Données étiquetées — définition ?
Exemples avec entrée et sortie associée.
Données étiquetées — définition?
Exemples avec entrée et sortie associée.
Modèle mathématique ML — rôle ?
Représenter la relation entre données et prédictions.
Entraînement ML — but?
Ajuster paramètres pour minimiser la perte.
Entraînement — étape clé ?
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.
Testez vos 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. Quelle est la principale mission de la fonction de perte dans un modèle de machine learning supervisé?
Révisez le cours complet dans la fiche de révision de Principes fondamentaux du 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