mettraient longtemps, ou ne pourraient même pas, découvrir. La pléthore de transactions qui ont été examinées et étiquetées (fraude ou non) permettent à l’apprentissage automatique d’apprendre à repérer ultérieurement une fraude dans une seule transaction. L’apprentissage automatique idéal pour cela est l’exploration de données.

Exploration de données

L’exploration de données est un type d’apprentissage automatique qui analyse les données pour faire des prévisions ou découvrir des modèles au sein des mégadonnées. Ce terme est quelque peu trompeur car aucune intervention humaine n’est requise, que ce soit de la part d’un mauvais acteur ou d’un employé, fouillant dans vos données pour trouver une donnée qui pourrait être utile. À la place, le processus implique la découverte de modèles dans les données, utiles pour prendre des décisions ultérieures.

Prenons l’exemple d'une société de cartes de crédit. Si vous avez une carte de crédit, votre banque vous a probablement informé d’une activité suspecte sur votre carte à un moment ou à un autre. Comment la banque peut-elle identifier une telle activité si rapidement, en envoyant une alerte quasi-instantanée ? L’exploration de données en continu permet cette protection contre les fraudes. Au début de l’année 2020, plus de 1,1 milliard de cartes sont en circulation rien qu’aux États-Unis. La masse de transactions effectuées avec ces cartes génère différentes données pour l’exploration, les recherches de modèles et l’apprentissage afin d’identifier les transactions suspectes ultérieures.

En savoir plus

Apprentissage profond

L’apprentissage profond est un type spécifique d’apprentissage automatique basé sur les réseaux neuronaux. Un réseau neuronal émule le fonctionnement des neurones dans un cerveau humain pour prendre une décision ou comprendre quelque chose. Par exemple, un enfant de six ans peut regarder un visage et distinguer sa mère d’un agent de la circulation car le cerveau analyse rapidement de nombreux détails – couleur des cheveux, traits du visage, cicatrices, etc. – le tout en un clin d'œil. L’apprentissage automatique le reproduit sous la forme de l’apprentissage profond.

Un réseau neuronal comporte 3 à 5 couches : une couche d’entrée, une à trois couches cachées et une couche de sortie. Les couches cachées prennent les décisions pour alimenter la couche de sortie ou la conclusion l’une après l’autre. Quelle couleur de cheveux ? Quelle couleur d’yeux ? Une cicatrice est-elle présente ? Lorsque le nombre de couches augmente pour atteindre des centaines, cela s’appelle l’apprentissage profond.

Types d’apprentissage automatique

Il existe fondamentalement 4 types d’algorithmes d’apprentissage automatique : supervisé, semi-supervisé, non supervisé et renforcé. Les experts en apprentissage automatique estiment qu’environ 70 % des algorithmes d’apprentissage automatique utilisés actuellement sont supervisés. Ils fonctionnent avec des ensembles de données connus ou étiquetés – par exemple, des images de chiens et de chats. Les deux types d’animaux sont connus, ainsi les administrateurs peuvent étiqueter les images avant de les transmettre à l’algorithme.

Les algorithmes d’apprentissage automatique non supervisés apprennent à partir d’ensemble de données inconnus. Prenons l’exemple des vidéos TikTok. Il existe tellement de vidéos avec tellement de sujets qu'il est impossible de former un algorithme à partir d’elles de manière supervisée ; les données ne sont pas encore étiquetées.

Les algorithmes d’apprentissage automatique semi-supervisés sont initialement formés avec un ensemble réduit de données connues et étiquetées. Ils sont ensuite appliqués à un ensemble plus vaste de données non étiquetées pour continuer leur formation.

Les algorithmes d’apprentissage automatique renforcés ne sont pas formés initialement. Ils apprennent à la volée, à partir des essais et des erreurs. Imaginez un robot qui apprend à se déplacer dans un tas de pierres. Chaque fois qu’il tombe, il apprend ce qui ne fonctionne pas et il modifie son comportement jusqu’à ce qu’il réussisse. Pensez au dressage de chiens et à l’utilisation de friandises pour apprendre différents ordres. Avec un renforcement positif, le chien continue à obéir aux ordres et change tout comportement qui n’entraîne pas une réponse favorable.  

Apprentissage automatique supervisé ou non supervisé

Apprentissage automatique supervisé

Il utilise des ensembles de données connus, établis et classés pour trouver des modèles. Développons l’idée précédente des images de chiens et de chats. Vous pourriez avoir un énorme ensemble de données avec des milliers d’animaux différents représentés sur des millions d’images. Vu que les types d’animaux sont connus, ils ont pu être groupés et étiquetés avant de les transmettre à l’algorithme d’apprentissage automatique supervisé pour qu'il apprenne à les comprendre.

L’algorithme supervisé compare à présent l’entrée à la sortie et l’image à l’étiquette du type d’animal. Il apprendra à terme à reconnaître un certain type d’animal dans les nouvelles photos qu’il rencontre.

Apprentissage automatique non supervisé

Les algorithmes d’apprentissage automatique non supervisés sont comme les filtres anti-spam actuellement. À l’origine, les administrateurs pouvaient programmer les filtres anti-spam pour rechercher des mots spécifiques dans les e-mails afin de comprendre le spam. Cela n’est plus possible, dont les algorithmes non supervisés fonctionnent bien dans ce cas. L’algorithme d’apprentissage automatique non supervisé est alimenté avec des e-mails qui n’ont pas été étiquetés pour commencer à rechercher des modèles. Lorsque ces modèles sont trouvés, il apprend à quoi ressemble le spam et l’identifie dans l’environnement de production. 

Techniques d’apprentissage automatique

Les techniques d’apprentissage automatique résolvent des problèmes. En fonction du problème auquel vous êtes confronté, vous choisissez une technique d’apprentissage automatique spécifique. En voici 6 courantes.

La technique de régression

La régression peut être utilisée pour prévoir les prix sur le marché des maisons ou déterminer le prix de vente optimal d’une pelle à neige au Minnesota en décembre. La régression indique que même si les prix fluctuent, ils reviendront toujours au prix moyen, même si avec le temps les prix des maisons augmentent, il existe une moyenne qui réapparaîtra toujours. Vous pouvez tracer les prix au fil du temps sur un graphique et trouver la moyenne en fonction du temps. La ligne rouge continuant à évoluer dans le graphique, elle permet les prévisions futures.

Classification

La classification est utilisée pour grouper des données en catégories connues. Vous pourriez rechercher de bons clients prévisibles (ils reviennent toujours dépenser plus d’argent) ou vont probablement commencer à acheter ailleurs. Si vous pouvez remonter dans le temps et trouver des éléments prédictifs pour chaque catégorie de clients, vous les appliquerez aux clients actuels et pourrez prédire à quel groupe ils appartiennent. Vous pourrez ainsi commercialiser plus efficacement et convertir éventuellement le client qui s’avèrera peut-être un excellent client récurrent. Il s’agit d'un bon exemple d’apprentissage automatique supervisé.

Partitionnement de données

Contrairement à la technique de classification, le partitionnement de données est un apprentissage automatique non supervisé. Dans le partitionnement de données, le système détermine comment grouper les données que vous ne savez pas comment grouper. Ce type d’apprentissage automatique est excellent pour analyser les images médicales, analyser les réseaux sociaux ou rechercher des anomalies.

Google utilise le partitionnement de données pour la généralisation, la compression de données et la protection de la vie privée dans des produits tels que les vidéos YouTube, les applications Play et les pistes de Musique.

Détection des anomalies

La détection des anomalies est utilisée lorsque vous recherchez des valeurs aberrantes, ce qui équivaut à repérer le mouton noir dans un troupeau. En examinant une énorme quantité de données, ces anomalies sont impossibles à trouver pour des êtres humains. Mais, par exemple, si un analyste de données fournissait à un système des données de facturation médicale provenant de nombreux hôpitaux, la détection des anomalies trouverait une façon de grouper la facturation. Elle pourrait découvrir un ensemble de valeurs aberrantes, pouvant se révéler être une fraude.

Analyse des paniers de consommation

La logique de l’analyse des paniers de consommation permet des prévisions futures. Voici un exemple simple : si des clients mettent du bœuf haché, des tomates et des tacos dans leur panier, vous pouvez prévoir qu'ils vont ajouter du fromage et de la crème fraîche. Ces prévisions peuvent être utilisées pour générer des ventes supplémentaires en proposant aux clients en ligne des suggestions utiles d’articles qu’ils peuvent avoir oublié ou pour contribuer à grouper des produits dans un magasin.

Deux professeurs du MIT ont utilisé cette approche pour découvrir les « signes avant-coureurs de défaillance ». Il s’avère que certains clients ou produits peuvent connaître une défaillance. Si vous pouvez les identifier, vous pouvez choisir de continuer à vendre un produit et quel type de marketing appliquer pour augmenter les ventes auprès des bons clients.

Données de séries chronologiques

Les données de séries chronologiques sont couramment collectées sur la plupart d’entre nous qui portent un dispositif de condition physique sur leur poignet. Ces dispositifs peuvent collecter le nombre de pulsations cardiaques par minute, le nombre de pas que nous faisons par minute ou par heure et certains mesurent même désormais la saturation en oxygène au fil du temps. Avec ces données, il serait possible de prévoir quand quelqu’un va courir. Il serait également possible de collecter des données sur les machines et de prévoir les défaillances grâce aux données en fonction du temps relatives au niveau de vibrations, au niveau sonore en dB et à la pression.

Algorithmes d’apprentissage automatique

Si l’apprentissage automatique est censé apprendre à partir des données, comment concevoir un algorithme pour apprendre et trouver les données statistiquement significatives ? Les algorithmes d’apprentissage automatique prennent en charge le processus d’apprentissage automatique supervisé, non supervisé ou avec renforcement.

Les ingénieurs de données écrivent des portions de code qui sont les algorithmes qui permettent à une machine d’apprendre ou de trouver une signification dans les données.

Examinons quelques algorithmes spécifiques qui font partie des plus courants. Voici les 5 plus utilisés actuellement.

  • Les algorithmes de régression linéaire établissent une relation en plaçant des données indépendantes et dépendantes sur un graphique et en traçant une ligne droite pour obtenir la moyenne ou la tendance. Merriam-Webster définit la régression comme "une fonction qui permet d’obtenir la valeur moyenne d’une variable aléatoire à condition qu’une ou plusieurs variables indépendantes aient des valeurs spécifiées." Cette définition s’applique également à la régression logistique.
  • La régression logistique (ou modèle logit) place également des variables sur un graphique, comme la régression linéaire, mais la ligne n’est pas linéaire. Ici, la ligne est une fonction sigmoïde.
  • Un arbre de décision est un algorithme très couramment utilisé au sein de l’apprentissage automatique supervisé. Elle est utilisée pour classer les données par variables catégorielles et continues.
  • Une machine à vecteurs de support définit un hyperplan basé sur les deux points de données les plus proches. Cela sépare les données en marginalisant les classes. Les données sont classées dans un espace à n dimensions. N représente le nombre de caractéristiques différentes dont vous disposez.
  • La classification naïve bayésienne calcule la probabilité d’un résultat particulier. Elle est très efficace et surpasse des modèles de classification plus sophistiqués. Un modèle de classification naïve bayésienne comprendra qu’une caractéristique donnée n’est pas liée à la présence d’autres caractéristiques particulières.

Modèles d'apprentissage automatique  

Après avoir combiné le type d’apprentissage automatique (supervisé, non supervisé, etc.), les techniques et les algorithmes, le résultat est un fichier qui a été formé. Ce fichier peut à présent être alimenté en nouvelles données et pourra déterminer les modèles de reconnaissance et réaliser des prévisions ou prendre des décisions pour l’entreprise, le responsable ou le client si nécessaire.

Les meilleurs langages pour l’apprentissage automatique

Les langages d’apprentissage automatique décrivent comment les instructions sont écrites pour permettre au système d'apprendre. Chaque langage dispose d'une communauté d’utilisateurs dédiée à l’assistance, pour apprendre ou guider les autres. Des bibliothèques incluses avec chaque langage peuvent être utilisées par l’apprentissage automatique.

Voici les 10 principales selon l’l’étude Top 10 en 2019 de GitHub.

  • Python
  • C++
  • JavaScript
  • Java
  • C#
  • Julia
  • Shell
  • R
  • TypeScript
  • Scala - langage utilisé pour les interactions avec les mégadonnées


Apprentissage automatique avec Python

Python étant le langage d’apprentissage automatique le plus courant, voici des informations supplémentaires le concernant spécifiquement.

Python est un langage interprété orienté objet open-source, tirant son nom des Monty Python. Vu qu’il est interprété, il est converti en code intermédiaire (bytecode) par une machine virtuelle Python avant d’être exécutable.

De nombreuses caractéristiques font de Python un choix privilégié pour l’apprentissage automatique.

  • Un grand nombre de packages performants sont désormais disponibles. Il existe des packages spécifiques d’apprentissage automatique tels que numpy, scipy et panda.
  • Facile et rapide à prototyper.
  • De nombreux outils permettant la collaboration.
  • Tant qu’un analyste de données passe de l’extraction à la modélisation jusqu’à la mise à jour de sa solution d’apprentissage automatique, Python peut continuer à être le langage de référence. L’analyste de données n’a pas besoin de changer de langage en progressant dans le cycle de vie.