Passer au contenu principal Skip to footer
  • /content/cognizant-dot-com/fr/fr/glossary

Aucun résultat

S'agissait-il de…

Ou recherchez un autre terme.

Deep learning

Qu'est-ce que l'apprentissage profond ou deep learning ?

Le deep learning est une forme spécialisée de machine learning qui s'appuie sur un réseau de neurones. Il donne un sens aux données non structurées en extrayant et en classant des images ou des sons pour en tirer des conclusions utiles pour l'entreprise. L'apprentissage profond peut être utilisé dans des domaines tels que la reconnaissance faciale, la reconnaissance vocale, la traduction, les voitures autonomes et le filtrage des réseaux sociaux.

Quels sont les avantages du deep learning pour une entreprise ?

L'utilisation du deep learning permet réduire le temps nécessaire pour analyser des données et en tirer des conclusions. Elle peut également améliorer la qualité et la précision de ces résultats. L'apprentissage profond permet de :

  • Repérer des défauts. Les modèles d'apprentissage profond peuvent même identifier de tout petits défauts de fabrication des produits qui échappent souvent aux humains.
  • Améliorer la précision des prévisions. Les entreprises peuvent utiliser des algorithmes d'apprentissage profond pour exploiter les relations entre plusieurs types de données non structurées (images, discussions sur les médias sociaux, analyses sectorielles, etc.) afin d'améliorer les prévisions de l'entreprise.
  • Éliminer l'étiquetage des données. Les algorithmes d'apprentissage profond sont capables d'apprendre sans directives, ce qui élimine le besoin de données bien étiquetées.
  • Éviter l'erreur humaine. Un modèle d'apprentissage profond peut effectuer des milliers de tâches quotidiennes et répétitives très rapidement, en évitant les erreurs associées à la fatigue humaine ou à l'ennui.
  • Automatiser l'ingénierie des fonctionnalités. L'apprentissage profond peut mettre en œuvre l'ingénierie des fonctionnalités de manière autonome. Un algorithme analyse les données pour identifier et combiner les caractéristiques corrélatives afin de favoriser un apprentissage plus rapide, ce qui rationalise le travail des data scientists.
Contenus sur le deep learning


Retour au Glossaire