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.
Test your knowledge with 9 questions on 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?
Review the complete course in the revision sheet for Principes fondamentaux du machine learning.
See revision sheet →Import your course and AI generates flashcards in 30 seconds.
Flashcard generator