machine_learning_hardis_group_ssii_grenoble_esn_nantes_paris_lyon_lille_bordeaux

Tout est susceptible de...

Il est possible que votre parti politique gagne les élections ; il est possible qu’un médicament particulier améliore l’état d’un patient ; il est possible qu’il pleuve demain ; il est même possible que votre belle-mère ne prépare pas votre plat préféré ce dimanche. La vie est pleine de probabilités. C’est la même chose pour vos données…

Imaginons que vous travailliez pour une entreprise de télécoms et vous êtes sur le point de lancer une nouvelle offre. Vous voudriez savoir si vos clients seraient susceptibles d’y répondre. Vous ne pouvez pas savoir s’ils vont, de manière certaine, y répondre – seulement s’ils sont susceptibles de le faire. C’est important. Et utile. Si vous comprenez que dans la vie tout est « susceptible de se produire », le Machine Learning peut vous donner les réponses que vous cherchez, toujours en ce qui concerne vos propres données.

Mais d’abord, le Machine Learning qu’est-ce que c’est ? Définition !

Le Machine Learning (ou apprentissage automatique en français) est LE terme du moment, on en entend parler de partout. Il s’agit d’un ensemble d’algorithmes qui aident à prendre des décisions et à prédire des résultats pour résoudre des problèmes réels.

Bien que les concepts et la base de la plupart des algorithmes existent depuis de nombreuses années, aujourd’hui nous n’avons pas seulement des « big data » (par exemple les données des réseaux sociaux), mais nous avons aussi le pouvoir de stocker et appliquer automatiquement ces algorithmes complexes. Le Machine Learning se focalise sur l’exploitation de données afin qu’un ordinateur puisse apprendre quelque chose à partir de ces données sans avoir à le programmer spécifiquement.

L’objectif de ces algorithmes est de générer un modèle par l’analyse des caractéristiques des données et l’optimisation des critères qui peuvent être différents chaque fois. Il est évident que tous les algorithmes ne peuvent être utilisés pour tous les types des données. Les données doivent être étudiées et observées. Il faut passer du temps sur les données avant de décider quel algorithme donnera des résultats optimaux.

La qualité des données est très importante et le traitement préalable des données est souvent indispensable pour obtenir de bons résultats.

Voici quelques tâches auxquelles on peut répondre à l’aide du Machine Learning :

  • Evaluer l’opinion du public sur les produits de votre entreprise.
  • Déterminer s’il existe des objets dangereux figurants sur une série de photos.
  • Diagnostiquer si une personne est susceptible de souffrir d’une maladie ou pas.
  • Prédire le départ (attrition) des clients/employés.
  • Détecter des comportements frauduleux.

Quelques business cases

Les algorithmes de Machine Learning ont déjà été utilisés par de nombreuses organisations à des fins de prédiction ou simplement pour aider à la prise de décision. Voici quelques exemples :

Customer Value

La satisfaction du client est la priorité de la plupart des entreprises. Les données historiques sont souvent stockées par client ou par transaction/évolution. Basé sur ces données, l’apprentissage automatique peut aider les entreprises à faire apparaître si un client est susceptible d’utiliser un nouveau service, de refuser une offre ou encore de partir vers un autre fournisseur de services.

Structure de données

De nombreuses organisations enregistrent des données qui ne sont pas exploitées ou explicitement reliées entre elles. Des « patterns » (groupes) de données existantes restent masqués. Des produits similaires ne sont pas stockés au même endroit. Et lorsqu’il s’agit de migrer les données, la tâche devient vraiment complexe. Le Machine Learning facilite l’identification de données similaires. Il permet de définir des similarités qui pourraient être issues d’interactions entre produits, entre caractéristiques/fonctions ou mesures de similarité standard.

Link Prediction

Avec l’avènement des réseaux sociaux, des relations existantes entre des personnes, des éléments et des événements peuvent être facilement identifiées à l’aide du Machine Learning. Par exemple : la recommandation de films ou de livres que vous pourriez aimer ; vos amis susceptibles d’être intéressés par un événement particulier ; la probabilité que deux personnes abonnées puissent former un couple pour un service de rencontres…

Data Profiling

Produire un profil de données signifie connaître le comportement des données et être capable d’identifier des anomalies. Les algorithmes d’apprentissage automatique permettent l’apprentissage des modèles de données et peuvent être indispensables dans le domaine du monitoring : prévision de défaillances de machines ou de produits, identification des comportements erronés, actions frauduleuses, résultats inattendus…

Le machine Learning

Le Machine Learning peut être appliqué aux données réelles qui existent partout… Les algorithmes peuvent être utilisés « tels quels » ou en combinaison avec des techniques plus traditionnelles. Tout dépend des données et de leurs caractéristiques.

Ne devriez-vous pas regarder de plus près vos données ? Pouvez-vous imaginer comment le Machine Learning pourrait vous aider à identifier, découvrir ou résoudre vos problèmes ? Vous avez déjà une idée, n’est-ce pas ?

Anna Stravianou

Lead Developer

SUR LE MÊME THÈME

L’internet des objets, un accélérateur de transformation digitale

L'internet des objets, un accélérateur de transformation digitale

rfid-RFID et Logistique d'entrepôt

RFID et logistique d’entrepôt

RFID et logistique d'entrepôt

Réflexion sur 2 possibles changements post Covid du point de vue d’un éditeur de solutions logistiques

Réflexion sur 2 possibles changements post Covid du point de vue d’un éditeur de solutions logistiques

Leave a Reply