>_ Machine-Learning

Le machine-learning désigne un ensemble de techniques permettant à un système d’apprendre à partir de données, sans être explicitement programmé pour chaque tâche. Il repose sur l’analyse de données pour construire des modèles prédictifs ou classificatoires. Ce concept est généralement associé à l’automatisation de décisions fondées sur des régularités statistiques.

Concrètement, le machine-learning s’appuie sur des données en entrée pour entraîner un modèle. Ce modèle peut ensuite être utilisé pour traiter de nouvelles données et produire des résultats, comme une classification ou une prédiction. Une technique courante est l’arbre de décision, qui structure les règles de décision de manière hiérarchique. Le machine-learning est également utilisé pour automatiser des processus de sélection, par exemple en identifiant des profils à partir de critères définis.

Le concept entretient des relations précises avec ses voisins de graphe. Il est entraîné sur des Donnees, et il entraîne en retour des Donnees. Il entraine sur le Contrôle de la Recherche d’Emploi, ce qui le relie à l’article « L’arbre qui cache la fouille — Cassandria », qui décrit un algorithme de profilage des chômeurs développé par France Travail. L’Arbre de décision est une technique du machine-learning, et le machine-learning utilise cette même technique.