Le Machine Learning fait partie de ces Buzz Word que l'on croise régulièrement au détour des différentes actualités. Eclairage.
Le Machine Learning expliqué en 3 points
Le concept
Le concept général du Machine Learning permet de réaliser des projections à partir d’un jeu de données existant pour en déduire des résultats. Evidemment, plus il y aura de données et plus il y aura de critères dans le jeu de données sources, plus la projection sera proche de la réalité. Une fois le jeu de données source obtenu, l’expert de la gestion et de l’analyse de données, autrement dit le Data Scientist, entre en jeu.
3 indicateurs clés pour mieux anticiper
Dans l’optique où le Machine Learning sera de plus en présent dans les entreprises, on en déduit plusieurs considérations importantes à prendre en compte pour anticiper au mieux une implémentation à court, moyen ou long terme…. Que retenir ?
1. Le stockage de la donnée d’entreprise : élément stratégique car au-delà des capacités de traitement actuel, il faut anticiper les futurs usages de la donnée et donc archiver toutes les données.
2. La qualité des données brutes : celles-ci doivent-être qualifiées et représentatives des objectifs attendus. Elles doivent couvrir l’ensemble du périmètre cible afin de ne pas induire en erreur les déductions du système d’apprentissage (Ex: Jeu de données sur les 15-25 ans alors que la projection attendue concerne toute la population).
3. La réussite du projet et la contextualisation : la réussite d’un projet de Machine Learning s’appuie encore actuellement sur une contextualisation efficace du traitement du jeu de données. Cela requiert donc des compétences scientifiques importantes inhérentes au métier de Data Scientist pour permettre une amélioration continue des résultats du Machine Learning.
Découvrez l’intégralité de cet article dans la prochaine édition de Smart DSI.
Téléchargez cette ressource
Préparer l’entreprise aux technologies interconnectées
Avec la « quatrième révolution industrielle », les environnements hyperconnectés entraînent de nouveaux risques en matière de sécurité. Découvrez, dans ce guide Kaspersky, comment faire face à cette nouvelle ère de vulnérabilité.
Les articles les plus consultés
- Intelligence Artificielle : DeepKube sécurise en profondeur les données des entreprises
- Digitalisation : les tendances 2018 de la fonction Finance
- 9 défis de transformation digitale !
- ActiveViam fait travailler les data scientists et les décideurs métiers ensemble
- L’utilisation des données pour survivre !
Les plus consultés sur iTPro.fr
- L’IA comme levier d’évangélisation du COMEX à la cybersécurité
- Intégration et utilisation de l’IA en 3 conseils clés
- CRM : quand l’IA fait dans le détail
- Baromètre cybersécurité 2023 : Top 7 des enseignements
- Sauvegarde : Comment protéger les données contre les menaces de ransomware en constante évolution ?