gbdivers : attention, il y a d'un côté la distinction machine learning "classique"/deep learning, et de l'autre apprentissage supervisé/apprentissage non supervisé. Il existe du ML classique supervisé (SVM, perceptrons…), non supervisé (K-means, notamment), et du DL supervisé (réseaux de neurones profonds), et non supervisé (j'ai du regarder sur Google, mais apparemment ça existe, disclaimer je n'ai pas lu l'article).
Ok, donc on est donc d'accord sur les principes, ce sont 2 notions transverses.
A la lecture de l'intro, je pense qu'un lecteur peut penser que tu assimiles machine learning = apprentissage supervise et deep learning = apprentissage non supervisee.
Quand tu lis par exemple la phrase "un algorithme de machine learning ne sait rien faire ; puis, au fur et à mesure qu'il s'entraîne sur des données, il est capable de répondre de plus en plus efficacement à la tâche qu'on lui demande de faire", si on prend le k-mean que tu cites (donc learning classique non supervise), on n'y a pas de notion d'apprentissage et d'amélioration progressive des résultats retournés par l'algo. Au mieux, on utilisera les résultats retournés par une première passe de l'algo pour supprimer ou regrouper des donnees et relancer l'algo, mais ca ne sera plus les mêmes donnees. Et ca ne sera pas un apprentissage, mais un traitement des donnees fait par une personne.
Edit: c'est vrai que je ne parle pas du tout de l'apprentissage supervisé/non supervisé dans mon article. Mais ce n'est absolument pas le but de cet article d'en parler, donc je pense que je peux faire l'omission.
Oui, je ne disais pas de forcément parler de supervisé et non-supervisé, ce n'est pas nécessaire. Plutôt être sur que le lecteur ne fera cette confusion en lisant l'intro.
en deep learning l'extraction des caractéristiques est laissée à la machine, ce qui n'est pas le cas en ML classique. Après, je peux me tromper là-dessus, mais honnêtement je pense ne pas trop me tromper.
A mon sens, ce n'est pas aussi stricte, on peut balancer des donnees brutes directement en ML aussi (je pense par exemple aux donnees des puces génomiques, qui peuvent être traitées directement par ML). Cela étant dit, je ne suis pas un expert en ML, mais juste un utilisateur. Je ne prendrais pas le risque de m'avancer plus sur ce point ou sur une definition formelle du deep learning.