Chapitre 3. Principes fondamentaux de l'apprentissage automatique
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Ce chapitre contient tout ce que tu dois savoir sur l'apprentissage automatique - du moins pour ce livre. Et c'est un excellent point de départ pour le reste de ton apprentissage. Les sections suivantes devraient te permettre d'acquérir suffisamment de connaissances pour suivre les cas d'utilisation de ce livre et t'aider à construire tes premiers prototypes. Nous aborderons l'apprentissage automatique supervisé, les algorithmes populaires d'apprentissage automatique et les termes clés, et tu apprendras à évaluer les modèles d'apprentissage automatique.
Si tu es déjà familiarisé avec ces sujets, n'hésite pas à considérer ce chapitre comme un rafraîchissement. Commençons par l'apprentissage automatique supervisé !
Le processus d'apprentissage automatique supervisé
Prenons un exemple simple : imagine que tu veuilles vendre ta maison et que tu te demandes comment fixer un prix de vente. Pour obtenir un prix réaliste, tu regarderais probablement d'autres maisons similaires et les prix auxquels elles ont été vendues. Pour obtenir une bonne estimation, tu compareras probablement aussi ta maison à d'autres maisons en termes de caractéristiques clés, telles que la taille, les chambres, l'emplacement et l'âge. Sans le savoir, tu aurais simplement agi comme un système d'apprentissage automatique ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access