Deep Learning : Différence entre versions
| Ligne 14 : | Ligne 14 : | ||
=== Sommaire :=== | === Sommaire :=== | ||
| − | *Définition | + | * 1. Définition |
| − | *Fonctionnement | + | * 2. Fonctionnement |
| − | *Applications | + | * 3. Applications |
| − | *Limites | + | * 4. Limites |
| − | *Sources | + | * 5. Sources |
| + | |||
| − | |||
=== Définition === | === Définition === | ||
Le “Deep Learning” ou “apprentissage profond” en français, a vu le jour grâce aux résultats des recherches de “Yann Lecun”, il représente un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux artificiels qui sont assemblés les uns avec les autres afin de créer plusieurs couches qui à l’aide de tous ses neurones combinés peuvent résoudre des tâches complexes. Cela est conçu pour fonctionner comme le cerveau humain et pour apprendre à partir d’une grande quantité de données. | Le “Deep Learning” ou “apprentissage profond” en français, a vu le jour grâce aux résultats des recherches de “Yann Lecun”, il représente un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux artificiels qui sont assemblés les uns avec les autres afin de créer plusieurs couches qui à l’aide de tous ses neurones combinés peuvent résoudre des tâches complexes. Cela est conçu pour fonctionner comme le cerveau humain et pour apprendre à partir d’une grande quantité de données. | ||
| − | + | ||
| + | === Fonctionnement === | ||
| + | |||
| + | L'apprentissage profond est un apprentissage automatique utilisant des réseaux de neurones possédant plusieurs couches de neurones cachées. Ces algorithmes possédant de très nombreux paramètres, ils demandent un nombre très important de données afin d'être entraînés. | ||
| + | Il s'agit d'une évolution de l'apprentissage machine beaucoup plus autonome vis-à-vis de l'intervention humaine. | ||
| + | Les réseaux d'apprentissage profond apprennent en découvrant des structures complexes dans les données qu'ils consultent. En construisant des modèles informatiques composés de plusieurs couches de traitement, les réseaux peuvent créer plusieurs niveaux d'abstraction pour représenter les données. | ||
Version du 29 avril 2025 à 08:24
|
Page en cours de traitement |
Deep Learning
Sommaire :
- 1. Définition
- 2. Fonctionnement
- 3. Applications
- 4. Limites
- 5. Sources
Définition
Le “Deep Learning” ou “apprentissage profond” en français, a vu le jour grâce aux résultats des recherches de “Yann Lecun”, il représente un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux artificiels qui sont assemblés les uns avec les autres afin de créer plusieurs couches qui à l’aide de tous ses neurones combinés peuvent résoudre des tâches complexes. Cela est conçu pour fonctionner comme le cerveau humain et pour apprendre à partir d’une grande quantité de données.
Fonctionnement
L'apprentissage profond est un apprentissage automatique utilisant des réseaux de neurones possédant plusieurs couches de neurones cachées. Ces algorithmes possédant de très nombreux paramètres, ils demandent un nombre très important de données afin d'être entraînés. Il s'agit d'une évolution de l'apprentissage machine beaucoup plus autonome vis-à-vis de l'intervention humaine. Les réseaux d'apprentissage profond apprennent en découvrant des structures complexes dans les données qu'ils consultent. En construisant des modèles informatiques composés de plusieurs couches de traitement, les réseaux peuvent créer plusieurs niveaux d'abstraction pour représenter les données.
