L'apprentissage machine se focalise sur la mise en action de l'ordinateur sans qu'il soit explicitement programmé. L'idée est d'automatiser la construction de modèles analytiques qui utilisent des algorithmes afin d'apprendre des données de manière interactive.
Les voitures sans conducteur ne sont qu'un exemple populaire de l'apprentissage machine. Cette technologie est également utilisé dans d'innombrables applications telles que la prévision des fraudes, l'identification des terroristes, la recommandation des bons produits aux clients au bon moment et l'identification correcte des symptômes médicaux pour prescrire les traitements appropriés. Le concept de l'apprentissage machine existe depuis des décennies. Ce qui est nouveau, c'est qu'il peut maintenant être appliqué à d'énormes quantités de données. Le stockage de données moins coûteux, le traitement distribué, les ordinateurs plus puissants et les nouvelles possibilités d'analyse ont considérablement accru l'intérêt pour les systèmes d'apprentissage machine.
Le présent document s'appuie sur les présentations faites au cours des dernières années. Wayne Thompson, directeur des technologies de l'informatique chez SAS, présente les concepts clés de l'apprentissage machine, explique la corrélation entre les statistiques et l'apprentissage machine, et décrit les solutions SAS® qui permettent l'apprentissage machine à grande échelle.
Contenu uniquement disponible en anglais.