Apprentissage Statistique Supervisé

International audienceThis article deals with supervised statistical machine-learning as a tool forengineers. First, the main theoretical and methodological principles are briefly presentedand explained. Then, the article presents the most common models and algorithms usedfor supervised learning: the main “classical” techniques (Multi-Layer Perceptron, SupportVector Machines, Decision Trees and Random Forests, Boosting) are explained, as wellas deep-learning with Convolutional Neural Networks.Cet article est consacré à l’apprentissage statistique supervisé, en tant qu’outilpour l’ingénieur. D’abord sont présentés et expliqués succinctement les grands principesthéoriques et méthodologiques. Puis l’article décrit les modèles et algorithmes les pluscouramment utilisés en apprentissage supervisé. Y sont présentées et expliquées d’unepart les principales techniques « classiques » (Perceptron Multi-Couche, Séparateur àVaste Marge, Arbres de Décision et Forêts Aléatoires, Boosting), et d’autre partl’apprentissage profond de réseau convolutionnel