Comment les données alimentent l'IA
Bienvenue au Niveau 2 ! 👋
Dans AI Seeds, vous avez appris que l'IA apprend à partir d'exemples - comme un enfant qui apprend à reconnaître les animaux avec des imagiers. Mais d'où viennent ces exemples ?
La réponse est la donnée - et c'est l'ingrédient le plus important de l'IA. De mauvaises données mènent à une mauvaise IA. D'excellentes données mènent à une excellente IA.
Qu'est-ce que la Donnée ? 🤔
La donnée est simplement de l'information enregistrée. Chaque action numérique crée des données :
- 📸 Prendre une photo → données image
- 💬 Envoyer un message → données texte
- 🎵 Écouter une chanson → données d'écoute
- 🛒 Acheter en ligne → données de transaction
- 📍 Ouvrir Google Maps → données de localisation
En IA, nous collectons ces informations, les organisons et les utilisons pour enseigner aux machines.
Données Structurées vs Non Structurées
📋 Données Structurées
Des données qui s'organisent en lignes et colonnes - comme un tableur.
| Nom | Âge | Ville | Couleur Préférée | |-----|-----|-------|-----------------| | Aisha | 14 | Londres | Bleu | | Ravi | 16 | Hyderabad | Vert | | Emma | 15 | Amsterdam | Rouge |
🖼️ Données Non Structurées
Des données qui ne rentrent pas dans un tableau - images, vidéos, audio, e-mails, posts sur les réseaux sociaux.
Plus de 80 % des données mondiales sont non structurées ! Les photos, vidéos et messages dépassent largement les tableurs. L'apprentissage profond moderne a été conçu spécifiquement pour traiter ces données désordonnées.
Données d'Entraînement, de Validation et de Test
Quand vous révisez un examen, vous ne lisez pas seulement le cours - vous faites aussi des exercices, puis passez l'examen. L'IA fait pareil avec trois découpages :
📚 Données d'entraînement (le cours)
La plus grande partie - 70 à 80 % de toutes les données. Le modèle les étudie pour apprendre des patterns.
📝 Données de validation (les exercices)
Environ 10 à 15 %. Utilisées pendant l'entraînement pour vérifier les progrès.
🎓 Données de test (l'examen final)
Les 10 à 15 % restants. Utilisées après l'entraînement. Le modèle n'a jamais vu ces données.
from sklearn.model_selection import train_test_split
# Découpage : 80 % entraînement, 20 % temporaire
train_data, temp_data = train_test_split(all_data, test_size=0.2)
# Découpage du set temporaire : moitié validation, moitié test
val_data, test_data = train_test_split(temp_data, test_size=0.5)
print(f"Entraînement : {len(train_data)}")
print(f"Validation : {len(val_data)}")
print(f"Test : {len(test_data)}")
Discussion
Sign in to join the discussion