Définitions de différents types d'apprentissage

Apprentissage supervisé 

Un type d'apprentissage automatique où le modèle est entraîné sur des données étiquetées, ce qui signifie que chaque entrée issue des données d'entraînement est associé à une étiquette de sortie.

Exemple : Prédire les prix des maisons en fonction de caractéristiques telles que la taille, l'emplacement et le nombre de chambres, où les données d'entraînement incluent les prix réels des maisons.

Apprentissage semi-supervisé

Une méthode d'apprentissage automatique utilisant à la fois des données étiquetées et non étiquetées pour améliorer la performance du modèle tout en nécessitant moins de données étiquetées que les méthodes supervisées traditionnelles.

Exemple : Entraîner un modèle à reconnaître des fruits en utilisant quelques photos étiquetées de pommes et de bananes, ainsi que de nombreuses photos non étiquetées.

Apprentissage non supervisé 

Un type d'apprentissage automatique où le modèle est entraîné sur des données non étiquetées et où il doit trouver des motifs ou structures dans les données d'entrée.

Exemple : Dans le domaine du marketing, la segmentation de la clientèle pour regrouper les clients ayant des comportements similaires sans étiquettes préalables.

Apprentissage par renforcement

Un type d'apprentissage automatique où un agent apprend à se comporter dans un environnement donné en effectuant des actions et en recevant un feedback positif ou négatif en fonction des résultats de ces actions.

Exemple : Entraîner un bras robotique à saisir des objets en récompensant les saisies réussies et en pénalisant les échecs.

Ces définitions sont issues du Glossaire IA de la HES-SO.