1er modèle de voiture volante 1949
Voiture autonome -Google car
Années 2010
dendrites
entrées
poids
synapes
fonction de transfert
corps cellulaire
fonction d'activation
sortie
axone
Text
Pour ceux qui n'ont pas peur des formules ...
Vs
Entrées
Sorties
resultats attendus
Erreur
retro-propagation
L'optimisation de la retro-propagation
1. Fixer les poids w initiaux du réseau 2. Répéter jusqu'à ce qu'un minimum de la fonction de coût J soit obtenu :
a. Mélanger aléatoirement les observations
b. Pour chaque observation faire :
w = w - a . dérivée(J)
réseau convolutif
réseau réccurent
auto encodeur
réseau génératif adverse
Algorithmes qui apprennent à partir d'exemples sans nécessiter de règles pré-établies
Apprentissage supervisé
Les données contiennent les "étiquettes"
que l'on veut apprendre
Apprentissage
non supervisé
L'algorithme exploite les propriétés statistiques des données
Apprentissage par renforcement
L'algorithme apprend à partir de "récompenses" positives ou négatives
Classifier & prédire
Optimiser des chaînes d'actions
Former des groupes
Automatisation des tâches
Une multitude de nouveaux services
Utilisation éthique des données
Transparence des algorithmes
Disparition massive d'emplois
Cohabiter avec des IA conscientes ?
Améliorer de nombreuses disciplines
grands dangers
grands progrès
By Nicolas Rochet
Présentation pour le Meetup 3 du LICA. # Attention, pour des raisons de vulgarisation les informations présentées ici sont très générales
Data scientist