Machine Learning vs Deep Learning : quelle différence ?
HTML-код
- Опубликовано: 21 авг 2020
- 📝 AMELIOREZ VOS COMPETENCES EN DATA SCIENCE : 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 : damienchambon.podia.com
Crédits musique : Cotton Cloud - Fatb 
Наука
📝 AMELIOREZ VOS COMPETENCES EN DATA SCIENCE : damienchambon.podia.com/emails-prives
Présentation très claire donc utile! On comprend mieux maintenant pourquoi ChatGPT est "une boîte noire" :)
Exact, et c'est pas forcément une bonne chose dans le contexte d'une entreprise... Mieux vaut pas trop s'appuyer dessus :/
Merci pour le résumé
Excellent résumé
Merci Damien pour ces explications :)
Merci beaucoup Joey pour ce retour ! Content d’avoir pu t’aider ;)
Merci pour votre vidéo j'ai un exposer a faire sur l'IA et votre vidéo ma apporter pas mal d'explication merci et bonne continuation dans votre aventure yt .
Merci à vous pour ce retour, bon courage pour votre exposé :)
Continue chef continue ❤️
Merci pour ton message, ça fait plaisir :)
Excellent video merci
Merci pour ton commentaire !
J'aurai di :'' Deep learning pour des problématiques du style classification d'images de vidéo, reconnaissance de forme, nlp, ...et machine learning pour des Classification binaire/multinomial et prédictions quantitative...'' , qu'est ce que vous en pensez ?
Je suis d’accord avec la distinction que tu fais. J’apporte une petite précision. Le Deep Learning permet de travailler sur des données dites non structurées comme les images, le son, le texte, des séries chronologiques (classification ou prédiction quantitative, peu importe). Le Machine Learning permet de travailler avec des données structurées, c’est-à-dire des données qui sont organisées en variables (ex : âge, salaire, sexe, etc).
Salut superbe vidéo. Infiniment merci. Toutefois je comprends déjà bien la plupart des algorithmes de Machine et Deep Learning. Quelqu'un pourrait-il me conseiller 2 ou 3 certifications orientées Machine ou deep learning que je puisse faire pour avoir un meilleur cv sur le marché pour un premier emploi en France comme ailleurs. La plupart des certifications que je connais sont surtout orientés Big Data.
Salut André ! Si tu veux avoir un meilleur CV en Data Science, je ne peux que te recommander de faire des projets personnels, et d'en parler sur ton CV. En fait, il est de plus en plus facile de nos jours d'avoir des certifications en Data Science. On peut avoir 10 000 certifications, ça ne veut pas dire pour autant qu'on sait faire des projets data.
Par contre, avoir travaillé sur des projets et les mettre ensuite en valeur sur son CV, LinkedIn et Github, ça, ça démontre clairement qu'on maîtrise le sujet ;)
Bonjour c’est que maintenant que je regarde cette vidéo mais j’aimerais devenir Data scientist mais je suis encore en 4ème et j’aimerais savoir il faudrait faire quoi comme parcours ? :) ;)
Salut ! C’est top si tu t’intéresses déjà à ta vie professionnelle à ton âge, tu ne pourras qu’aller loin :D pour être data scientist, je te conseille de prendre des matières scientifiques au lycée (maths principalement) puis de continuer avec une filière type Mathématiques Appliquées et Informatique en Licence. Elle te permettra d’avoir de bonnes bases en maths et en informatique et tu pourras ainsi voir si tu aimes ces 2 domaines majeurs de la Data Science ;)
Bonjour Damien , comment ça se passe en france en machin learning ?
Salut Sam ! Le Machine Learning est assez populaire en France, mais je dirais que plus généralement, c'est toute la Data qui est intéressante. Le Machine Learning est englobé dans la Data Science, et on y trouve plein d'opportunités intéressantes :)
Bonjour, je voudrais commencer avec le machine learning. Je pourrais commencer par quoi ? Et quel ordre je dois suivre dans mon apprentissage.
Bonne question ! Si tu es débutant en Machine Learning, je te conseille de suivre le replay du bootcamp que j'ai organisé l'année dernière : school.damiench.com/data-at-hollywood
Salut j’ai une question il faudrait prendre quoi comme filière au lycée car j’aimerais être dans le même lycée d’un pote mais il y a que Math, physique-chimie et SVT est ce que ces 3 là sont intéressant pour le devenir Data scientist
Salut ! Les filières ont récemment changé donc je suis pas 100% à jour.. Mais en tout cas, pour être data scientist, je pense que c’est vraiment important de faire des maths au lycée. Les maths sont à la base de la Data Science. Pour la physique-chimie et SVT, ça va être selon tes préférences !
@@latelierdata j’ai encore une question, désolé mais je veux en savoir plus je voudrais envisager de faire une prépa car pour devenir DATA SCIENTIST il faudrait faire un bac+5 et pour faire ça faut faire une prépa. Dans la prépa faut aller dans quel grande école ?
Et faudrait faire quoi après dsl pour toute ces questions mais je suis très curieux sur mon avenir. 😁:)
Salut ! C’est vrai que ça peut vite devenir stressant de trouver les bonnes études à faire pour devenir data scientist. On n’est pas obligé de faire une prépa : on peut faire une licence à l’université (licence de maths informatique par exemple) puis un master en data science plus tard. Personnellement, c’est ce que j’ai fait :)
@@latelierdata d’accord merci, mais je peux directement faire une prépa mais ensuite j’entre dans quel grande école exactement pour devenir Data Scientist ?
Bonjour l'intelligence humaine s'est fait plier par l'intelligence artificielle ? Je veux dire un cerveau humain ne peut pas emmagasiné des milliards de données sur un sujet en tout cas merci beaucoup des vidéos