3. Qu’est-ce que « le Machine Learning » ?

-

Les humains ont toujours rêvé de prédire l’avenir. La mise en œuvre de l’apprentissage automatique a facilité cette ambition. Afin de répondre à la question posée, nous pouvons utiliser la définition suivante : 


 « Le Machine Learning est un ensemble d'outils statistiques ou géométriques et d'algorithmes informatiques qui permettent à une machine d’apprendre à partir d’un jeu de données, pour ensuite réaliser une tâche, sans avoir été explicitement programmée à cet effet. »



Nous pouvons différencier les deux catégories du Machine Learning :

  • Supervisé : les algorithmes supervisés extraient de la connaissance à partir d’un jeu de données. Le modèle apprend la relation entre un ensemble de caractéristiques descriptives et une caractéristique cible. Nous pouvons utiliser ce modèle pour faire des prédictions de nouvelles observations (exemple : Régression).

  • Non supervisé : les algorithmes cherchent à organiser les données en catégories. Dans ce cas, comme l’apprentissage ne présuppose aucun étiquetage préalable nous devons conclure ce que les exemples fournis ont en commun (exemple : Clustering).

Machine learning au sein de l’entreprise

Le machine learning est une des solutions à la multitude de données auxquelles les entreprises doivent faire face. L’analyse prédictive est largement répandue ces dernières années. Il s’agit d’obtenir une avantage concurrentiel et de mieux comprendre le consommateur afin d’anticiper ses besoins. Grâce à l’utilisation du Machine Learning, les entreprises peuvent créer de la valeur à partir de données.




Voici quelques exemples d'utilisation de l’apprentissage automatique dans le marketing parmi les plus communs: 

  • La personnalisation sert à découvrir les préférences d'un client que l'on souhaite retenir pour lui suggérer des produits et des services adaptés à ses goûts et ses besoins

  • La prédiction de l’attrition sert à déterminer quand les utilisateurs risquent d’abandonner un service. Cela permet de déclencher des actions marketings et commerciales.

  • Le scoring, autrement connu sous le nom de score d'appétence (l'attribution d'une note à un utilisateur ou service basé sur ses actions).

Commentaires

Enregistrer un commentaire

Posts les plus consultés de ce blog

8. L'arbre de décision - les avantages et les inconvénients

-
Image
Maintenant comme vous connaissez déjà la notion d'arbre de décision, nous pouvons introduire les deux types d'arbre ainsi que parler des avantages et des inconvénients . Types d'arbre de décision Nous pouvons différencier deux types des arbres de décision qui sont classés en fonction des variables cibles : Categorical variable decision tree -  dans ce cas, l'algorithme a une variable cible catégorique. Par exemple, la prédiction du prix relatif d'une maison dans l'une des trois catégories suivantes : faible, moyen ou élevé. Les caractéristiques peuvent inclure la surface, le nombre de chambres, la présence d’un jardin et le quartier. L'arbre de décision apprend de ces caractéristiques et, après avoir fait passer chaque point de données par chaque nœud, il aboutit à un nœud feuille de l'une des trois cibles catégoriques : faible, moyen ou élevé. Continuous variable decision tree -  dans ce cas, les caractéristiques entrées dans l'arbre de décision
Lire la suite

10. Le deep learning, Quand l'élève peut dépasser le maître ?

-
Image
Un réseau pour les réaliser toutes : Ces algorithmes très particulier dont l'origine viens de la volonté de reproduire le fonctionnement de la communication entre des neurones bien vivant ce démarque aussi bien par la complexité d'interprétation des modèles prédictif que par leur capacité à résoudre tout type de problématique. Vous avez envie d'un robot qui fait le ménage tout seul ? Deep learning, vous avez envie de trier et augmenter la résolution de vos photos de vacances ? Deep learning. Créer des nouveaux tableau unique au monde ? Trouver de nouveaux médicament ? battre les meilleurs joueur du monde aux échec sans savoir jouer ou comprendre le jeux ? DEEP LEARNING.  C'est bien souvent de cette technologie dont on parle lorsque l'on met en avant les prouesses de l'intelligence artificiel. Mais quand est t'il des fait ? Comment est ce que cela fonctionne et quel sont les limites ? Nous allons tenter d'explorer cela ensemble dans le monde du Grad
Lire la suite

1. Data dans le Marketing - Introduction

-
Image
L'augmentation des données non structurées, propulsée par les nouvelles technologies, est en train de basculer les marchés et la gestion des activités de marketing. Malheureusement, ces données restent pour la plupart inexploitées par de nombreuses entreprises, ce qui laisse entrevoir le potentiel de développement de la recherche.  Customer tracking data La possibilité de contrôler et d'analyser les données est devenue de plus en plus accessible ces dernières années, et il est plus que jamais important pour les entreprises de l'utiliser correctement. Les données de parcours en ligne, désormais courantes, conservent les journaux des activités suivantes: d'achat, de recherche, de navigation, de consommation de médias numériques et d'autres actions de navigation sur le web. Les appareils mobiles étendent encore la portée du suivi des activités au monde hors ligne, en enregistrant les emplacements physiques des consommateurs et leurs visites dans les magasins. La prolif
Lire la suite