Théorie et retours d'expériences.
"L’intelligence artificielle a pour but de faire réaliser par des ordinateurs des tâches nécessitant de l’intelligence humaine.
L’un de ses nombreux champs d’étude est le Machine Learning (« apprentissage automatique » en français) qui utilise des approches statistiques pour faire apprendre à la machine, à partir d’un grand nombre de données, des modèles permettant d’améliorer leurs propres performances sur la réalisation de tâches – sans avoir été explicitement programmées pour réaliser ces tâches !
La Data Science regroupe la conception, l’analyse, le développement et l’implémentation de ces méthodes de Machine Learning. D’autres métiers sont très connexes à la Data Science comme le Data Engineering dont le but est de stocker des données de qualité et pertinentes dans un environnement orienté Big Data et la Data Visualisation qui permet d’exposer les résultats dans des dashboards.
Dans la suite, je vais vous détailler 6 familles d’algorithmes de Machine Learning qui pourraient avoir des utilisations en finance de marché.
Nous allons commencer par les 2 familles les plus simples que sont les algorithmes supervisés et les algorithmes non supervisés. Nous passerons ensuite au Deep Learning et au NLP (Natural Language Processing) avant d’aborder les Systèmes de Recommandations. Enfin, nous terminerons par une revue des algorithmes de Reinforcement Learning."
