MobiisMobiisMobiisMobiis
  • A propos de nous
    • Veux du PDG
    • Historique
    • Vision et croissance
    • Équipe principale de recherche
    • Directions
  • Domaine d’activité
    • Projet d’accélérateur
    • Fusion nucléaire
    • Projet d’apprentissage machine
  • technologie
  • Produit et référence
    • Projet d’accélérateur
    • Projet de fusion nucléaire
    • Projet d’apprentissage machine
  • Recrute
  • Annonces
    • Annonces
    • Dernières informations
  • Language
    • English
    • Japanese
    • French
    • Korean

Domaine d'activité

Field of business

  • Projet d’accélérateur
  • Fusion nucléaire
  • Projet d’apprentissage machine

Projet d’apprentissage machine

  • L’apprentissage machine est un domaine d’intelligence artificielle qui développe et améliore des moteurs à travers un apprentissage répété sur une machine sur la base de données de masse, donc améliorant les algorithmes existants et obtenant des résultats optimales. On peut aussi le voir comme une technologie pour établir et déduire un modèle d’apprentissage en découvrant un « schéma » caché après analyse des données, et plus tard, un domaine de la science améliorant de manière indépendante ses performances sur la base des connaissances acquises de la pratique. L’apprentissage machine peut être résumé comme un domaine de création de nouvelles connaissances en permettant à un ordinateur d’apprendre des données, comme le fait une personne. L’histoire de l’apprentissage machine a commencé dans les années 1950, a eu une croissance pendant les années 1980-1990, est resté en stagnation pour un moment, ensuite il est passé par des progrès importants depuis le milieu des années 2000.

Solution intelligente de contrôle

L’apprentissage machine est principalement utilisé pour résoudre des problèmes pour lesquels des algorithmes explicites sont difficiles à concevoir ou à programmer.

La plupart des algorithmes de l’apprentissage machine analysent d’abord les caractéristiques du mécanisme potentiel créé par les données et qualifie la relation complexe, et utilise ensuite ce schéma identifié pour faire des prédictions sur les nouvelles données. L’apprentissage machine a une relation profonde avec l’exploration de données ou des problèmes d’optimisation statistique et mathématique car il extrait des standards utiles de règles, d’expression des connaissances, ou de jugement à partir des données.

L’apprentissage machine est utilisé pratiquement dans tous les domaines, y compris la science de l’informatique, et est appliqué dans les domaines de vision par ordinateur (reconnaissance des caractères, reconnaissance des objets, reconnaissance de la face), processus naturel de la langue (traduction automatique, analyse d’une conversation), reconnaissance de la voix et reconnaissance de l’écriture à la main, recherche de l’information et moteur de recherche (exploration du texte, filtre de perception, extraction et résumé, système des recommandations), bio-informatique (analyse des gènes, classification des protéines, diagnostique des maladies), graphiques et jeux sur ordinateur (animation, réalité virtuelle), et robotique (recherche des itinéraires, voitures sans conducteur, reconnaissance et classification d’objets).

L’apprentissage machine est principalement utilisé pour résoudre des problèmes pour lesquels des algorithmes explicites sont difficiles à concevoir ou à programmer.

La plupart des algorithmes de l’apprentissage machine analysent d’abord les caractéristiques du mécanisme potentiel créé par les données et qualifie la relation complexe, et utilise ensuite ce schéma identifié pour faire des prédictions sur les nouvelles données. L’apprentissage machine a une relation profonde avec l’exploration de données ou des problèmes d’optimisation statistique et mathématique car il extrait des standards utiles de règles, d’expression des connaissances, ou de jugement à partir des données.

L’apprentissage machine est utilisé pratiquement dans tous les domaines, y compris la science de l’informatique, et est appliqué dans les domaines de vision par ordinateur (reconnaissance des caractères, reconnaissance des objets, reconnaissance de la face), processus naturel de la langue (traduction automatique, analyse d’une conversation), reconnaissance de la voix et reconnaissance de l’écriture à la main, recherche de l’information et moteur de recherche (exploration du texte, filtre de perception, extraction et résumé, système des recommandations), bio-informatique (analyse des gènes, classification des protéines, diagnostique des maladies), graphiques et jeux sur ordinateur (animation, réalité virtuelle), et robotique (recherche des itinéraires, voitures sans conducteur, reconnaissance et classification d’objets).

CopyRight ⓒ MOBIIS. All Rights Reserved.
  • A propos de nous
    • Veux du PDG
    • Historique
    • Vision et croissance
    • Équipe principale de recherche
    • Directions
  • Domaine d’activité
    • Projet d’accélérateur
    • Fusion nucléaire
    • Projet d’apprentissage machine
  • technologie
  • Produit et référence
    • Projet d’accélérateur
    • Projet de fusion nucléaire
    • Projet d’apprentissage machine
  • Recrute
  • Annonces
    • Annonces
    • Dernières informations
  • Language
    • English
    • Japanese
    • French
    • Korean
  • English (Anglais)
  • Japanese(new) (japonais)
  • Français
  • 한국어 (Coréen)
Mobiis