École Nationale Supérieure de
Techniques Avancées

Abstract

L'apprentissage automatique s'encre dans le domaine de l'intelligence artificielle en permettant à des machines d'"apprendre" à partir d'un grand nombre de données, de façon automatique. Ces techniques s'appuient sur des considérations mathématiques, statistiques et informatiques. Dans ce contexte, cette étude vise à implémenter et à analyser, de façon pratique, un algorithme d'apprentissage automatique supervisé: L'apprentissage par descente de gradient stochastique. Cette méthode utilise abondamment la multiplication matricielle. Ainsi, dans un premier temps, nous implémenterons des fonctions de multiplications matricielles s'exécutant sur CPU et GPU. Nous comparerons leurs performances sur différents critères dans le but d'en exhiber une suffisamment efficace pour être adapté à notre méthode d'apprentissage. Dans un second temps, nous appliquerons notre algorithme à la reconnaissance du prix de maisons sur la base de données fournie par Google. Enfin, des méthodes d'amélioration seront mis en place, tel que le traitement par lots (ou mini-batch) et nous en analyserons leur performance en temps et en précision d'apprentissage.