Apprentissage profond
Sous-ensemble de l'apprentissage automatique impliquant des réseaux de neurones à plusieurs couches, permettant de modéliser des modèles complexes dans les données.
Définition
Utilise des architectures neuronales multicouches (profondes) (convolutives, récurrentes, transformées) pour apprendre automatiquement les représentations hiérarchiques des caractéristiques à partir d'entrées brutes (images, texte, audio). Les pipelines d'apprentissage en profondeur nécessitent de grands ensembles de données étiquetés, du matériel spécialisé (GPU/TPU), des outils d'explicabilité et une surveillance robuste des vulnérabilités dérivées et contradictoires.
Exemple concret
Une start-up spécialisée dans l'imagerie médicale entraîne un CNN approfondi sur 100 000 radiographies marquées afin de détecter la pneumonie. Ils utilisent des GPU pour s'entraîner, appliquent des cartes thermiques explicables pour mettre en évidence les régions malades et surveillent en permanence la précision des modèles en production, puis se reforment lorsque de nouveaux types de scanners arrivent.
.svg)
