#techno

Apprentissage « lean »

5 mars 2021

Relever le défi des données étiquetées avec l’ Apprentissage « lean » : 

 

Présentation : Le plus grand défi de l’apprentissage automatique, et de l’apprentissage profond en particulier, réside dans la disponibilité de larges volumes de données étiquetées pour entraîner le système. Pour y remédier, on a recours à deux grandes techniques :

 

La synthèse de nouvelles données : elle permet d’accroître, par simulation ou interprétation, le nombre de données disponibles et d’améliorer l’apprentissage

 

Le transfert : dans un nouveau contexte, d’un modèle entraîné pour une tâche ou un domaine particulier, à l’aide de techniques telles que l’apprentissage par transfert (transfert de connaissances d’une tâche à une autre ou d’un domaine à un autre) ou l’apprentissage ponctuel (apprentissage par transfert poussé à l’extrême, effectué sans exemple pertinent ou presque) – que l’on appelle des techniques d’apprentissage « lean ».

 

Intérêt : Avec ces techniques, nous pouvons nous atteler à résoudre une plus grande variété de problématiques, notamment lorsque les données historiques sont plus rares. On verra émerger à partir de données augmentées des variations autour de l’apprentissage « lean », ainsi que différents types d’apprentissage appliqués à une vaste palette de problématiques business.

 

Ce n’est pas la quantité de données qui compte, mais ce que vous en faites

 

La question essentielle peut alors être formulée de la sorte : “Comment les entreprises peuvent-elles exploiter le Big Data et adapter la méthode lean, dans l’objectif de transformer leur business model afin de permettre l’innovation et de rester compétitives face aux startups?”

Traditionnellement, les Data analysts parlent des 3V du Big Data, pour volume, variété et vélocité. Chacune de ces caractéristiques constitue un challenge d’apprentissage qui peut être relevé grâce à des éléments de la méthode lean.

 

Volume


Le volume fait référence à la quantité toujours plus importante de données disponibles. Le volume peut provoquer un biais de confirmation étant donné que la quantité de données toujours plus grandissante facilite la confirmation de vieilles croyances nourrissant la prise de décision. La solution proposée par la méthode lean est d’utiliser l’analyse de données non pas pour accéder à des conclusions, mais plutôt pour émettre des hypothèses qu’il faut ensuite tester grâce à l’expérimentation.

 

Variété

 

La variété s’explique du  fait que les entreprises ont maintenant accès à des données provenant de sources très différentes. Bien qu’elle soit prometteuse, la variété est synonyme d’une plus grande complexité de la donnée et de son analyse, ce qui rend plus difficile la formulation d’observations pour la prise de décision. La méthode lean propose l’introduction d’un nouveau concept : l’innovation “comptable”[2]. Elle demande un reporting régulier sur l’avancée d’un projet innovant, avec l’éventualité de tout arrêter, de continuer, ou de pivoter. L’avantage de cette méthode : elle facilite l’accès aux retours d’expérience tout au long du processus.

 

Vélocité

 

La vélocité fait référence au fait que les entreprises reçoivent des données en temps réel. La richesse et l’instantanéité de la donnée laissent entendre une capacité de prédictions plus fiable, et peuvent créer l’illusion du contrôle de l’avenir. La solution proposée par la méthode lean est d’inclure dans le processus d’innovation une boucle “build-measure-learn” (création-mesure-apprentissage) pour permettre plus d’incrémentation dans le processus. Le risque est ainsi minimisé, étant donné que chaque innovation est incrémentale par nature. Donc, bien que les managers aient l’illusion d’avoir le contrôle, ils ne sont pas en capacité de prendre de trop grands risques dont les résultats pourraient les hanter en cas d’événements imprévus.

 

Lire l’étude dans son intégralité :

https://www.pwc.fr/fr/decryptages/data/decouvrez-les-avancees-incontournables-en-matiere-dintelligence-artificielle.html

 

Vous devriez aimer

#métiers
La maintenance multitechnique et multiservice
#actu
Partenariat stratégique entre SamFM et Datapole
#actu
Industrie et maintenance prédictive
#actu
Le non entretien des équipements : impacts et coûts
#actu
DATAPOLE PARTICIPE AU SALON GLOBAL INDUSTRIE
#actu
5 avantages compétitifs de l’industrie 4.0