Apprentissage non supervise
Methode d'apprentissage ou le modele decouvre des structures cachees dans des donnees non etiquetees.
L'apprentissage non supervise est une methode de machine learning ou le modele apprend a partir de donnees sans etiquettes, decouvrant par lui-meme des structures et des patterns.
Techniques principales :
- • Clustering : regrouper des donnees similaires (K-means, DBSCAN)
- • Reduction de dimension : simplifier les donnees (PCA, t-SNE, UMAP)
- • Detection d'anomalies : identifier les points aberrants
- • Modeles generatifs : apprendre la distribution des donnees
Applications :
- • Segmentation client en marketing
- • Detection de fraude (anomalies)
- • Compression de donnees
- • Pre-entrainement de modeles (les LLM apprennent de maniere non supervisee !)
L'apprentissage non supervise est au coeur des LLM : le pre-entrainement consiste a predire le prochain mot dans du texte non etiquete. C'est cette capacite a apprendre sans supervision qui rend les LLM si puissants.