Glossaire
Apprentissage automatique : apprendre la règle à partir des exemples
L'apprentissage automatique construit une règle de décision à partir d'exemples plutôt que de la programmer explicitement. Le modèle obtenu vaut ce que valent les données qui l'ont formé. Sa qualité se mesure sur des données réservées, jamais sur les exemples appris.
De l'exemple à la règle
L'apprentissage automatique ajuste un modèle sur des exemples annotés jusqu'à ce qu'il retrouve l'étiquette attendue, puis mesure sa qualité sur des données qu'il n'a pas vues. Le résultat se juge sur cette part réservée, jamais sur les exemples d'apprentissage. Le travail se concentre sur la donnée, la définition de ce qu'on cherche à prédire et la mesure de l'effet réel une fois le modèle en service.
- Le modèle apprend une règle à partir d'exemples annotés
- La qualité se mesure sur des données réservées à l'évaluation
- L'effet réel se constate une fois le modèle en service
Le cycle complet d'un modèle
Le cursus Intelligence artificielle conduit le cycle complet : problème posé, jeu de données constitué, modèle ajusté, mise en production et suivi. Le cursus Data Science aborde le même cycle par la statistique, en insistant sur ce que le résultat autorise à affirmer et ce qu'il appelle à vérifier.
- 01
1 — Poser la question
Ce que l'on cherche à prédire, et la décision que cette prédiction doit permettre de prendre.
- 02
2 — Constituer les données
Sources réunies, variables construites, part d'évaluation réservée avant tout apprentissage.
- 03
3 — Ajuster et mesurer
Le modèle est ajusté sur l'apprentissage, puis mesuré sur la part réservée, et sur elle seule.
- 04
4 — Mettre en service et suivre
Le modèle entre en production avec ses indicateurs de suivi et une revue périodique de ses résultats.
Les cursus qui mènent un modèle jusqu'au service
2 cursus du catalogue mettent « Apprentissage automatique » en pratique : 240 crédits cumulés et 2400 heures encadrées. La règle officielle vaut partout — un crédit représente 25 heures de travail, dont 10 encadrées. Chaque ligne ci-dessous se recalcule depuis la fiche du programme : le niveau, la durée, les crédits, le volume encadré et les frais en francs guinéens y figurent tels qu'ils sont déposés au catalogue officiel.
| Cursus | Niveau | Durée | Volume | Frais |
|---|---|---|---|---|
| Cursus Intelligence Artificielle — Bac+5 | Master | 2 ans | 120 crédits · 1200 h encadrées | 7 800 000 GNF par an |
| Cursus Data Science — Bac+5 | Master | 2 ans | 120 crédits · 1200 h encadrées | 7 200 000 GNF par an |
Vos questions, nos réponses
Quel niveau de mathématiques faut-il ?
Le prérequis exact figure sur la fiche du cursus. Il porte sur l'algèbre linéaire, les probabilités et la statistique descriptive.
Travaille-t-on sur des données africaines ?
Oui : les travaux s'appuient sur des jeux de données de la sous-région et sur des cas de mise en production réelle.
Quel titre professionnel cette compétence prépare-t-elle ?
Du technicien données et intelligence artificielle appliquée jusqu'aux fonctions de direction des données, selon le niveau visé.
À explorer ensuite
- ChiffrementChiffrement : symétrique et asymétrique, données en transit et au repos, gestion des clés, dans les cursus IHETC de cybersécurité et de réseaux.
- Pare-feuPare-feu : politique de filtrage, segmentation, journalisation et revue périodique des règles, dans les cursus IHETC de sécurité et de réseaux.
- Donnée personnelleDonnée personnelle : définition, finalité, minimisation, durée de conservation et droits de la personne, dans les cursus IHETC juridiques et de sécurité.
- Expérience utilisateurExpérience utilisateur : recherche terrain, parcours, tests d'usage et itérations, dans le cursus Design et expérience utilisateur IHETC.
- MaquetteMaquette et prototype : niveaux de fidélité, usage en test, passage à la réalisation, dans les cursus IHETC de design et de création numérique.
- AccessibilitéAccessibilité numérique : contraste, structure, navigation au clavier, textes de remplacement et performance, dans les cursus IHETC de design et de web.