Intelligence artificielle — définition ?
Ensemble de techniques visant à simuler l’intelligence humaine.
Machine learning — rôle ?
Algorithmes qui apprennent à partir de données pour faire des prédictions.
Données d’entraînement — fonction ?
Fournissent l’exemple pour construire un modèle.
Modèle mathématique — rôle ?
Représente la relation apprise entre variables.
Apprentissage supervisé — définition ?
Apprend à partir de paires entrée/sortie connues.
Jeu d’entraînement — contenu ?
Observations avec caractéristiques et variable cible.
Jeu de test — objectif ?
Évaluer la performance sur de nouvelles données.
Variable cible — rôle ?
Ce que le modèle doit prédire.
Analyse exploratoire — étape ?
Comprendre données, repérer patterns et erreurs.
K plus proches voisins — principe ?
Prédit selon les K observations les plus proches.
Distance entre points — importance ?
Détermine la proximité pour KNN.
Apprentissage en Python — outils ?
fit() pour entraîner, predict() pour prédire.
Évaluation modèle — méthode ?
train test split ou validation croisée.
Régression linéaire — principe ?
Prédit une valeur continue par combinaison linéaire.
Moindres carrés ordinaires — but ?
Minimiser l’erreur quadratique.
Ridge — régularisation ?
Ajoute une pénalité L2 pour limiter coefficients.
Lasso — régularisation ?
Ajoute une pénalité L1, peut annuler certains coefficients.
Surapprentissage — définition ?
Modèle trop ajusté, mauvaise généralisation.
Complexité du modèle — effet ?
Plus elle augmente, risque de surapprentissage.
Validation croisée — but ?
Évaluer la stabilité et performance du modèle.
Matrice de confusion — contenu ?
Vrai positif, faux positif, vrai négatif, faux négatif.
ROC — rôle ?
Visualise le compromis entre sensibilité et faux positifs.
AUC — signification ?
Surface sous la courbe ROC, indicateur de séparation.
Hyperparamètres — définition ?
Paramètres fixés avant l’entraînement.
Testez vos connaissances avec un QCM de 24 questions sur Introduction au Machine Learning.
1. Comment définir le machine learning dans le cadre de l’intelligence artificielle ?
2. Dans quelles situations le machine learning est-il particulièrement adapté ?
Révisez le cours complet dans la fiche de révision de Introduction au Machine Learning.
Voir la fiche →Bases de données
Bases de données
Bases de données
Programmation
Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards