Apprentissage supervisé ou non supervisé : quelle différence ?
L’apprentissage supervisé et l’apprentissage non supervisé représentent deux approches importantes du Machine Learning. Les deux sont explicitement intégrées au bloc de 45 heures « Machine Learning & analyse prédictive » du Bachelor CAFP × EIESTP. Mais que signifient-elles et pourquoi faut-il les distinguer ?
L’apprentissage supervisé et l’apprentissage non supervisé représentent deux approches importantes du Machine Learning. Les deux sont explicitement intégrées au bloc de 45 heures « Machine Learning & analyse prédictive » du Bachelor CAFP × EIESTP. Mais que signifient-elles et pourquoi faut-il les distinguer ?
Qu’est-ce que l’apprentissage supervisé ?
De manière générale, l’apprentissage supervisé utilise pendant la phase d’apprentissage des exemples pour lesquels une information cible est connue.
Le modèle cherche à apprendre une relation permettant ensuite de produire une prédiction sur de nouvelles données.
Qu’est-ce que l’apprentissage non supervisé ?
Dans l’apprentissage non supervisé, le travail ne repose pas sur la même information cible connue.
L’objectif général est plutôt de rechercher des structures, regroupements ou organisations dans les données.
Quelle est la différence essentielle ?
La distinction peut être résumée simplement :
**Supervisé : apprendre avec une cible connue pendant l’apprentissage.**
**Non supervisé : explorer des structures sans cette même cible de référence.**
Cette distinction constitue une base importante pour comprendre différentes approches du Machine Learning.
Où ces approches interviennent-elles dans le Bachelor ?
Elles sont étudiées dans le troisième bloc.
Avant cela, le parcours comprend :
- Python ;
- statistiques ;
- préparation et nettoyage ;
- analyse exploratoire ;
- visualisation et interprétation.
Quel lien avec les modèles prédictifs ?
Les modèles prédictifs sont également mentionnés dans le même bloc.
Ils constituent l’un des axes du travail réalisé autour du Machine Learning et de l’analyse prédictive.
Quel lien avec l’évaluation ?
Le programme prévoit ensuite l’évaluation et l’amélioration des modèles.
L’apprentissage n’est donc qu’une partie du processus étudié.
Quels algorithmes supervisés sont enseignés ?
Le programme public ne fournit pas la liste des algorithmes.
Nous pouvons expliquer le principe général de l’apprentissage supervisé, mais pas attribuer officiellement au Bachelor des algorithmes particuliers sans source supplémentaire.
Quels algorithmes non supervisés sont enseignés ?
Même limite : le contenu publié confirme l’apprentissage non supervisé mais ne détaille pas les algorithmes utilisés pendant la formation.
Faut-il connaître les deux ?
Dans ce Bachelor, oui : les deux approches figurent explicitement dans le programme.
FAQ — Intelligence Artificielle & Science des Données
Quelle est la principale différence ?
L’apprentissage supervisé utilise une information cible connue pendant l’apprentissage, contrairement à l’approche non supervisée telle qu’elle est généralement définie.
Les deux sont-ils enseignés au CAFP ?
Oui.
Dans quel bloc ?
Machine Learning & analyse prédictive — 45 h.
Les algorithmes exacts sont-ils publiés ?
Non.
L’évaluation des modèles est-elle également étudiée ?
Oui.
Consultez la page principale de cette filière pour retrouver la durée, les conditions d’admission et les informations de préinscription.