Machine Learning vs Deep Learning : quelle différence ? скачать в хорошем качестве

Machine Learning vs Deep Learning : quelle différence ?

📝 AMELIOREZ VOS COMPETENCES EN DATA SCIENCE : https://damienchambon.podia.com/email... Machine Learning vs Deep Learning : quelle différence ? Machine Learning ou Deep Learning ? C’est la question que de nombreuses personnes se posent après s’être lancé dans ces domaines. Dans cette vidéo en français, je vous détaille la différence entre Machine Learning et Deep Learning. 00:51 Qu'est-ce que le Machine Learning ? 03:13 Qu'est-ce que le Deep Learning ? 07:16 Machine Learning vs Deep Learning 09:20 Conseils en Deep Learning 10:40 Packages Python pour le Machine Learning et le Deep Learning Le Machine Learning est la discipline qui permet de donner aux ordinateurs la capacité d’apprendre à partir de données. Grâce à des concepts mathématiques et statistiques, les algorithmes de Machine Learning vont être optimiser pour minimiser leurs erreurs de prédiction. Le Machine Learning est divisé en 2 branches : l’apprentissage supervisé et l’apprentissage supervisé. Le premier correspond aux modèles chargés de prédire une valeur (numérique ou catégorielle) alors que le deuxième représente les modèles qui ont pour but de résumer des données comme avec le clustering par exemple. Le Deep Learning fait référence à cette volonté de simuler les réseaux neuronaux humains dans un ordinateur. Chaque neurone va être considéré comme un mini-modèle à optimiser, avec ses propres paramètres et prédictions. Les neurones sont organisés en couches qui communiquent entre elles. Les données sont ainsi transformées et combinées pour arriver à une prédiction finale. Les réseaux neuronaux ont été conceptualisés dans les années 50 mais à cause du manque de moyens computationnels, ils ont vite été abandonnés. Une fois que des architectures de réseaux neuronaux ont été formalisées selon différents cas d’usage comme les RNN ou CNN, les réseaux neuronaux du Deep Learning ont suscité un regain d’intérêt. Cependant, leur performance étant moindre que celles des autres algorithmes du Machine Learning, les réseaux neuronaux ont été à nouveaux abandonnés. Plus récemment, grâce à un nombre de données disponibles toujours plus grand et des ressources quasi illimitées, les réseaux de Deep Learning ont fait l’actualité avec AlphaGo de DeepMind, les assistants comme Siri et les robots sur Mars. Ainsi, le Machine Learning et le Deep Learning ne sont pas à différencier. Ils ont tout deux pour but de résoudre des problèmes de prédiction. Le Machine Learning est la discipline qui consiste à créer des systèmes intelligents tandis que le Deep Learning est un des outils du Machine Learning, aux côtés des arbres de décision, de la régression linéaire, des SVM, etc. Contrairement aux autres algorithmes de Machine Learning, le Deep Learning permet d’avoir des représentations de données de plus haut niveau et donc de mieux apprendre des données. Cependant, l’aspect « boite noire », les nombreux paramètres à modifier et le temps qu’il faut mettre pour l’entrainer font des réseaux neuronaux des outils complexes. Avant de vous lancer dans le Deep Learning, je vous conseille de tester d’abord des algorithmes et modèles plus simples du Machine Learning afin d’obtenir leur performance. Une fois leur score établi, vous pouvez vous lancer en Deep Learning pour voir si les réseaux neuronaux permettent réellement d’avoir une meilleure performance, ce qui n’est pas toujours le cas. Ceci vous permet de ne pas vous perdre dans la complexité de ce domaine. Le package Python à utiliser en Machine Learning est scikit-learn et pour le Deep Learning, je vous recommande Tensorflow, Keras mais surtout PyTorch. 👋🏼 Qui suis-je ? Je m'appelle Damien et je suis Data Scientist. Au cours de mes expériences professionnelles, j'ai découvert comment la Data Science et le Machine Learning peuvent résoudre des problématiques business et sociétales. J'ai formé des dizaines d'étudiants à la Data Science et au Machine Learning en français pour leur permettre de découvrir ces domaines fascinants et les appliquer dans leur vie professionnelle. 💻 Mon site : https://damienchambon.podia.com Crédits musique : Cotton Cloud - Fatb