Principes fondamentaux du Machine Learning
Scénarios de Machine Learning de régression
Ex : Déduire le prix d'un appartement. Données de base avec lequel les appartements sont vendus => modèle entraîné => prédiction de prix pour un appartement
Outil : Azure EML Studio (concepteur). Propose des algorithmes de régression : 1 - Conception du modèle. 2 - Entrainement du modèle 3 - Utilisation du modèle
Scénarios de Machine Learning de classification
La classification : technique de ML permettant prédire à quelle catégorie ou classe un élément appartient (à partir de caractéristiques) => classifier en fonction des caractéristiques.
Technique supervisée : entraîner la modèle en fonction de caractéristiques et d'étiquettes
=> Reconnaissance visuelle d'images.
La matrice de confusion permet de réaliser la classification. Vrai positif, Faux positif, Faux négatif, Vrai négatif Permettent de déterminer si le modèle est bien entraîné et est fiable.
Machine Learning Studio (ml.azure.com) permet de consulter différents modèles ML de classification (par exemple)
Scénarios de ML de clustering
Technique de ML permettant de regrouper des éléments par lots (cluster) en fonction de caractéristiques similaires.
Ex : plusieurs jeux de photos. ML analyse les images et détecte les caractéristiques (étiquettes).
Détection puis classification dans un cluster.
Azure Machine Learning permet d'utiliser K-Means Clustering avec des données, afin d'identifier des étiquettes (caractéristiques) et pouvoir classifier.
Caractéristiques et étiquettes pour le ML
Jeu de données en entrée Jeu de données en sortie (données à prédire)
Exemple : prédiction de revenus en fonction de caractéristiques.
Azure Machine Learning permet d'étiqueter des données dans les projets de classification d'images et de textes.
Jeux de données d'apprentissage Jeux de données de validation : vérifier de valider le modèle.
Exemple dans ml.azure.Com : modèle de régression sur les prix de voitures. Dans le détail : partage (split)
Machine Learning automatisé
Auto ML => ML automatisé dans ml.azure.com
Machine Learning : mathématiques et statistiques
Azure ML prend en charge l'automatisation de tâches et le revue des résultats.
Concepteur Azure Machine Learning
Permet d'entrainer des modèles ML : - Puissance de calcul
Préparer les données
Superviser leur usage en prod ; examiner les résultats des prédictions.
Créer ses propres modèles ML et pipelines