Apprentissage automatique
L'apprentissage automatique (en anglais machine learning, littéralement l'apprentissage machine) ou apprentissage statistique est un champ d'étude de l'intelligence
artificielle qui se base sur des approches statistiques pour donner aux ordinateurs la capacité d'apprendre à partir de données, c'est-à-dire d'améliorer leurs
performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, cela concerne la conception, l'analyse, le développement et
l'implémentation de telles méthodes.
L'apprentissage automatique comporte généralement deux phases.
La première consiste à estimer un modèle à partir de données, appelées observations, qui sont disponibles et en nombre fini, lors de la phase de conception du système.
L'estimation du modèle consiste à résoudre une tâche pratique, telle que traduire un discours, estimer une densité de probabilité, reconnaître la présence d'un chat
dans une photographie ou participer à la conduite d'un véhicule autonome. Cette phase dite d'apprentissage ou d'entraînement est généralement réalisée
préalablement à l'utilisation pratique du modèle.
La seconde phase correspond à la mise en production : le modèle étant déterminé, de nouvelles données peuvent alors être soumises afin d'obtenir le résultat
correspondant à la tâche souhaitée. En pratique, certains systèmes peuvent poursuivre leur apprentissage une fois en production, pour peu qu'ils aient un moyen
d'obtenir un retour sur la qualité des résultats produits.