[PRATIQUE] Des images presque gratuites pour votre site

Comment l’intelligence artificielle permet à n’importe quelle PME d’améliorer l’indexation de son catalogue de produit.

Comment le deep learning permet à une société spécialiste du retargeting de se différencier et d'améliorer les performances de ses campagnes de display.

Yoshua Bengio, un chercheur mondialement connu en intelligence artificielle et francophone (car québécois) s'est vu attribué le prix Turing pour ses travaux de recherche en deep learning. Et, en plus, il est sympathique.

Le machine learning (ou Apprentissage machine ou ML) est la forme d’intelligence artificielle la plus en vogue depuis le début des années 2010 et qui s’appuie sur des algorithmes statistiques pour apprendre à une machine tantôt à reconnaître une image, tantôt à interpréter un texte, tantôt à le traduire, tantôt à prévoir les ventes, tantôt à identifier des groupes de consommateurs marketing, tantôt à recommander des produits ou contenus correspondant au goût d’un internaute.

Deep learning (ou Apprentissage en profondeur ou apprentissage structuré profond ou l’apprentissage hiérarchique) est une famille de technique d’intelligence artificielle qui s’appuie sur l’analyse de grandes quantités de données pour créer des modèles qui permettent de prévoir par exemple l’évolution des ventes d’un produit, de qualifier le contenu d’une image ou d’une vidéo ou encore d’analyser un texte.

La théorie du contrôle est un sous-domaine des mathématiques qui traite du contrôle de systèmes dynamiques à fonctionnement continu dans des processus et des machines conçus. L’objectif est de mettre au point un modèle de contrôle permettant de contrôler ces systèmes de manière optimale, sans retard ni dépassement, tout en garantissant la stabilité du contrôle.

Le connexionisme est une approche dans les domaines de la science de cognitive, qui espère expliquer phénomènes mentaux à l’aide des réseaux de neurones artificiels (ANN).

La théorie de l’apprentissage computationnel ou tout simplement théorie de l’apprentissage) est un sous - domaine de l’intelligence artificielle consacrée à l’étude de la conception et l’analyse des algorithmes d’apprentissage machine (machine learning).

Les algorithmes de rétropropagation constituent une famille de méthodes utilisées pour former efficacement des réseaux de neurones artificiels (ANN) en suivant un algorithme d'optimisation basé sur le gradient qui exploite la règle de chaîne . La caractéristique principale de la rétropropagation est sa méthode itérative, récursive et efficace pour le calcul des mises à jour des pondérations afin d’améliorer le réseau jusqu’à ce qu’il soit capable d’exécuter la tâche pour laquelle il est traité. Il est étroitement lié à l’algorithme de Gauss – Newton .

Les réseaux neuronaux artificiels(ANN), ou systèmes connexionnistes sont des systèmes informatiques qui sont inspirés par, mais ne sont pas identiques aux réseaux de neurones biologiques qui constituent un cerveau.

La technique du Faceswap (ou « échange  de visage ») consiste à remplacer,  le visage d’une personne sur une photo ou une vidéo par le visage d’une autre personne, soit de façon manuelle, soit en recourant à l'intelligence artificielle.

Le transfert learning est une technique de deep learning qui permet de ré-exploiter des modèles généraux déjà entraînés (à reconnaitre des photos, par exemple) afin d’accélérer l’élaboration de modèle répondant aux besoins précis d’une entreprise.