Introduction
Une personne au micro « parlant » à un robot humanoïde lors d'un salon professionnel.
Figure 6.1 L'apprentissage automatique peut être utilisé pour classifier toutes sortes de données. La technologie de reconnaissance faciale repose largement sur des algorithmes d'apprentissage automatique, tels que les modèles de forêts aléatoires. (source : modification de l'œuvre « Humanoid Robot Uprising » par Steve Jurvetson/Flickr, CC BY 2.0)

Introduction

Imaginez un monde où votre visage est votre passeport. Plus besoin de clés, de cartes ou de mots de passe ; votre identité se résume simplement à votre apparence unique. Dans ce monde, l'apprentissage automatique joue le rôle de gardien, utilisant les caractéristiques visibles de votre visage pour vous identifier et vous autoriser l'accès. L'apprentissage automatique offre un large éventail d'applications qui vont bien au-delà de la reconnaissance faciale, transformant notre façon d'interagir avec la technologie. Comme nous le verrons dans ce chapitre et dans Bases de l'apprentissage profond et de l'IA, l'apprentissage automatique est également utilisé dans l'analyse d'images médicales, l'interprétation d'images satellites et la réalité augmentée (par exemple dans le jeu vidéo, l'éducation/la formation et l'architecture/le design). Il est utilisé pour alimenter les systèmes de recommandation et pour l'analyse prédictive. Dans ce chapitre, nous explorons les principes fondamentaux des algorithmes de classification, de clustering et de régression qui permettent aux machines d'apprendre à étiqueter les données avec exactitude et à prendre des décisions utiles pouvant être mises en pratique dans ces nombreuses applications.