Machine learning en pratique : Quelles compétences, quelles ressources ?

L’apprentissage machine le plus accessible à comprendre est sans doute la reconnaissance d’images. On soumet à un logiciel un ensemble suffisant de clichés ou dessins qu’il est capable d’analyser en identifiant des formes ou objets reconnus comme étant proches d’un modèle, du fait qu’ils remplissent des critères de similitude dans une catégorie donnée, comparativement à ceux en mémoire.

C’est un algorithme qui fait le travail de façon automatique, répétitive et en tendant vers le "zéro faute".

Outre la reconnaissance d’images (vidéosurveillance, identité biométrique, imagerie médicale, jeux de société, véhicules autonomes, etc.), il peut s’agir de combinaisons de données complexes ou non (tables, histogrammes), d’incidents ou comportements, de situations empiriques – en lien avec des bases de données ou d’informations sur le web, dont les réseaux sociaux. Des données qui intéressent le métier, le marketing, le commercial ou la direction générale. Il peut également s’agir de mots, de phonèmes (traduction écrite ou vocale), de notes de musiques, de composants organiques, matériaux, gaz ou liquides, spécifiés par toutes sortes de capteurs.

Lire la suite (ZD net)