« Apprentissage semi-supervisé » : différence entre les versions

Dernière version du 27 janvier 2024 à 15:53

Définition

L’apprentissage semi-supervisé consiste à entraîner un modèle d’apprentissage sur un jeu de données partiellement annoté qui comporte 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 annotées et l’apprentissage non supervisé qui n’emploie 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 (coûteuse et chronophage) de l’annotation manuelle.

Compléments

Par exemple, un algorithme non-supervisé de groupement identifie des groupes, puis il attribue une étiquette à chacun des groupes pour ensuite étiqueter tous les membres de chacun de ces groupes.

Français

apprentissage semi-dirigé

apprentissage semi-supervisé

entraînement semi-supervisé

Anglais

semi-supervised learning

Sources

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: Wikipédia, Apprentissage semi-supervisé

Source: Bisson, Valentin (2012). Algorithmes d’apprentissage pour la recommandation, thèse de doctorat, Université de Montréal, 96 pages.

Source: Termino

101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-L'apprentissage semi-supervisé (semi-supervised learning) consiste à entraîner un modèle d'apprentissage sur un jeu de données partiellement annoté qui comporte 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 consiste à entraîner un modèle d’apprentissage sur un jeu de données partiellement annoté qui comporte 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 annotées et l'apprentissage non-supervisé qui n'emploie 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 (coûteuse et chronophage) de l’annotation manuelle.
+L’apprentissage semi-supervisé se situe ainsi entre l’apprentissage supervisé qui n’utilise que des données annotées et l’apprentissage non supervisé qui n’emploie que des [[Données non étiquetées|données non annotées]]. La combinaison de ces deux ensembles de données permet d’améliorer sensiblement les résultats sans avoir recours à l’intervention fastidieuse (coûteuse et chronophage) de l’annotation manuelle.
 ==Compléments==
@@ Ligne 18 : / Ligne 18 : @@
 ==Anglais==
 '''semi-supervised learning'''
+==Sources==
-<small>
 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>
-* [https://fr.wikipedia.org/wiki/Apprentissage_semi-supervis%C3%A9 Source: Wikipédia, ''Apprentissage semi-supervisé'']
+*[https://fr.wikipedia.org/wiki/Apprentissage_semi-supervis%C3%A9 Source: Wikipédia, ''Apprentissage semi-supervisé'']
 Source: Bisson, Valentin (2012). ''Algorithmes d’apprentissage pour la recommandation'', thèse de doctorat, Université de Montréal, 96 pages.
@@ Ligne 30 : / Ligne 28 : @@
 [[Utilisateur:Patrickdrouin  | Source: Termino]]
-</small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html>
+</small><br>
-===Compléments vidéos===
-* [https://www.youtube.com/watch?v=ROIHIjQ-vdE  Semi-Supervised Autoencoders]
-* [https://www.youtube.com/watch?v=miIHbpyyoQk  Semi-supervised learning for video classification]
-* [https://www.youtube.com/watch?v=SaJL4SLfrcY  Self-Supervised Learning ]
-* [https://www.youtube.com/watch?v=g5y9dwXRprg  Semi-supervised Machine Learning]
-* [https://www.youtube.com/watch?v=c8uWUOSGYUI  Semi-Supervised and Unsupervised Learning Approaches to Kaggle and Cybersecurity]
-* [https://www.youtube.com/watch?v=xZKPJzJt9w4  Qu'est-ce que l'apprentissage semi-supervisé]
-* [https://www.youtube.com/watch?v=rUimKxxnMMw  MFML 034---Semi-supervised learning]
-* [https://www.youtube.com/watch?v=PXOhi6m09bA  Semi-Supervised Learning and Unsupervised Distribution Alignment]
-* [https://www.youtube.com/watch?v=iQnBUHrihRo  Introduction to Semi Supervised Learning]
-* [https://www.youtube.com/watch?v=OMRlnKupsXM   Semi-Supervised Learning]
-<br></div><br><br>
+{{Modèle:101}}
 [[Catégorie:Termino 2019]]
 [[Catégorie:GRAND LEXIQUE FRANÇAIS]]
 [[Catégorie:101]]

« Apprentissage semi-supervisé » : différence entre les versions