« Apprentissage profond » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
L'apprentissage profond fait partie d'une famille plus large de méthodes d'apprentissage automatique basées sur des réseaux de neurones artificiels. L'apprentissage peut être supervisé, semi-supervisé ou non supervisé. | |||
L’apprentissage profond (deep learning) fait partie d’une famille plus large de méthodes d’apprentissage automatique basées sur des réseaux de neurones artificiels. 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 plus large de méthodes d'apprentissage automatique basées sur des réseaux de neurones artificiels. L'apprentissage profond peut être supervisé, semi-supervisé ou non supervisé. | |||
Des architectures d’apprentissage en profondeur, telles que réseaux de neurones profonds, [[Réseau de croyances profond|'''réseaux de croyances profonds,''']] réseaux de '''[https://datafranca.org/wiki/R%C3%A9seau_de_neurones_r%C3%A9current neurones récurrents]''' et réseaux de '''[https://datafranca.org/wiki/R%C3%A9seau_de_neurones_convolutif neurones convolutifs]''' ont été appliquées à des domaines tels que la vision par ordinateur, la reconnaissance de la parole, le traitement du langage naturel, la reconnaissance audio, le filtrage des réseaux sociaux, la traduction automatique, la bioinformatique, la conception de médicaments, l’analyse d’images médicales, l’inspection des matériaux et les programmes de jeux de société où ils ont produit des résultats comparables, voire parfois supérieurs, à ceux d’experts humains. | Des architectures d’apprentissage en profondeur, telles que réseaux de neurones profonds, [[Réseau de croyances profond|'''réseaux de croyances profonds,''']] réseaux de '''[https://datafranca.org/wiki/R%C3%A9seau_de_neurones_r%C3%A9current neurones récurrents]''' et réseaux de '''[https://datafranca.org/wiki/R%C3%A9seau_de_neurones_convolutif neurones convolutifs]''' ont été appliquées à des domaines tels que la vision par ordinateur, la reconnaissance de la parole, le traitement du langage naturel, la reconnaissance audio, le filtrage des réseaux sociaux, la traduction automatique, la bioinformatique, la conception de médicaments, l’analyse d’images médicales, l’inspection des matériaux et les programmes de jeux de société où ils ont produit des résultats comparables, voire parfois supérieurs, à ceux d’experts humains. | ||
| Ligne 44 : | Ligne 47 : | ||
<br></div><br><br> | <br></div><br><br> | ||
[[Catégorie:GDT]] | [[Catégorie:GDT]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:101]] | [[Catégorie:101]] | ||
Version du 3 août 2022 à 15:46
Définition
L’apprentissage profond (deep learning) fait partie d’une famille plus large de méthodes d’apprentissage automatique basées sur des réseaux de neurones artificiels. 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 plus large de méthodes d'apprentissage automatique basées sur des réseaux de neurones artificiels. L'apprentissage profond peut être supervisé, semi-supervisé ou non supervisé.
Des architectures d’apprentissage en profondeur, telles que réseaux de neurones profonds, réseaux de croyances profonds, réseaux de neurones récurrents et réseaux de neurones convolutifs ont été appliquées à des domaines tels que la vision par ordinateur, la reconnaissance de la parole, le traitement du langage naturel, la reconnaissance audio, le filtrage des réseaux sociaux, la traduction automatique, la bioinformatique, la conception de médicaments, l’analyse d’images médicales, l’inspection des matériaux et les programmes de jeux de société où ils ont produit des résultats comparables, voire parfois supérieurs, à ceux d’experts humains.
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
