Différences

Ci-dessous, les différences entre deux révisions de la page.

--- apprentissage_non_supervise [2020/12/14 10:01] – serge
+++ apprentissage_non_supervise [2020/12/27 15:11] (Version actuelle) – serge
@@ Ligne 1: / Ligne 1: @@
 ====== Apprentissage Non Supervisé ======
+<WRAP center round box 60% centeralign>
-<WRAP center round box 90% centeralign>
+**{{tagpage>ia|Intelligence Artificielle}}**     **[[http://translate.google.com/translate?hl=&sl=auto&tl=en&u=https%3A%2F%2Fressources.labomedia.org%2Fapprentissage_non_supervise|English Version]]**
-**{{tagpage>ia|Toutes les pages sur L'Intelligence Artificielle}}**
 </WRAP>
+<WRAP center round box 60% centeralign>
+**[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]**
+</WRAP>
+===== Data Minning : fouille de données =====
+  * **[[https://fr.wikipedia.org/wiki/Logiciels_de_fouille_de_donn%C3%A9es|Logiciels de fouille de données]]** @ fr.wikipedia.org
+  * **[[https://orange.biolab.si/|orange.biolab.si Data Mining
+Fruitful and Fun]]**
+=====Apprentissage Supervisé=====
+  * **[[https://fr.wikipedia.org/wiki/Apprentissage_supervis%C3%A9|Apprentissage supervisé sur Wikipedia.fr]]** L'apprentissage supervisé est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples **annotés**, au contraire de l'apprentissage non supervisé.
+Le jeu de données comprend des datas où chaque data à une étiquette: exemple, une image de chien à une étiquette qui définit où est le chien et qui dit que c'est un chien !
+  * https://blogs.infinitesquare.com/posts/divers/classifier-des-images-avec-tensorflow
+=====Apprentissage non supervisé=====
+  * **[[https://fr.wikipedia.org/wiki/Apprentissage_non_supervis%C3%A9|Apprentissage non supervisé sur fr.wikipedia.org]]** Dans le domaine informatique et de l'intelligence artificielle, l'apprentissage non supervisé désigne la situation d'apprentissage automatique où **les données ne sont pas étiquetées**. Il s'agit donc de découvrir les structures sous-jacentes à ces données non étiquetées. Puisque les données ne sont pas étiquetées, il est impossible à l'algorithme de calculer de façon certaine un score de réussite.
+Même si un système d'IA d'apprentissage non supervisé parvient tout seul, par exemple, à faire le tri entre des chats et des chiens, il peut aussi ajouter des catégories inattendues et non désirées, et classer des races inhabituelles, introduisant plus de bruit que d'ordre.
+C'est un bel exemple de **boite noire**.
+   * **[[https://scikit-learn.org/dev/unsupervised_learning.html|Unsupervised learning avec scikit-learn]]**
+=====Exemple avec scikit-learn=====
+  * **[[scikit-learn_exemples|]]**
+====MeanShift====
+  * https://scikit-learn.org/stable/modules/generated/sklearn.cluster.MeanShift.html
-=====Jeu de données utilisé dans cet exemple=====
+{{ :media_14:mean_shift_marche_40hz.png?600 |}}
-  * **[[https://www.kaggle.com/vikramtiwari/mnist-numpy|mnist-numpy]]** This is classic MNIST dataset and pickled (in npz format).
-000 images de chiffres manuscrits étiquetés.
+====OPTICS====
+  * https://scikit-learn.org/stable/modules/generated/sklearn.cluster.OPTICS.html
-{{ :media_14:mnist_classification_using_multinomial_logistic.png?600 |}}
+{{ :media_14:optics.png?600 |}}
-=====Skilearn=====
+====DBSCAN====
+  * https://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html#sklearn.cluster.DBSCAN
-  * **[[https://scikit-learn.org/stable/index.html|scikit-learn.org]]** Scikit-learn est une bibliothèque libre Python destinée à l'apprentissage automatique.
+{{ :media_14:dbscan.png?600 |}}
-  * **[[https://fr.wikipedia.org/wiki/Scikit-learn|Scikit-learn sur fr.wikipedia.org]]**
+=====Ressources=====
+  * https://fr.wikipedia.org/wiki/Probl%C3%A8me_NP-complet NP-difficile
+  * https://www.vneuron.com/2018/01/23/introduction-a-lapprentissage-automatique-avec-scikit-learn/
+  * https://www.math.univ-toulouse.fr/~besse/Wikistat/pdf/st-tutor3-python-scikit.pdf
+  * https://makina-corpus.com/blog/metier/2017/initiation-au-machine-learning-avec-python-pratique
-  * Simple and efficient tools for predictive data analysis
-  * Accessible to everybody, and reusable in various contexts
-  * Built on NumPy, SciPy, and matplotlib
-  * Open source, commercially usable - BSD license
 {{tag>ia sb}}