Apprentissage Statistique Supervisé

Fabien Moutarde (1)

1 CAOR - Centre de Robotique

This article deals with supervised statistical machine-learning as a tool for engineers. First, the main theoretical and methodological principles are briefly presented and explained. Then, the article presents the most common models and algorithms used for supervised learning: the main “classical” techniques (Multi-Layer Perceptron, Support Vector Machines, Decision Trees and Random Forests, Boosting) are explained, as well as deep-learning with Convolutional Neural Networks.

Cet article est consacré à l’apprentissage statistique supervisé, en tant qu’outil pour l’ingénieur. D’abord sont présentés et expliqués succinctement les grands principes théoriques et méthodologiques. Puis l’article décrit les modèles et algorithmes les plus couramment utilisés en apprentissage supervisé. Y sont présentées et expliquées d’une part les principales techniques « classiques » (Perceptron Multi-Couche, Séparateur à Vaste Marge, Arbres de Décision et Forêts Aléatoires, Boosting), et d’autre part l’apprentissage profond de réseau convolutionnel.

Domaines: Apprentissage [cs.LG]

Fabien Moutarde. Apprentissage Statistique Supervisé. Techniques de l'Ingénieur, 2019. ⟨hal-02073288⟩