Informatique quantique : Qu’est-ce qu’un algorithme quantique ?

Après vous être informé sur le machine learning, vous êtes-vous demandé quelles étaient ses performances ? Car si ce système d’apprentissage peut être vu comme un âne bâté pour un processeur chargé de traiter des informations, alors le réseau de neurones est la carotte qui le fait avancer. En effet, pour qu’un système soit vraiment intelligent, il ne doit pas être programmé pour réaliser une tâche, mais plutôt pour apprendre à réaliser cette tâche. D’où la nécessité du deep learning, qui s’inspire du fonctionnement de nos neurones et de leurs réseaux, et permet au système de trouver des motifs répétés dans les données qui lui sont fournies, pour apprendre une tâche.

Les réseaux de neurones, ou plus précisément, les réseaux de neurones artificiels, sont des dispositifs qui permettent de traiter l’information. Et s’ils portent ce nom, c’est parce qu’il s’agit d’algorithmes, d’instructions machine dont la structure rappelle celle du cortex cérébral, mais à plus petite échelle.

http://theconversation.com/deep-learning-des-reseaux-de-neurones-pour-traiter-linformation-76055

Le terme a été défini dès 1959 par Arthur Samuel. Qu’est-ce que le machine learning ? Un champ d’études qui donne aux ordinateurs la capacité d’apprendre des tâches pour lesquelles ils ne sont pas spécifiquement programmés. En clair, il s’agit de tout un ensemble de méthodes de calcul s’appuyant sur l’expérience pour améliorer les performances des ordinateurs et leur permettre de faire de bonnes prédictions. Par expérience, il faut entendre les données collectées dans le passé, ce qui suppose de les étiqueter et catégoriser. Et la qualité comme la taille de la base de données se révéleront donc cruciales pour la précision des prédictions.

http://theconversation.com/vous-avez-dit-machine-learning-quand-lordinateur-apprend-a-apprendre-76049