Deep Learning

deep learning

Deep Learning

Définition

Le deep learning, ou en français apprentissage profond, est dérivé du machine learning (apprentissage automatique). C’est un type d’intelligence artificielle, où la machine peut apprendre par elle-même, grâce à l’aide d’immenses bases de données.

Comme pour le cerveau humain, le deep learning s’appuie sur des réseaux de neurones, mais ceux-ci sont artificiels. Ils sont composés de centaines ou de milliers de “couches” de neurones et chacun reçoit et interprète l’information du neurone précédent. 

De cette manière, le premier va traiter une information qui sera complétée par celle d’après, par exemple d’abord une lettre, puis un mot, puis un texte, etc. C’est un processus d’auto apprentissage qui s’améliore avec la quantité de données.

Ce qui différencie le deep learning du machine learning est le nombre de données traitées. L’apprentissage profond s’améliore avec d’énormes quantités de données, que l’algorithme va au fur et à mesure mettre dans sa mémoire. 

Une autre différence est que le machine learning produit exclusivement des résultats sous forme numérique, alors que le deep learning fournit des résultats, sous n’importe quelle forme, aussi bien des textes, qu’un son ou encore une image.

deep learning

Source : Futura tech

Les processus d’apprentissage 

Apprentissage supervisé

L’apprentissage supervisé consiste à donner à l’algorithme de grandes bases de données d’entraînement. Le réseau de neurones artificiels va ensuite comparer le poids de ces données et les différentes couches, à partir desquelles il pourra donner son résultat (cette image représente un chat ou cette image ne représente pas un chat). 

Les neurones vont ensuite comparer ces résultats à ceux donnés par les humains pour enregistrer en mémoire les réussites ou les échecs. Le processus doit être répété des milliers de fois jusqu’à ce que le réseau de neurones puisse par exemple reconnaître un chat en toutes circonstances.

Apprentissage non supervisé

L’apprentissage non supervisé ne nécessite pas de vérification humaine. Le réseau de neurones apprend lui-même à reconnaître des informations importantes au sein des immenses bases de données qu’on lui fournit. 

C’est dans la répétition que l’algorithme peut s’améliorer encore et encore. C’est l’apprentissage du deep learning le plus compétent, et celui qui va dicter l’intelligence artificielle de demain.

Exemples d’application

Le deep learning est utilisé plus souvent qu’on ne le pense et de manière de plus en plus complexe. En 2016, le logiciel de Google AlphaGo a réussi à battre le champion du monde du jeu de go.

# La reconnaissance d’image

Le Face ID que propose l’Iphone X se sert du deep learning pour le système de reconnaissance faciale. Facebook utilise aussi cette technologie pour reconnaître les visages de vos amis sur une photo.

# Diagnostic médical

Cette technologie est aussi utilisée pour diagnostiquer d’éventuelles tumeurs au cerveau. L’IA permet de compléter, et parfois d’améliorer le diagnostic des médecins, grâce notamment à des banques d’images de scanner que le logiciel a enregistré. 

# La traduction automatique

Le deep learning permet également de traduire un texte ou un discours seul (grâce à l’apprentissage non supervisé) d’une langue à une autre. Cela sans l’usage d’un dictionnaire.

Comment se former au Deep Learning ?

Se former au deep learning est un choix d’avenir face à l’ampleur que prend l’IA dans la vie quotidienne. Les entreprises de différents secteurs recherchent des personnes qualifiées dans ce domaine pour anticiper les besoins futurs. Le nombre d’emplois proposés dans ce secteur a explosé ces dernières années.

Beaucoup de formations sont disponibles, que ce soit en ligne, dans les livres ou dans les parcours d’enseignement supérieur. Pour vous former de manière continue, vous pouvez vous rapprocher :

  • Des écoles d’ingénieurs
  • Des centres de formations certifiés qui proposent des formations continues
  • Des écoles et universités qui proposent des masters et diplômes reconnus par l’État dans les domaines de l’informatique et/ou des mathématiques
  • Des formations professionnelles certifiées

Avant de vous lancer dans une formation, vérifiez qu’elle soit a minima certifiée ou encore mieux, reconnue par l’État. Sur Internet, vous trouverez également de nombreux cours en ligne pour vous former tout seul depuis chez vous. Mais attention, pour pouvoir acquérir des connaissances et des compétences solides dans ce domaine, en vue de pouvoir en faire son métier, il est préférable d’éviter les tutoriels ou encore les formations sur quelques jours, qui ne permettent que de s’initier au sujet de l’Intelligence Artificielle et du Deep Learning. 

Une formation solide sur ces sujets demande beaucoup de rigueur et de connaissances complexes, notamment en informatique, mathématiques et statistique. Elle doit aborder aussi bien la théorie que l’aspect pratique de la technologie et être assurée, idéalement, par des experts, qui non seulement enseignent l’IA et le Deep Learning, mais l’exploitent dans de vrais projets. Ainsi, il sera toujours préférable de valoriser des formations diplômantes, certifiées, et dispensées par des professionnels et experts du secteur