Une entreprise doit entraîner un modèle pour classer des images de diverses espèces animales. Elle dispose déjà d'un grand ensemble d'images étiquetées et n'étiquettera pas de données supplémentaires. Quelle approche d'apprentissage l'entreprise doit-elle utiliser ?

L'apprentissage supervisé est la bonne approche car l'entreprise dispose déjà d'un grand ensemble de données d'images étiquetées. Dans l'apprentissage supervisé, le modèle apprend à mapper les entrées (images d'animaux) aux sorties (espèces animales) en se basant sur des exemples étiquetés. L'apprentissage non supervisé est utilisé pour trouver des motifs dans des données non étiquetées. L'apprentissage par renforcement est utilisé pour entraîner des agents à prendre des décisions séquentielles dans un environnement. L'apprentissage actif est une technique où l'algorithme sélectionne les données à étiqueter, ce qui n'est pas pertinent ici puisque l'entreprise ne va pas étiqueter de données supplémentaires.