Intentions

• Mise en contexte des phases de l'IA
• La position du texte ici est apres une certaine soutenance théorique de ce qu'est en générale l'IA.
• Un point de vue artistique et accessible sur ce qui rend les réseaux de neurone fonctionnel

Realité

• Akten en parle dans son article sur Medium - Voir fiche lecture: Akten, 2016

Le déploiement est la phase de la prédiction. C'est le moment où l'on donne de nouvelle donnée au modèle pour voir ce qu'il en pense!

• Les données d'entraînement
• Préparation des données
• L'Architecture
• Les algorithmes d'apprentissage
• Le déploiement

why is that called a model?

because we're trying to build a model of a particular system, to understand and predict its behavior.

Algorithmes et données

D'une structure abstraite vers un modèle représentatif d'un système.

L'apprentissage sera fait avec ces algorithmes. «The algorithm themselves are simply abstract mathematical (primarily statistical) formulations.» (Akten, 2016). C'est-à-dire s'ils seront l'élément structurant la phase d'apprentissage a l'aide des données. C'est de ces deux éléments (algorithmes et données) que ce conçoit le modèle, c'est à dire un réseau capable de prédire selon les buts déterminés autant dans l'algorithme que dans les données fournies. «They need (training) data to give shape to how the algorithm will make predictions.» (Akten, 2016). Cette forme, c'est ce que nous appelons le modèle.

Avec ce dernier, ils sont capable de faire leur travail. «[...] they able to convert the abstract mathematical formulations into concrete decisions and predictions.» (Akten, 2016). Ce modèle représentatif du système peut concrètement observer une nouvelle réalité à travers des données ou des capteurs et tirer de lui-même des prédictions.

La structure des données est déterministique de la qualité du modèle entraîné

• Voir autre section : Underlying-Structure-of-AI

---