Apprentissage automatique (ML)
Algorithmes qui généralisent des motifs à partir de données pour faire des prédictions ou prendre des décisions sans règles écrites manuellement pour chaque cas.
L’apprentissage automatique (ML) recouvre les méthodes où le comportement d’un modèle est façonné par des données d’entraînement : exemples, cibles, récompenses, et non purement via des arbres de règles explicites (IA symbolique).
Les courants historiques incluent l’apprentissage supervisé avec exemples étiquetés (y compris les machines à vecteurs de support et les forêts aléatoires), l’apprentissage par renforcement avec récompenses, l’apprentissage non supervisé comme le clustering, les modèles de langage des n-grammes de chaîne de Markov aux plongements lexicaux neuronaux, et à partir des années 2000 l’apprentissage profond à grande échelle avec des réseaux de neurones.