A 24pm Academy, nous sommes persuadés que les gains de productivité rendues possibles par l'intelligence artificielle peuvent relancer notre économie sur le long terme. Mais à court terme, il existe aussi des solutions classiques simplement augmentées par l'intelligence artificielle qui permettent à n'importe quelle entreprise BtoB de dénicher des prospects cachés parmi les visiteurs de votre site.

Tik Tok est le premier ambassadeur involontaire de l'industrie chinoise de l'intelligence artificielle qui s’apprête à envahir l’internet mondial. Le gouvernement chinois ne l'avait pas intégré à son plan. Décodage de la stratégie d'intelligence artificielle du gouvernement chinois.

La stratégie de domination technologique de la Chine passe par l’intelligence artificielle et repose sur des armées d’experts, des montagnes de données, 1000 milliards de dollars et la montée en puissance de champions nationaux.

La Finlande, qui assurait la présidence tournante de l'UE jusqu'à fin 2019 , a déclaré mardi qu'elle visait à enseigner 1% - ou plus de 50 millions - de toutes les compétences de base des Européens en intelligence artificielle à travers un cours en ligne gratuit.

L'apprentissage supervisé (ou supervised learning) est une forme d’apprentissage machine qui crée des modèles d’intelligence artificielle en se fondant sur des données d’apprentissage « étiquettées »,

La classification statistique réside dans l’identification de la catégories à laquelle un nouveau élément appartient, sur la base d'un data set d’entraînement de données contenant des observations (ou instances) dont la catégorie est connue.

L’apprentissage de métriques (ou de similarités) est un domaine apprentissage machine en intelligence artificielle.

Random Forest (ou decision random forest) sont une méthode d’apprentissage ensemble de classification, de régression et d’autres tâches qui fonctionne en construisant une multitude d’arbres de décision au moment de l’entrainement et produisant de la classe qui est le mode de des classes (classification) ou la prédiction moyenne (régression) des arbres individuels.  

L'analyse prédictive englobe diverses techniques statistiques, telles que l'exploration de données, la modélisation prédictive et l'apprentissage automatique, qui analysent des faits actuels et historiques afin de prédire des événements futurs ou autrement inconnus. 

La reconnaissance de formes est la reconnaissance automatique des modèles et des règles dans les données.

Le machine learning en ligne est une méthode d’apprentissage machine dans laquelle les données deviennent Disponible dans un ordre séquentiel et sont utilisées pour mettre à jour le meilleur prédicteur pour les données futures à chaque étape, par opposition aux techniques d'apprentissage par lots qui génèrent le meilleur prédicteur en apprenant sur l’ensemble des données d’entraînement à la fois.

En apprentissage machine, les systèmes qui utilisent l'apprentissage hors ligne ne changent pas leur approximation de la fonction cible lorsque la phase de formation initiale est terminée. Ces systèmes sont aussi généralement des exemples d'apprentissage enthousiaste.

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.

L’apprentissage paresseux (ou lazy learning) est une méthode d'apprentissage dans laquelle la généralisation des données d’entrainement est, en théorie, retardée jusqu'à ce qu'une requête soit faite au système, par opposition à l’eager learning, où le système essaie de généraliser les données d’entrainement avant de recevoir des requêtes.

L’apprentissage incrémental (ou apprentissage incrémentiel) est une méthode de machine learning dans laquelle des données d’entrée sont utilisées en permanence pour étendre les connaissances du modèle existant, c’est-à-dire pour poursuivre la formation du modèle.

L’apprentissage fédéré (ou federated learning) est une technique d’apprentissage automatique qui forme un algorithme sur plusieurs serveurs décentralisés contenant des échantillons de données locaux, sans échange de leurs échantillons de données.

L’apprentissage piloté par erreur est un sous-domaine de l’apprentissage automatique qui concerne la question de savoir comment un agent doit prendre des mesures dans un environnement afin de réduire au minimum les frais d’erreur. C'est un type d’apprentissage par renforcement .

Un modèle conditionnel contraint (CCM) est un cadre d’apprentissage automatique et d'inférence qui enrichit l'apprentissage de modèles conditionnels (probabilistes ou discriminants) avec des contraintes déclaratives.

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).