Apprentissage machine
L'apprentissage automatique est le concept selon lequel un programme informatique peut apprendre et s'adapter à de nouvelles données sans interférence humaine. L'apprentissage automatique est un domaine de l'intelligence artificielle (IA) qui maintient les algorithmes intégrés d'un ordinateur à jour indépendamment des changements de l'économie mondiale.
L'apprentissage automatique expliqué
Différents secteurs de l'économie traitent d'énormes quantités de données disponibles dans différents formats et provenant de sources disparates. L'énorme quantité de données, appelée Big Data, devient facilement disponible et accessible grâce à l'utilisation progressive de la technologie. Les entreprises et les gouvernements réalisent les connaissances considérables qui peuvent être tirées de l'exploitation du Big Data, mais manquent des ressources et du temps nécessaires pour parcourir sa mine d'informations. En tant que telles, différentes industries utilisent des mesures d'intelligence artificielle pour collecter, traiter, communiquer et partager des informations utiles à partir de jeux de données. L'apprentissage automatique est une méthode d'IA de plus en plus utilisée pour le traitement de données volumineuses.
Applications d'apprentissage automatique
Les différentes applications de données de l’apprentissage automatique sont formées par un algorithme complexe ou un code source intégré à la machine ou à l’ordinateur. Ce code de programmation crée un modèle qui identifie les données et construit des prédictions autour des données qu'il identifie. Le modèle utilise des paramètres intégrés dans l'algorithme pour former des modèles pour son processus de prise de décision. Lorsque de nouvelles données ou des données supplémentaires deviennent disponibles, l’algorithme ajuste automatiquement les paramètres pour vérifier le changement éventuel de modèle. Cependant, le modèle ne devrait pas changer.
L'apprentissage automatique est utilisé dans différents secteurs pour diverses raisons. Les systèmes de trading peuvent être calibrés pour identifier de nouvelles opportunités d'investissement. Les plateformes de marketing et de commerce électronique peuvent être ajustées pour fournir des recommandations précises et personnalisées à leurs utilisateurs en fonction de l'historique de leurs recherches sur Internet ou de leurs transactions précédentes. Les établissements de crédit peuvent intégrer un apprentissage automatique pour prévoir les créances douteuses et créer un modèle de risque de crédit. Les centres d’information peuvent utiliser l’apprentissage automatique pour couvrir d’énormes quantités de reportages aux quatre coins du monde. Les banques peuvent créer des outils de détection de la fraude à partir de techniques d’apprentissage automatique. L'intégration de l'apprentissage automatique à l'ère du numérique est sans fin, car les entreprises et les gouvernements sont de plus en plus conscients des opportunités offertes par le big data.
Comment fonctionne l'apprentissage machine
Le fonctionnement de l'apprentissage machine peut être mieux expliqué par une illustration du monde financier. Traditionnellement, les acteurs de l'investissement sur le marché des valeurs mobilières tels que les chercheurs financiers, les analystes, les gestionnaires d'actifs, les investisseurs individuels parcourent de nombreuses informations provenant de différentes sociétés du monde entier pour prendre des décisions d'investissement rentables. Toutefois, certaines informations pertinentes peuvent ne pas être largement diffusées par les médias et ne peuvent être communiquées qu’à un petit nombre de personnes sélectionnées qui ont l’avantage d’être des employés de la société ou des résidents du pays d’où elles proviennent. En outre, il n’ya que peu d’informations que les humains peuvent collecter et traiter dans un laps de temps donné. C'est là qu'intervient l'apprentissage machine.
Une société de gestion d’actifs peut utiliser l’apprentissage automatique dans son domaine d’analyse et de recherche en investissements. Supposons que le gestionnaire d’actifs n’investisse que dans des actions minières. Le modèle intégré au système analyse le Web et collecte tous les types d'événements d'actualités émanant d'entreprises, de secteurs d'activité, de villes et de pays. Ces informations rassemblées constituent l'ensemble de données. Les gestionnaires d'actifs et les chercheurs de l'entreprise n'auraient pas pu obtenir les informations contenues dans l'ensemble de données en utilisant leurs capacités humaines et leur intelligence. Les paramètres construits à côté du modèle extraient uniquement des données sur les sociétés minières, les politiques réglementaires sur le secteur de l'exploration et les événements politiques dans certains pays. Supposons qu'une société minière XYZ ait découvert une mine de diamant dans une petite ville d'Afrique du Sud, l'application d'apprentissage automatique soulignerait ces données comme étant pertinentes. Le modèle pourrait ensuite utiliser un outil d'analyse appelé analyse prédictive pour prédire si l'industrie minière sera rentable pour une période donnée ou quels stocks miniers sont susceptibles d'augmenter en valeur à un moment donné. Cette information est transmise au gestionnaire d'actifs pour qu'elle analyse et prenne une décision concernant son portefeuille. Le gestionnaire d'actifs peut décider d'investir des millions de dollars dans des actions XYZ.
À la suite d’un événement défavorable, tel que des mineurs sud-africains en grève, l’algorithme informatique ajuste automatiquement ses paramètres pour créer un nouveau motif. De cette façon, le modèle de calcul intégré à la machine reste à jour, même avec les changements d’événements mondiaux, sans qu’il soit nécessaire à un humain de modifier son code pour refléter les changements. Étant donné que le gestionnaire d'actifs a reçu ces nouvelles données à temps, il est en mesure de limiter ses pertes en quittant le stock.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.