Résumé : | "La prise de décision est un processus fondamental dans de nombreux domaines, où l'on doit
choisir parmi différentes options en évaluant leurs conséquences potentielles. L'émergence
de l’Auto-Machine Learning (AutoML) a apporté une nouvelle dimension à ce processus.
L'AutoML, branche de l'intelligence artificielle, vise à automatiser la création, l'entraînement
et le déploiement de modèles d'apprentissage automatique. Cette approche permet aux
utilisateurs, même sans expertise approfondie, de tirer parti de la puissance de l'IA pour
prendre des décisions.
L'étude débute par une revue de l'état de l'art, mettant en évidence toutes les notions
théoriques clés liées à l’intelligence artificielle, la RPA et les décisions automatisées.
Dans le deuxième chapitre, l'accent est mis sur l'analyse détaillée du processus
d'implémentation d'un système d'apprentissage automatique automatisé. Ce chapitre décrit
les étapes clés du processus, telles que la collecte et la préparation des données,
l'entraînement du modèle et l'évaluation des performances.
Enfin, le dernier chapitre de cette étude porte sur la comparaison des deux projets réalisés,
en mettant l'accent sur les critères clés tels que la maintenabilité, la convivialité et les
performances des systèmes d'apprentissage automatique.
Ce travail vise à explorer comment l'intelligence artificielle et l'automatisation des processus
robotiques peuvent être des outils précieux pour améliorer la prise de décision, en offrant
des solutions plus rapides, précises et efficaces."
|