En mathématiques, une fonction est un outil qui permet d’associer à chaque élément d’un ensemble de départ (généralement noté x) un unique élément d’un ensemble d’arrivée (noté f(x) ou y). On peut imaginer une fonction comme une “machine” ou un pipeline de transformation : vous y injectez une donnée en entrée (input), la machine applique une règle logique ou mathématique, et renvoie un résultat en sortie (output).
f:Xx→Y↦f(x)
Chez DATAROCKSTARS, nous enseignons que les fonctions mathématiques ne sont pas de simples concepts abstraits. Elles sont les briques de code fondamentales de l’informatique moderne. Comprendre leur comportement graphique, leurs limites et leurs dérivées est ce qui permet à un Data Scientist de régler un algorithme de Machine Learning, ou à un Data Analyst de modéliser une courbe de croissance de chiffre d’affaires.
1. Les fonctions de base indispensables
Pour analyser des données ou concevoir des modèles, plusieurs familles de fonctions fondamentales doivent être parfaitement maîtrisées :
A. Les fonctions affines et linéaires
Ce sont les fonctions les plus simples, représentées graphiquement par une droite. Une fonction affine s’écrit sous la forme :
f(x)=ax+b
Où a est le coefficient directeur (la pente de la droite) et b l’ordonnée à l’origine. En statistiques, c’est la base absolue de la Régression Linéaire, un algorithme utilisé pour prédire une valeur continue (ex: prédire le prix d’un bien immobilier en fonction de sa surface).
B. Les fonctions polynômes du second degré
Elles s’écrivent sous la forme f(x)=ax2+bx+c et leur représentation graphique est une parabole. Le sommet de cette parabole représente soit un maximum, soit un minimum. C’est le point de départ de tous les algorithmes d’optimisation mathématique.
C. La fonction Logarithme Népérien (ln(x))
La fonction logarithme transforme les multiplications en additions (ln(a×b)=ln(a)+ln(b)). Elle est intensément utilisée pour compresser des échelles de données très larges.
En économie ou en finance, si vous devez comparer la croissance de petites start-ups avec celle de géants du CAC 40, appliquer une échelle logarithmique permet de visualiser les variations relatives (en pourcentage) plutôt qu’en valeur absolue, rendant le graphique lisible.
D. La fonction Exponentielle (exp(x) ou ex)
C’est l’inverse de la fonction logarithme. Elle caractérise les phénomènes de croissance ou de décroissance ultra-rapides (croissance bactérienne, propagation d’un virus, ou effet réseau d’une application tech qui devient virale).
2. Les fonctions mathématiques au cœur de l’Intelligence Artificielle
Dans le domaine du Deep Learning (les réseaux de neurones artificiels), les fonctions mathématiques sont utilisées à chaque étape pour permettre à la machine d’apprendre. On les appelle les fonctions d’activation.
Voici les trois fonctions reines de l’IA :
1. La fonction Sigmoïde
Elle écrase n’importe quelle valeur d’entrée pour la ramener strictement dans un intervalle compris entre 0 et 1.
f(x)=1+e−x1
En Data Science, cela correspond exactement à une probabilité. Elle est la pièce centrale de la Régression Logistique, l’algorithme utilisé pour faire de la classification binaire (ex: déterminer si un email est un spam [1] ou non-spam [0]).
2. La fonction ReLU (Rectified Linear Unit)
C’est la fonction d’activation la plus populaire dans les réseaux de neurones profonds. Sa formule est d’une simplicité redoutable :
f(x)=max(0,x)
Si le signal en entrée est négatif, la fonction renvoie 0 (le neurone est désactivé). S’il est positif, elle laisse passer la valeur telle quelle. Cette fonction permet aux réseaux de neurones d’apprendre des relations non linéaires complexes de manière extrêmement rapide sur les cartes graphiques (GPU).
3. La fonction Softmax
Utilisée sur la toute dernière couche d’un modèle de Deep Learning (comme les modèles de vision par ordinateur qui reconnaissent des objets), la fonction Softmax prend un vecteur de scores bruts et le transforme en une distribution de probabilités dont la somme totale est égale à 100%. Elle permet à l’IA de dire : “Je suis sûr à 85% que cette image montre un chat, à 10% un chien et à 5% un oiseau”.
3. L’importance du calcul différentiel : Les Dérivées
Comprendre une fonction, c’est aussi savoir comment elle varie. La dérivée d’une fonction, notée f′(x), mesure le taux de variation instantané de cette fonction. Graphiquement, elle correspond à la pente de la tangente en un point.
En intelligence artificielle, pour qu’un modèle progresse, il doit minimiser ses erreurs. On crée pour cela une fonction mathématique appelée Fonction de Coût (Loss Function), qui mesure l’écart entre les prédictions de l’IA et la réalité.
Pour trouver le minimum de cette fonction d’erreur, on utilise un algorithme appelé la Descente de Gradient. Le gradient n’est rien d’autre qu’un vecteur composé des dérivées partielles de la fonction. En calculant ces dérivées, l’IA sait dans quel “sens” ajuster ses paramètres (ses poids) pour devenir plus intelligente à chaque itération.
4. Pourquoi consolider vos compétences quantitatives avec DATAROCKSTARS
Il est tout à fait possible de commencer à manipuler des outils comme Excel ou de faire des tableaux de bord sur Power BI sans bases mathématiques poussées. Cependant, pour concevoir des architectures Big Data robustes, automatiser des analyses prédictives ou déployer des modèles de langage (LLM), posséder une bonne culture mathématique et logique est ce qui sépare les exécutants des ingénieurs d’élite.
Chez DATAROCKSTARS, nous démystifions les mathématiques appliquées. Nos cursus intensifs intègrent la juste dose de théorie quantitative nécessaire pour comprendre concrètement ce qui se passe “sous le capot” des algorithmes d’IA, tout en mettant immédiatement ces concepts en pratique à travers des projets de code industriels.
- Vous souhaitez utiliser les fonctions statistiques pour piloter l’activité de votre entreprise ? Rejoignez notre Bootcamp Data Analyst & AI.
- Vous voulez maîtriser les fonctions de Deep Learning et concevoir les IA de demain ? Découvrez notre Bootcamp Data Scientist & AI Engineer.
Prêt à transformer les concepts mathématiques en véritables leviers technologiques et professionnels ? Souhaitez-vous découvrir comment nos programmes sur-mesure peuvent vous accompagner dans votre montée en compétences et propulser votre carrière au sommet de la tech ?
Merci pour votre lecture ! Si vous souhaitez découvrir nos prochains articles autour de la Data et de l’IA, vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié dès la publication d’un nouvel article !