Flashcard: Introduction aux Techniques d'Apprentissage Automatique — 18 carte

Intelligence Artificielle — définition ?

Systèmes capables de résoudre des problèmes complexes

Machine Learning — rôle ?

Permet aux machines d'apprendre sans programmation explicite

Données — formes ?

Numériques, texte, images, vidéos, réseaux, etc.

Features — caractéristiques ?

Traits extraits des données pour améliorer les modèles

Historique de l'IA — origine ?

Notion de machine intelligente dès 1842, évolution continue

Apprentissage automatique — objectif ?

Ajuster ses paramètres pour reconnaître des motifs

Apprentissage supervisé — données ?

Données annotées avec étiquettes ou sorties

Apprentissage non supervisé — données ?

Données sans annotations pour découvrir structures

Apprentissage par renforcement — mécanisme ?

Optimiser une récompense via interactions successives

Classification — type d'apprentissage ?

Prédire une classe ou catégorie

Régression — type d'apprentissage ?

Prédire une valeur continue

Validation croisée — but ?

Évaluer et optimiser la performance du modèle

Clustering — objectif ?

Regrouper des données similaires sans étiquettes

Partitionnement hiérarchique — structure ?

Construire une hiérarchie de clusters

k-means — principe ?

Minimiser la distance intra-cluster en regroupant

k-means++ — avantage ?

Meilleure initialisation pour éviter minima local

Arbre de décision — rôle ?

Classer ou prédire via tests successifs sur attributs

Nœud interne — fonction ?

Effectuer un test conditionnel sur un attribut