Comment Arthur Samuel définit-il le machine learning ?
Le machine learning est l'étude donnant aux ordinateurs la capacité d'apprendre sans programmation explicite.
Selon Tom Mitchell, quand un programme apprend-il ?
Quand sa performance sur une tâche s'améliore avec l'expérience selon une mesure donnée.
Que représente l'expérience E dans le jeu de dames ?
De nombreuses parties jouées.
Quelle est la tâche T dans l'exemple du jeu de dames ?
Jouer aux dames.
Quelle est la mesure de performance P dans le jeu de dames ?
La probabilité de gagner la partie suivante.
Comment classifie-t-on généralement les problèmes de machine learning ?
En apprentissage supervisé ou non supervisé.
Quels éléments sont nécessaires pour une tâche de machine learning ?
Des données, des variables caractéristiques et un algorithme.
Qu'est-ce qu'une caractéristique en machine learning ?
Un facteur observé par la machine pour produire une prédiction.
Comment appelle-t-on aussi une caractéristique ?
Un paramètre ou une variable.
À quoi correspondent les caractéristiques dans des données tabulaires ?
Aux noms des colonnes.
Quel effet a la diversité des données sur la prédiction ?
Elle facilite la découverte de motifs pertinents et améliore la prédiction.
Que peut provoquer une mauvaise qualité des données ?
Elle peut rendre inefficace même le meilleur algorithme.
Quelle différence principale distingue l’apprentissage supervisé de l’apprentissage non supervisé ?
L’apprentissage supervisé utilise des données étiquetées, l’apprentissage non supervisé des données non étiquetées.
Pourquoi l’apprentissage supervisé est-il souvent préféré dans les tâches réelles ?
Parce que la présence d’un enseignant accélère l’apprentissage.
Qu’est-ce que l’apprentissage non supervisé ?
Un apprentissage qui extrait des motifs sans connaître les résultats corrects ni retour de performance.
Qu'est-ce que la classification en apprentissage automatique ?
Attribuer une observation à une catégorie discrète connue.
Que regroupe la régression en statistiques ?
Les méthodes estimant la relation entre variables pour prédire une sortie continue.
Pourquoi prédire le prix d'une maison est une régression ?
Parce que le prix est une sortie continue.
Quels sont quelques algorithmes courants de classification ?
Naive Bayes, arbres de décision, régression logistique, k plus proches voisins, machines à vecteurs de support.
Qu'est-ce que le clustering en apprentissage non supervisé ?
Le clustering organise les données en groupes présentant une forte similarité.
Quels sont les algorithmes courants de clustering ?
k-Means, k-Medians, Expectation Maximisation et clustering hiérarchique.
Quel est l'objectif principal de la réduction de dimension ?
Résumer ou décrire des données avec moins d’informations.
Pourquoi utilise-t-on la réduction de dimension en apprentissage supervisé ?
Pour simplifier l’utilisation des données dans l’apprentissage supervisé.
Quelles méthodes courantes sont utilisées pour la réduction de dimension ?
Analyse en composantes principales, décomposition en valeurs singulières, allocation de Dirichlet latente, analyse sémantique latente et t-SNE.
Qu'est-ce qu'un exemple d'apprentissage en apprentissage automatique?
Un couple de données (x⁽ⁱ⁾, y⁽ⁱ⁾) avec x⁽ⁱ⁾ les entrées et y⁽ⁱ⁾ la cible.
Que représente x⁽ⁱ⁾ dans un exemple d'apprentissage?
Les variables d'entrée.
Que contient un ensemble d'apprentissage?
Une liste de m exemples d'apprentissage (x⁽ⁱ⁾, y⁽ⁱ⁾).
Que fait l'hypothèse h en apprentissage?
Elle prédit y à partir de x en tant que fonction de X vers Y.
Quelle sortie correspond à un problème de régression?
Une sortie continue.
Quelle sortie correspond à un problème de classification?
Un nombre limité de valeurs discrètes.
Quelle est la formule du modèle de régression linéaire simple ?
Que représente dans la régression linéaire simple ?
L'ordonnée à l'origine.
Que représente dans la régression linéaire simple ?
La pente de la droite.
Quelle est la formule de la fonction de coût des moindres carrés ?
Quel est l'objectif de l'apprentissage linéaire ?
Minimiser la fonction de coût en choisissant et .
Que cherche-t-on à rapprocher dans l'apprentissage linéaire ?
Les prédictions des valeurs observées .
Que donne la dérivée d'une fonction en un point ?
La pente de la droite tangente à la courbe en ce point.
Que montre la dérivée sur la variation d'une fonction ?
La direction dans laquelle la fonction augmente ou diminue.
Quelle direction suit la descente de gradient pour mettre à jour les paramètres ?
La direction opposée au gradient.
Quelle est la formule générale de mise à jour en descente de gradient ?
pour j égal à 0 ou 1.
Que doit éviter un taux d’apprentissage α trop grand en descente de gradient ?
Le dépassement du minimum.
Que provoque un taux d’apprentissage α trop petit en descente de gradient ?
Une descente très lente.
Combien d’exemples utilise la descente de gradient par lots à chaque mise à jour ?
Tous les exemples.
Combien d’exemples utilise la descente stochastique à chaque mise à jour ?
Un seul exemple.
Combien d’exemples utilise la descente par mini-lots à chaque mise à jour ?
k exemples.
Teste tes connaissances avec un QCM de 22 questions sur Fondamentaux du machine learning.
1. Quelle définition du machine learning est attribuée à Arthur Samuel ?
2. Selon Tom Mitchell, dans quelle situation un programme est-il considéré comme apprenant ?
Révisez le cours complet dans la fiche de révision de Fondamentaux du machine learning.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards