Libellé préféré : Apprentissage machine;

Définition CISMeF : Processus par lequel un algorithme évalue et améliore ses performances sans l'intervention d'un programmeur, en répétant son exécution sur des jeux de données jusqu'à obtenir, de manière régulière, des résultats pertinents. Note : 1. Un algorithme d'apprentissage automatique comporte un modèle dont il modifie les paramètres, de valeur initiale en général aléatoire, en fonction du résultat constaté. 2. L'apprentissage automatique relève de l'intelligence artificielle. 3. L'apprentissage automatique est fréquemment utilisé pour le traitement du langage naturel et la vision par ordinateur, ou pour effectuer des diagnostics et des prévisions. Voir aussi : apprentissage non supervisé, apprentissage par renforcement, apprentissage profond, apprentissage supervisé, dialogueur, intelligence artificielle, réseau de neurones artificiels. Équivalent étranger : machine learning (ML) (source BO).;

Synonyme CISMeF : Apprentissage artificiel; Apprentissage automatique; Apprentissage-machine;

Acronyme CISMeF : AA; ML;

Lien Wikipédia : https://fr.wikipedia.org/wiki/Apprentissage automatique;

Détails


Consulter ci-dessous une sélection des principales ressources :

Vous pouvez consulter :

Processus par lequel un algorithme évalue et améliore ses performances sans l'intervention d'un programmeur, en répétant son exécution sur des jeux de données jusqu'à obtenir, de manière régulière, des résultats pertinents. Note : 1. Un algorithme d'apprentissage automatique comporte un modèle dont il modifie les paramètres, de valeur initiale en général aléatoire, en fonction du résultat constaté. 2. L'apprentissage automatique relève de l'intelligence artificielle. 3. L'apprentissage automatique est fréquemment utilisé pour le traitement du langage naturel et la vision par ordinateur, ou pour effectuer des diagnostics et des prévisions. Voir aussi : apprentissage non supervisé, apprentissage par renforcement, apprentissage profond, apprentissage supervisé, dialogueur, intelligence artificielle, réseau de neurones artificiels. Équivalent étranger : machine learning (ML) (source BO).

N3-AUTOINDEXEE
Visualisation web de paramètres quantitatifs d’images et apprentissage automatique pour la médecine personnalisée
https://doc.rero.ch/record/333496?ln=fr
Après avoir pris connaissances des besoins de l’Institut Informatique de Gestion de la HES-SO Valais-Wallis, nous avons procédé à un état de l’art afin de comparer notre application avec les solutions similaires existantes sur le marché. Ensuite, le choix de la technologie de développement, le choix du type de graphique et le choix de la librairie de visualisation ont été définis respectivement via des analyses approfondies. Durant la phase de développement, nous avons organisé des réunions dans le but de montrer l’état d’avancement du travail au client pour recevoir des feedbacks
RERO DOC - Réseau des bibliothèques de Suisse occidentale
Suisse
thèse ou mémoire
apprentissage
Internet
Apprentissage
Apprentissage
Apprentissage
Médecine de précision
automatisme
Automatisme
Médecine
Apprentissage machine
robot
Médecins

---
N2-AUTOINDEXEE
AnTiBioStat : prédire l’antibiorésistance à partir des antibiogrammes historiques et l’apprentissage machine à l’hôpital
https://sesstim.univ-amu.fr/fr/video-box/seminaire-interne-stanislas-rebaudet-raquel-urena
2022
SESSTIM
France
matériel d'enseignement audio-visuel
tests de sensibilité microbienne
machine
hôpitaux
Apprentissage machine
hôpital
Antibiogramme
résistance microbienne aux médicaments
apprentissage
Apprentissage
Apprentissage

---
N3-AUTOINDEXEE
Introduction à l’apprentissage automatique en pharmacométrie : concepts et applications
https://papyrus.bib.umontreal.ca/xmlui/handle/1866/26005
L’apprentissage automatique propose des outils pour faire face aux problématiques d’aujourd’hui et de demain. Les récentes percées en sciences computationnelles et l’émergence du phénomène des mégadonnées ont permis à l’apprentissage automatique d’être mis à l’avant plan tant dans le monde académique que dans la société. Les récentes réalisations de l’apprentissage automatique dans le domaine du langage naturel, de la vision et en médecine parlent d’eux-mêmes. La liste des sciences et domaines qui bénéficient des techniques de l’apprentissage automatique est longue. Cependant, les tentatives de coopération avec la pharmacométrie et les sciences connexes sont timides et peu nombreuses. L’objectif de ce projet de maitrise est d’explorer le potentiel de l’apprentissage automatique en sciences pharmaceutiques. Cela a été réalisé par l’application de techniques et des méthodes d’apprentissage automatique à des situations de pharmacologie clinique et de pharmacométrie. Le projet a été divisé en trois parties. La première partie propose un algorithme pour renforcer la fiabilité de l’étape de présélection des covariables d’un modèle de pharmacocinétique de population. Une forêt aléatoire et l’XGBoost ont été utilisés pour soutenir la présélection des covariables. Les indicateurs d’importance relative des variables pour la forêt aléatoire et pour l’XGBoost ont bien identifié l’importance de toutes les covariables qui avaient un effet sur les différents paramètres du modèle PK de référence. La seconde partie confirme qu’il est possible d’estimer des concentrations plasmatiques avec des méthodes différentes de celles actuellement utilisés en pharmacocinétique. Les mêmes algorithmes ont été sélectionnés et leur ajustement pour la tâche était appréciable. La troisième partie confirme la possibilité de faire usage des méthodes d'apprentissage automatique pour la prédiction de relations complexes et typiques à la pharmacologie clinique. Encore une fois, la forêt aléatoire et l’XGBoost ont donné lieu à un ajustement appréciable.
2021
Papyrus - Université de Montréal
Canada
thèse ou mémoire
Applications
automatisme
Conception
Apprentissage machine
fécondation
Apprentissage
conception
Automatisme
Apprentissage
apprentissage
Applications
Applications
robot
Apprentissage
attention

---
N3-AUTOINDEXEE
Bon temps mauvais temps : Prévision automatisée de la cryptosporidiose saisonnière en Ontario à base d’apprentissage machine
https://www.canada.ca/fr/sante-publique/services/rapports-publications/releve-maladies-transmissibles-canada-rmtc/numero-mensuel/2020-46/numero-6-4-juin-2020/utilisant-algorithmes-apprentissage-automatique-prevoir-surveillance-maladies-ontario.html
Contexte : L’augmentation de l’utilisation des mégadonnées et de la modélisation prédictive connexe fondée sur des algorithmes d’apprentissage automatique au cours des deux dernières décennies a fourni de nouvelles possibilités de surveillance des maladies et de préparation de la santé publique. Les mégadonnées s’accompagnent de la promesse d’une production et d’un accès plus rapide à des renseignements précis, ce qui pourrait faciliter la précision prédictive en santé publique (« santé publique de précision »). À titre d’exemple, nous avons envisagé de prévoir l’évolution future de l’incidence mensuelle de la cryptosporidiose en Ontario.
2020
false
false
false
false
Licence Creative Commons - Attribution (BY)
Gouvernement du Canada
Canada
réseaux neuronaux (ordinateur)
algorithmes
Mégadonnées
article de périodique
Ontario
cryptosporidiose
Apprentissage machine

---
N1-VALIDE
Exploitation de compte-rendus médicaux grâce aux word embeddings
https://www.cismef.org/cismef/wp/wp-content/uploads/2020/03/presentation_tal_words_embeddings.pdf
Introduction; Apprentissage automatique et langage naturel; Word Embeddings; Embeddings et TAL: implémentations; Word Embedding: word2vec; Application des embeddings aux compte-rendus médicaux; Thèse de science; Classification des documents médicaux; Conclusion
2020
false
false
false
false
true
CHU de Rouen
France
français
cours
Apprentissage machine
traitement du langage naturel
collecte de données
traitement du langage naturel
collecte de données
apprentissage machine

---
N3-AUTOINDEXEE
Tour d'horizon du machine learning
https://www.youtube.com/watch?v=wGlen9OtalM
La maturité actuelle des technologies issues de la science des données (data science) permet d'envisager l'utilisation massive des données disponibles pour en tirer un avantage concurrentiel déterminant. Encore faut-il en maîtriser des technologies sous-jacentes. Cette présentation vise à offrir un point de vue sur le sujet en abordant les principaux algorithmes le l'apprentissage statistique (SVM, deep learning...) et outils logiciels permettant leur mise en œuvre. La présentation se fera à partir de cas précis comme ceux de la recommandation ou reconnaissance de formes
2016
false
false
false
false
France
français
congrès ou conférence
Apprentissage machine
Apprentissage automatique
machine

---
N3-AUTOINDEXEE
Machine learning et chirurgie neuro-orthopédique – prédiction de la flexion du genou et de l’antéversion du bassin postopératoires au contact initial chez les enfants atteints de paralysie cérébrale
In Revue de Chirurgie Orthopédique et Traumatologique Volume 101, Issue 7, Supplement, November 2015, Pages S159
http://www.sciencedirect.com/science/article/pii/S1877051715002956
La paralysie cérébrale (PC) entraîne des troubles de la marche pouvant être caractérisés par une flexion excessive du genou. La chirurgie d’allongement des ischio-jambiers (AIJ) diminue la flexion du genou au contact initial (FGCI), mais peut avoir des effets sur l’antéversion du bassin. L’objectif de ce travail est de prédire le résultat postopératoire de l’AIJ, dans un contexte de chirurgie multi-sites, sur la FGCI et sur l’antéversion du bassin au contact initial (ABCI). Les paramètres postopératoires sont estimés, en fonction de la cinématique et de l’examen clinique préopératoires ainsi que du programme chirurgical testé, en utilisant des méthodes d’apprentissage supervisé (o Machine Learning O)....
10.1016/j.rcot.2015.09.053
2016
false
false
false
Elsevier
France
français
résumé ou synthèse en français
Apprentissage machine
paralysie cérébrale
techniques d'aide à la décision

---
N1-VALIDE
L’imagerie cérébrale en psychiatrie clinique : du diagnostic différentiel au machine learning - In : L'Information Psychiatrique Volume 92, numéro 4, Avril 2016
http://www.jle.com/fr/revues/ipe/e-docs/limagerie_cerebrale_en_psychiatrie_clinique_du_diagnostic_differentiel_au_machine_learning_307008/article.phtml
La neuro-imagerie a connu un essor considérable ces dernières années. De nombreux travaux indiquent que les utilisations potentielles de la neuro-imagerie en pratique clinique sont multiples tant à visée diagnostique que pronostique ou pour guider de nouveaux traitements. Dans cet article, nous décrivons l’utilisation actuelle de l’imagerie cérébrale, en pratique psychiatrique notamment pour éliminer un diagnostic différentiel. À partir d’une analyse de la littérature, plusieurs recommandations sont proposées. Les perspectives offertes par la neuro-imagerie avec le développement des stratégies de machine learning sont également envisagées. Finalement, les conséquences conceptuelles du développement de l’imagerie en psychiatrie sont abordées.
10.1684/ipe.2016.1475
2016
false
false
false
John Libbey Eurotext
France
français
article de périodique
neuroimagerie
troubles mentaux
Apprentissage machine
troubles mentaux
troubles mentaux

---
Nous contacter.
04/12/2022


[Accueil] [Haut de page]

© CHU de Rouen. Toute utilisation partielle ou totale de ce document doit mentionner la source.