Techopedia est financé par des liens d'affiliation, sans que cela n'affecte Que signifie l’apprentissage non supervisé ?
L’apprentissage non supervisé est une méthode utilisée pour permettre aux machines de classer des objets tangibles et intangibles. Et cela sans leur fournir d’informations préalables sur ces objets. Les objets que les machines doivent classer sont variés. Tels que les habitudes d’achat des clients, les schémas comportementaux des bactéries et les attaques de pirates informatiques. L’idée principale de l’apprentissage non supervisé est d’exposer les machines à de grands volumes de données variées. Et ainsi de leur permettre d’apprendre et de déduire à partir de ces dernières. Toutefois, les machines doivent d’abord être programmées pour apprendre à partir des données.
Techopedia explique l’apprentissage non supervisé
Les systèmes informatiques doivent être capables de comprendre de grands volumes de données structurées et non structurées. Et ainsi d’en tirer des enseignements. En réalité, il n’est pas toujours possible de fournir des informations préalables sur tous les types de données qu’un système informatique peut recevoir au cours d’une période précise. En gardant cela à l’esprit, l’apprentissage supervisé peut ne pas convenir. C’est le cas lorsque les systèmes informatiques ont besoin d’informations constantes sur de nouveaux types de données. Par exemple, les attaques de piratage sur les systèmes financiers ou les serveurs bancaires ont tendance à changer fréquemment de nature et de modèle. C’est pourquoi l’apprentissage non supervisé peut être plus approprié dans de tels cas puisque les systèmes doivent être capables d’apprendre rapidement à partir des données d’attaque et de déduire les types d’attaques futures et de suggérer des actions préventives.
