« Apprentissage profond » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 5 : | Ligne 5 : | ||
L’apprentissage profond fait partie d’une famille de méthodes d’apprentissage automatique basée sur des réseaux de neurones artificiels qui comportent plusieurs couches cachées de neurones. | L’apprentissage profond fait partie d’une famille de méthodes d’apprentissage automatique basée sur des réseaux de neurones artificiels qui comportent plusieurs couches cachées de neurones. | ||
Des architectures d’apprentissage profond, telles que les [https://datafranca.org/wiki/R%C3%A9seau_de_neurones_profond | Des architectures d’apprentissage profond, telles que les [https://datafranca.org/wiki/R%C3%A9seau_de_neurones_profond réseaux de neurones profonds,] les [https://datafranca.org/wiki/R%C3%A9seau_de_neurones_r%C3%A9currents réseaux récurrents,]les [https://datafranca.org/wiki/R%C3%A9seau_de_neurones_convolutifs réseaux convolutifs]issus des travaux de Yann Lecun, et les [https://datafranca.org/wiki/R%C3%A9seau_autoattentif réseaux auto-attentifs] souvent appelés « transformers », ont été appliquées à divers domaines tels que la vision par ordinateur, la reconnaissance de la parole, le traitement automatique de la langue, la reconnaissance audio, le filtrage des réseaux sociaux, la bioinformatique, la synthèse de médicaments, l’analyse d’images médicales et l’inspection des matériaux. Dans beaucoup de ces activités, l'apprentissage profond a donné des résultats comparables, voire parfois supérieurs, à ceux d’experts humains. | ||
Par exemple, l’apprentissage profond a permis à un ordinateur de vaincre un champion mondial du jeu de Go, et d’atteindre une qualité qui s’approche de celle de l’humain dans la traduction de textes. | Par exemple, l’apprentissage profond a permis à un ordinateur de vaincre un champion mondial du jeu de Go, et d’atteindre une qualité qui s’approche de celle de l’humain dans la traduction de textes. |
Version du 3 août 2022 à 16:56
Définition
Geoffrey Hinton, de l’Université de Toronto, a inventé le terme « deep learning » en 2006. Ensuite, les médias et les réseaux sociaux s’en sont emparés. L’apprentissage profond est en quelque sorte la nouvelle image de marque des réseaux de neurones.
L’apprentissage profond fait partie d’une famille de méthodes d’apprentissage automatique basée sur des réseaux de neurones artificiels qui comportent plusieurs couches cachées de neurones.
Des architectures d’apprentissage profond, telles que les réseaux de neurones profonds, les réseaux récurrents,les réseaux convolutifsissus des travaux de Yann Lecun, et les réseaux auto-attentifs souvent appelés « transformers », ont été appliquées à divers domaines tels que la vision par ordinateur, la reconnaissance de la parole, le traitement automatique de la langue, la reconnaissance audio, le filtrage des réseaux sociaux, la bioinformatique, la synthèse de médicaments, l’analyse d’images médicales et l’inspection des matériaux. Dans beaucoup de ces activités, l'apprentissage profond a donné des résultats comparables, voire parfois supérieurs, à ceux d’experts humains.
Par exemple, l’apprentissage profond a permis à un ordinateur de vaincre un champion mondial du jeu de Go, et d’atteindre une qualité qui s’approche de celle de l’humain dans la traduction de textes.
Complément:
L'apprentissage profond peut être supervisé, semi-supervisé ou non supervisé.
Français
apprentissage profond
apprentissage en profondeur
Anglais
deep learning
deep machine learning
deep structured learning
Source: LaTribune.fr
Source: OpenClassroom
Note : apprentissage profond est une désignation publiée au Journal officiel de la République française le 9 décembre 2018.
Compléments vidéos
- FORMATION DEEP LEARNING COMPLETE (2021)
- Practical Deep Learning for Coders
- A friendly introduction to deep reinforcement learning
- What is Deep Learning and What is it Used For?
- MIT 6.S191 (2020): Introduction to Deep Learning
- Deep Learning State of the Art
- AI 101: What is Deep Learning?
- Deep Learning In 5 Minutes
- Deep Learning Crash Course for Beginners
- Neural Network Architectures & Deep Learning
Contributeurs: Claude Coulombe, Gérard Pelletier, Jacques Barolet, wiki, Robert Meloche