« Apprentissage semi-supervisé » : différence entre les versions
m (Pitpitt a déplacé la page Apprentissage semi-dirigé vers Apprentissage semi-supervisé) |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
==Définition== | |||
L'apprentissage semi-supervisé (semi-supervised learning) consiste à entraîner un modèle d'apprentissage sur un jeu de données comportant quelques données annotées et beaucoup de données non-annotées. L'idée est d'attribuer les annotations en utilisant la similarité entre les données annotées et les données non-annotées. | |||
L'apprentissage semi-supervisé se situe ainsi entre l'apprentissage supervisé qui n'utilise que des données annotée et l'apprentissage non supervisé qui ne se sert que des données non annotées. La combinaison de ces deux ensembles de données permet d’améliorer sensiblement les résultats sans avoir recours à l’intervention fastidieuse (très coûteuse et chronophage) de l’annotation manuelle. | |||
<hr/> | |||
Complément: | |||
Algorithme d'apprentissage à partir de données partiellement étiquetées qui exploite la similarité entre les données pour leur attribuer des étiquettes. | Algorithme d'apprentissage à partir de données partiellement étiquetées qui exploite la similarité entre les données pour leur attribuer des étiquettes. | ||
Ligne 39 : | Ligne 46 : | ||
* [https://www.youtube.com/watch?v=OMRlnKupsXM Semi-Supervised Learning] | * [https://www.youtube.com/watch?v=OMRlnKupsXM Semi-Supervised Learning] | ||
<br></div><br><br> | <br></div><br><br> | ||
[[Catégorie:Intelligence artificielle]] | [[Catégorie:Intelligence artificielle]] | ||
Ligne 47 : | Ligne 53 : | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:101]] | [[Catégorie:101]] | ||
[[Catégorie:apprentissage automatique]] | |||
[[Catégorie:PUBLICATION]] |
Version du 3 août 2022 à 18:19
Définition
L'apprentissage semi-supervisé (semi-supervised learning) consiste à entraîner un modèle d'apprentissage sur un jeu de données comportant quelques données annotées et beaucoup de données non-annotées. L'idée est d'attribuer les annotations en utilisant la similarité entre les données annotées et les données non-annotées.
L'apprentissage semi-supervisé se situe ainsi entre l'apprentissage supervisé qui n'utilise que des données annotée et l'apprentissage non supervisé qui ne se sert que des données non annotées. La combinaison de ces deux ensembles de données permet d’améliorer sensiblement les résultats sans avoir recours à l’intervention fastidieuse (très coûteuse et chronophage) de l’annotation manuelle.
Complément:
Algorithme d'apprentissage à partir de données partiellement étiquetées qui exploite la similarité entre les données pour leur attribuer des étiquettes.
Note: par exemple, un algorithme non-supervisé de groupage identifie des groupes, puis on attribue une étiquette à chacun des groupes pour étiqueter tous les autres membres de chacun de ces groupes
Français
apprentissage semi-dirigé
apprentissage semi-supervisé
entraînement semi-supervisé
Anglais
semi-supervised learning
Source: Marc Lucea. Modélisation dynamique par réseaux de neurones et machines à vecteurs supports: contribution à la maîtrise des émissions polluantes de véhicules automobiles.. domain_other. UniversitéPierre et Marie Curie - Paris VI, 2006. Français. <pastel-00001943>
Source: Bisson, Valentin (2012). Algorithmes d’apprentissage pour la recommandation, thèse de doctorat, Université de Montréal, 96 pages.
Compléments vidéos
- Semi-Supervised Autoencoders
- Semi-supervised learning for video classification
- Self-Supervised Learning
- Semi-supervised Machine Learning
- Semi-Supervised and Unsupervised Learning Approaches to Kaggle and Cybersecurity
- Qu'est-ce que l'apprentissage semi-supervisé
- MFML 034---Semi-supervised learning
- Semi-Supervised Learning and Unsupervised Distribution Alignment
- Introduction to Semi Supervised Learning
- Semi-Supervised Learning
Contributeurs: Claude Coulombe, Jacques Barolet, Julie Roy, Patrick Drouin, wiki