Méta-apprentissage d'expériences

Les entreprises, et de façon générale les organisations, soumises au besoin vital de traiter les flots d'informations qui les environnent, mettent en place de nouveaux systèmes spécialisés dans la gestion de la collecte et du traitement de l'information. Pour cela, il est nécessaire de disposer d'une architecture technique spécifique, capable d'affronter le défi de l'ampleur des volumes (stockage) et des traitements (analyse).

Confrontées aux changements, ces mêmes organisations doivent de plus modifier leurs outils ou modèles de traitement des données, qui doivent pouvoir s'auto-adapter à une situation nouvelle, améliorer leurs performances, leur efficacité, etc. Une connaissance (métaconnaissance) doit pouvoir intervenir sur la connaissance (un modèle) qui traite les informations. L'acquisition automatique de cette méta-connaissance est appelée méta-apprentissage. C'est le sujet de cet ouvrage, qui présente des recherches effectuées dans le cadre du méta-apprentissage d'expériences.

Le méta-apprentissage d'expériences consiste à apprendre automatiquement une méta-connaissance à partir d'exemples, d'expériences, de données, de façon à agir ultérieurement sur la connaissance pour obtenir de meilleurs résultats ou des informations prédictives.

L'ouvrage explicite les algorithmes et leurs capacités à traiter certains types de problèmes, notamment dans un environnement distribué. Il propose de nombreuses solutions originales qui peuvent être exploitées par des chercheurs ou des ingénieurs développeurs d'applications, notamment en data mining. Ces nouvelles approches donnent des résultats faciles à interpréter par l'utilisateur. Un outil gratuit, fonctionnant dans l'environnement Windows, est décrit.