Les applications du Machine Learning en Big Data

La rentabilité du Big Data réside en grande partie, dans la capacité de l’entreprise à analyser ses données afin d’en tirer des informations utiles. Alors que 2012 a été l’année d’avènement du Big Data, depuis 2013 on parle de « Big Data Analytics ». Volume, Vitesse et Variété, voilà ce qui caractérise les données collectées par les entreprises aujourd’hui. A la question de comment les analyser, la réponse est le « Machine Learning ».

Les applications du Machine Learning en Big Data

Big Data et Machine Learning, le duo gagnant

L’objectif de cet article est de présenter des applications concrètes du « Machine Learning » au Big data. Au cours des deux dernières décennies le « Machine Learning » est devenu l’un des piliers des technologies de l’information. Et depuis peu, une composante importante de tout projet Big Data.

Le « machine learning » est ainsi le champ d’étude qui donne aux ordinateurs la capacité d’apprendre sans être explicitement programmé.

Machine learning

Machine learning

Le duo Big Data et « Machine Learning » est ce qui va permettre aux entreprises de créer de la valeur ajoutée grâce à leurs données. Pourquoi ?

Pour mieux le comprendre, sachons déjà que le « Machine Learning » est au cœur des outils que nous utilisons au quotidien.

 

Exemples d’applications du « Machine Learning »

 Les spams de nos boîtes mails

Lorsque nous déplaçons un mail dans les spams, la boîte mail retient en mémoire les caractéristiques de ce mail. Grâce aux algorithmes de «Machine Learning», lorsqu’un mail présentant des caractéristiques similaires nous parviendra à nouveau, notre boîte mail le mettra directement dans nos spams. La boîte mail fait office de garde du corps personnalisé face aux mails que nous jugeons inopportuns.

 

Le e-commerce et l’exemple Amazon

Amazon le site de vente est un exemple intéressant d’application du «Machine Learning» dans l’e-commerce. Supposons par exemple que nous effectuons la recherche d’un produit sur Amazon aujourd’hui.

Lorsque nous revenons un autre jour sur le site, il est capable de nous proposer des produits en rapport avec nos besoins spécifiques. Et ceci grâce à des algorithmes de «Machine Learning» qui prévoient l’évolution de nos besoins à partir de nos précédentes visites sur le site.

 

IBM et la prise de notes dans le domaine médical

IBM a réussi à extraire à partir des notes prises par des médecins pendant les consultations (notes électroniques), des critères pour diagnostiquer l’insuffisance cardiaque. Ils ont développé un algorithme de «Machine Learning» qui synthétise le texte en utilisant une technique appelée « Natural Language Processing » ( NLP ).

De la même manière qu’un cardiologue peut lire les notes d’un autre médecin et déterminer si un patient a une insuffisance cardiaque, les ordinateurs peuvent maintenant faire la même chose.

 

Une application pour identifier les facteurs déclencheurs de migraines

Healint une start-up à Singapour, a lancé sur Android l’application mobile Migraine Buddy. Cette application permet aux patients migraineux d’identifier les facteurs déclencheurs des migraines et les différents symptômes. L’application utilise des algorithmes de «Machine Learning» qui permettent de mettre en évidence des corrélations entre habitudes de vie et migraines.

Le système permet également de comparer l’efficacité des différents moyens pour soulager les douleurs. Les rapports dynamiques que l’application génère permettent d’évaluer au fil des mois le contrôle que nous exerçons sur les migraines, et de transmettre aux médecins des données permettant de l’aider à ajuster son traitement.

Le « Machine Learning » consiste donc à apprendre, en tirant des prévisions de fonctionnement ou de comportement à partir des données.

Le Big Data et le « Machine Learning » représentent ainsi la prochaine révolution informatique. Et comme chaque révolution, cette dernière va transformer notre manière de vivre, de travailler et de penser.

 

  • A propos
  • Derniers articles

Juanita Dagnon

Consultant BI - Analytics à Business & Decision

Addict de comment générer de la valeur avec l'Analytics, je participe à des concours de data scientist sur Kaggle, la plateforme internationale qui met en présence plus de 200 000 data scientists du monde entier, face à des challenges pour résoudre des problèmes de data science des entreprises. Formation approfondie en Analytics doublée d'une connaissance de la Business Intelligence.

7 Comments

Rétroliens pour ce billet

  1. […] l’heure est maintenant au contextuel, au prédictif et aux applications invisibles; tout cela étant déjà en grande partie possible […]

  2. […] Il va aussi souhaiter recevoir des offres marketing réellement personnalisées pour lui, et va rejeter toute forme de SPAM. Prendre suffisamment d’avance dans ce type de programme est donc devenu un facteur clé de […]

  3. […] distribué haute performance, la visualisation de très grandes masses de données et enfin l’apprentissage automatique (Machine Learning). Et j’en oublie […]

  4. […] dynamiquement par des solutions d’analyse de plus en plus puissantes (moteur de règles, machine learning …) pour détecter et afficher dans le CRM des risques, des opportunités ou des […]

  5. […] en sont les applications ? D’une meilleure connaissance clients à l’analyse prédictive, il est difficile de répondre aujourd’hui à cette question tant les possibilités nous semblent […]

  6. […] se combineront pour former un profil global qui rend potentiellement chaque pilote unique. De nombreuses méthodes de Machine Learning ont été mises en œuvre par les participants pour produire la solution la plus optimale possible. […]

  7. […] Juanita Dagnon explique avec des exemples précis en quoi consiste le Machine Learning. […]

Laissez un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*