Apprentissage autonome à partir d'exemples

L'apprentissage automatique est l'un des grands défis de l'intelligence artificielle. Le raisonnement inductif à partir d'exemples classés est à la base de nombreuses méthodes d'exploration de données, qui sont aujourd'hui très à la mode dans le domaine du traitement des données de masse. La fonction de ces méthodes est de décrire de manière intensive une collection de concepts, initialement exprimés sous une forme extensionnelle au moyen d'un ensemble d'exemples classés. La plupart des méthodes ont pour point de départ une collection fixe d'exemples, considérée comme suffisamment significative. Toutefois, pour la grande majorité des problèmes relativement complexes, cette collection initiale n'est pas toujours disponible. En outre, il se peut que de nombreux exemples n'aient pas encore été découverts et que certains d'entre eux soient incomplètement spécifiés. Ce livre propose une solution pour de telles situations, basée sur un modèle d'apprentissage autonome guidé par un processus incrémental d'induction et de raisonnement déductif et par les expériences du modèle lui-même et de l'utilisateur, sans limites sur le nombre d'exemples à explorer.