Données — définition ?
Observations brutes non analysées.
Information — définition ?
Sens interprété d’observations.
Observation brute — rôle ?
Fournir des valeurs sans organisation.
Données structurées — exemple ?
Tableau Excel, base SQL.
Données non structurées — exemple ?
Texte brut, images, vidéos.
Données semi-structurées — exemple ?
HTML, XML, e-mails.
Machine Learning — rôle ?
Apprendre des régularités dans les données.
Algorithme de prédiction — fonction ?
Estimer résultats à partir de données.
Apprentissage supervisé — définition ?
Entraîner avec données étiquetées.
Classification — type de problème ?
Attribuer une étiquette à une donnée.
Régression — type de problème ?
Prédire une valeur quantitative.
Régression linéaire — objectif ?
Trouver une relation linéaire.
Variable cible Y — dans la régression ?
Valeur à prédire, quantitative.
Apprentissage non supervisé — rôle ?
Découvrir structures sans étiquettes.
Testez vos connaissances avec un QCM de 14 questions sur Introduction au Machine Learning et Types de Données.
1. En apprentissage supervisé, sur quoi repose l’entraînement des algorithmes ?
2. Qu’est-ce qui caractérise l’apprentissage non supervisé ?
Révisez le cours complet dans la fiche de révision de Introduction au Machine Learning et Types de Données.
Voir la fiche →Bases de données
Bases de données
Programmation
Programmation
Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards