Apprentissage Supervisé : Infographies Bonus

Depuis le début de cette formation, vous avez déjà accumulé pas mal de connaissances: Machine Learning, Régression Linéaire, Fonction Coût, Gradient Descent… Encore Bravo ! Dans cet article, je vous propose de faire une pause avec les longs articles et je vous offre 2 infographies qui résument le mécanisme de l’apprentissage supervisé avec la méthode de la Descente de Gradient.

Apprentissage supervisé avec Descente de Gradient

Rappelez-vous des 4 notions fondatrices de l’apprentissage supervisé:

  1. Le Dataset (x, y) constitue le matériel qui sert à l’apprentissage.
  2. Le Modèle f est le cœur de notre programme. C’est lui qui effectue les prédictions f(x). Au début, les paramètres du modèle sont toujours choisis au hasard.
  3. La Fonction Coût évalue la performance du modèle en calculant les erreurs entre les prédictions du modèle f(x) et les valeur y attendue dans le Dataset.
  4. l’Algorithme d’apprentissage est un algorithme de minimisation de la Fonction Coût: Il cherche quels sont les meilleurs paramètres du modèle, ceux qui donneront la meilleure performance, c’est-à-dire les plus petites erreurs (Fonction Coût). La Descente de Gradient est l’algorithme itératif le plus connu pour entraîner un modèle de Machine Learning.

Une fois que le modèle atteint une performance satisfaisante, c’est la fin de la phase d’entrainement, et le modèle final est prêt à être déployé. C’est alors la phase d’utilisation, les paramètres du modèle ne changent plus, ils sont fixes.

Régression linéaire: le mécanisme (bonus)

Cette procédure peut être détournée pour résoudre n’importe quel problème d’apprentissage supervisé, comme un problème de Régression Linéaire. Voici ce que devient l’infographie du dessus quand on y insère les équations que nous avons vues dans les précédents articles de cette formation. Sympa, non ? 😉

Si vous aimez ces infographies, n’hésitez surtout pas à les télécharger et à les utiliser pour tout usage non commercial. D’ailleurs, merci de me dire en commentaire si vous désirez plus d’infographies de ce genre ! 🙂

Si vous connaissez un(e) ami(e) qui pourrait elle/lui aussi aimer ces infographies, merci de partager l’article avec elle/lui.

A bientôt les Data Scientists !

Cet article a 24 commentaires

  1. Super infographie ! À accrocher au-dessus du bureau de chaque data scientist pour chaque type de modèle ?

    1. Pourquoi pas^^ mais il faudra penser à installer un grand bureau parce qu’il va y avoir beaucoup d’infographies ! Merci encore !

  2. Bonjour Mr Guillaume,
    le cour est parfait, juste une petite question comment s appelle votre lien sur Github.
    Merci;
    Cordialement

  3. bonjour merci pour le cour. svp pouvez vous faire une vidéo sur la notion de données fonctionnelle? merci

    1. Merci beaucoup. Oui je vais faire cela 🙂

  4. juste pour rectifier l’E-mail

  5. merci beaucoup

    1. Tout le plaisir est pour moi. Tres heureux que vous lisiez mes articles. Merci

  6. Merci Guillaume
    je voulais depuis longtemps apprendre la machine learning mais je ne savais pas ou commencer
    grace a votre cours je pu faire un pas de geant. Merci
    vous avez demystifie la Machine Learning

    1. Je suis ravi d’apprendre ça ! C’est vraiment la chose qui me satisfait le plus : savoir que j’aide réellement des gens ! Merci beaucoup 🙂

  7. Un grand merci.

  8. waouh waouh !! Mr Guillaume, la maitrise du machine learning est en vous. merci beaucoup pour vos cours, sa m’aide grandement.

    j’aimerais savoir si ces algorithmes présentés dans vos cours sont les memes que vous utilisez au travail ?? ou bien il y a quelques modifications ?? .
    Merci une fois deplus.

    1. Bonjour, merci beaucoup 🙂
      Oui, les algorithmes que je présente dans mes formations sont la base de ce que j’utilise dans mon travail. Mais bien sur, il y a beaucoup d’opérations qui viennent compléter ces bases.

  9. super site, super pedagogie -la simplicité c le secret pour apprendre ces notions
    étudiant au mastere professionnelle en igenierie avancée des systemes robotisés et intelligence artificielle, Tunisie

  10. Le cours est trop bien fait. Merci beaucoup !

    1. Je suis ravi de l’apprendre. Merci !

  11. Merci pour ces graphiques. Très synthétiques et présentent le coeur des concepts.

  12. Bonjour et merci mille fois pour la maîtrise et la façon de transferer votre savoir , une autre génie en vous , si je me permet , c’est la methode de transmission du savoir , vos reseau de neuronnes entrainent bien les notres 🙂
    merci

  13. Bonjour et merci mille fois pour la maîtrise et la façon de transferer votre savoir , une autre génie en vous , si je me permet , c’est la methode de transmission du savoir , vos reseau de neuronnes entrainent bien les notres 🙂

    1. Merci beaucoup pour votre message fort sympa 🙂

  14. Bonjour merci beaucoup pour l’excellent cours, s’il vous plaît pouvez-vous faire une vidéo sur la segmentation des images ou bien des données 3D (nuage de points lidar ) en utilisant Deep learning et merci d’avance .

  15. Rebonjour merci encore mille fois pour l’excellent cours, s’il vous plaît pouvez-vous faire une vidéo sur python Deep learning et merci d’avance .

    1. Merci. Oui je prévois de faire toute une série sur le Deep Learning d’ici 2/3 mois 🙂

Laisser un commentaire

Fermer le menu