Intelligence Artificielle — définition ?
Ensemble de techniques simulant l'intelligence humaine.
Sous-domaines de l'IA — exemples ?
Raisonnement, représentation, planification, ML, vision, NLP.
Hivers de l'IA — caractéristique ?
Périodes de baisse d'intérêt et d'investissement.
Hiérarchie IA — ordre ?
IA > Machine Learning > Deep Learning.
Importance de l'IA — secteurs ?
Santé, finance, industrie, transports, sécurité.
Machine Learning — rôle ?
Apprendre à partir de données pour modéliser et prédire.
Composants ML — principaux ?
Données, modèle, algorithme, fonction de perte.
Pipeline ML — étapes ?
Collecte, analyse, ingénierie, entraînement, évaluation, déploiement.
Généralisation — but ?
Performance sur nouvelles données, éviter sur- et sous-apprentissage.
Apprentissage supervisé — données ?
Avec étiquettes (labels).
Tâche classification — exemple ?
Prédire catégorie (ex : spam/non-spam).
Tâche régression — exemple ?
Prédire valeur continue (ex : prix).
Apprentissage non supervisé — objectif ?
Découvrir structure ou groupes dans données non étiquetées.
Clustering — méthode ?
Groupement d'exemples similaires (ex : K-Means).
Apprentissage par renforcement — principe ?
Agent apprend par récompenses dans un environnement.
Algorithmes classiques ML — exemples ?
Régression linéaire, SVM, arbres, forêts, gradient boosting.
Régression linéaire — fonction ?
Modèle linéaire minimisant erreur quadratique.
Arbres de décision — principe ?
Partitionnement récursif par questions binaires.
Réseaux de neurones convolutifs — rôle ?
Traiter données spatiales, extraire caractéristiques d'images.
Pooling — fonction ?
Réduit la taille des feature maps, augmente robustesse.
Réseaux récurrents — traitement ?
Données séquentielles avec mémoire temporelle.
LSTM — avantage ?
Gère dépendances longues, évite disparition du gradient.
Transformers — innovation clé ?
Mécanisme d'attention, traitement parallèle, progrès NLP.
Modèles pré-entraînés — exemples ?
BERT, GPT, T5, LLaMA, utilisés pour NLP.
Testez vos connaissances avec un QCM de 12 questions sur Introduction aux fondamentaux de l'Intelligence Artificielle.
1. Quelle cause a principalement permis la renaissance récente du Deep Learning et quels en ont été les effets immédiats ?
2. Qu'est-ce que le Machine Learning (ML) dans le contexte de l'Intelligence Artificielle ?
Révisez le cours complet dans la fiche de révision de Introduction aux fondamentaux de l'Intelligence Artificielle.
Voir la fiche →Intelligence Artificielle
Bases de données
Bases de données
Bases de données
Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards