Apprentissage profond

Définition

L’apprentissage profond fait partie d’une famille plus large de méthodes d’apprentissage automatique basée sur des réseaux de neurones artificiels à plus d'une couche de neurones. 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.

Des architectures d’apprentissage profond, telles que les réseaux de neurones profonds réseau de neurone profond,, les réseaux récurrents, les réseaux convolutifs issus 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 conception 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.

Des architectures d’apprentissage profond, telles que réseaux de neurones 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.

Complément:

L'apprentissage profond peut être supervisé, semi-supervisé ou non supervisé.