Machine Learning Explained: A Guide to ML, AI, & Deep Learning

Cette vidéo pédagogique d’IBM Technology, présentée par Martin Keen, offre une introduction complète au machine learning (ML). Elle clarifie d’abord la hiérarchie entre IA, ML et deep learning, en précisant que le ML est un sous-ensemble de l’IA et que le deep learning est un sous-ensemble du ML. Ensuite, elle explique le principe fondamental : l’entraînement d’un modèle sur des données pour qu’il puisse faire des prédictions sur de nouvelles données, processus appelé inférence. La vidéo détaille les trois principaux paradigmes d’apprentissage : supervisé (avec des données étiquetées), non supervisé (avec des données non étiquetées) et par renforcement (apprentissage par essais et erreurs avec récompenses et pénalités). Pour l’apprentissage supervisé, elle présente la régression (linéaire, polynomiale) et la classification (binaire, multi-classe, multi-label), ainsi que les méthodes d’ensemble. Elle mentionne aussi l’apprentissage semi-supervisé. Pour l’apprentissage non supervisé, elle aborde le clustering (k-means, hiérarchique) et la réduction de dimensionnalité (PCA, encodeurs). L’apprentissage par renforcement est illustré avec l’exemple d’une voiture autonome. Enfin, elle relie ces concepts classiques aux modèles modernes comme les grands modèles de langage (LLM) basés sur les transformers et le RLHF (apprentissage par renforcement avec feedback humain), soulignant que les fondations restent les mêmes.