Données étiquetées — définition ?
Exemples avec entrée et sortie associée.
Modèle mathématique ML — rôle ?
Représenter la relation entre données et prédictions.
Entraînement — étape clé ?
Ajuster paramètres pour minimiser la perte.
Données étiquetées — définition?
Exemples avec entrée et sortie associée.
Entraînement ML — but?
Ajuster paramètres pour minimiser la perte.
Généralisation — rôle?
Performances sur données non vues.
Overfitting — conséquence?
Modèle trop ajusté aux données d’entraînement.
Modèle mathématique ML — définition?
Représentation pour prédire à partir de données.
Fonction de prédiction — notation?
f(x, θ) = y.
Gradient descent — utilisation?
Optimiser la fonction de perte.
Teste tes connaissances avec un QCM de 9 questions sur Principes fondamentaux du machine learning.
1. Quelles sont les caractéristiques principales des données d'apprentissage supervisé dans le machine learning?
2. Quel est le nom de la technique statistique qui modélise la relation entre une variable dépendante continue et une ou plusieurs variables indépendantes par une relation linéaire, souvent utilisée en machine learning ?
Révisez le cours complet dans la fiche de révision de Principes fondamentaux du machine learning.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards