Quiz: Introduction à l'Intelligence Artificielle et Machine Learning — 9 Fragen

1. Quel est le rôle principal d’une normalisation 0-1 dans un pipeline de prétraitement ?

A. Conserver la même proportion de classes dans train et test

B. Transformer une variable en sortie binaire

C. Remplacer chaque catégorie par une seule valeur numérique

D. Ramener les variables dans un intervalle compris entre 0 et 1

Answer: (D)

Erklärung

La normalisation 0-1 met les variables à l’échelle entre 0 et 1 afin de les rendre comparables. La stratification concerne le découpage train/test, pas la mise à l’échelle.

2. Dans un neurone artificiel, quelle opération intervient juste avant la fonction d’activation ?

A. La mise à jour des gradients

B. La somme pondérée des entrées avec ajout d’un biais

C. La comparaison directe avec la réalité

D. Le découpage des données en train et test

Answer: (B)

Erklärung

Le neurone calcule d’abord une somme pondérée des entrées, puis ajoute un biais avant d’appliquer la fonction d’activation. C’est cette activation qui produit la sortie exploitable.

3. Quelle différence caractérise le mieux l’IA forte par rapport à l’IA faible ?

A. Elle vise une intelligence générale capable de s’adapter à des tâches variées

B. Elle fonctionne uniquement sur une tâche précise et échoue hors de son domaine

C. Elle dépasse déjà largement les humains dans tous les domaines

D. Elle se limite à regrouper des données sans apprendre de relation complexe

Answer: (A)

Erklärung

L’IA forte correspond à une intelligence générale et polyvalente, capable d’adaptation. L’IA faible, au contraire, est spécialisée dans une tâche précise.

4. Quel est le rôle de la rétropropagation pendant l’apprentissage d’un modèle ?

A. Produire directement la prédiction finale sans calcul d’erreur

B. Attribuer l’erreur à chaque poids pour guider leur mise à jour

C. Regrouper automatiquement des données similaires en classes

D. Transformer les variables catégorielles en variables binaires

Answer: (B)

Erklärung

La rétropropagation calcule comment chaque poids contribue à l’erreur afin d’orienter sa mise à jour. Elle vient après le calcul de la perte, qui mesure l’écart entre prédiction et réalité.

5. Quel énoncé décrit le mieux le paysage de l’intelligence artificielle présenté ici ?

A. Un ensemble de règles fixes écrites manuellement pour chaque tâche

B. Une méthode de calcul limitée à l’analyse de tableaux de nombres

C. Une technique réservée à la création de robots physiques autonomes

D. Un domaine qui permet aux systèmes d’apprendre, d’interpréter et d’agir à partir de données

Answer: (D)

Erklärung

L’intelligence artificielle est définie comme un domaine technologique permettant d’apprendre, d’interpréter et d’agir à partir de données. Les autres propositions réduisent l’IA à une seule sous-partie ou à des règles figées.

6. Quelle séquence résume le mieux le workflow Machine Learning de la donnée à la valeur ?

A. Segmentation des utilisateurs, puis publicité, puis suppression des données

B. Conception du modèle, déploiement direct, puis ajustement manuel des règles

C. Collecte, import, nettoyage, transformation, encodage, puis découpage entraînement/test

D. Entraînement immédiat, puis collecte des données après coup

Answer: (C)

Erklärung

Le workflow présenté commence par la collecte et l’import, puis passe par le nettoyage, la transformation, l’encodage et le découpage train/test. Cette chaîne permet d’obtenir des données exploitables et d’évaluer la généralisation.

7. Quel environnement est décrit comme un notebook Jupyter dans le cloud avec accès possible à un GPU ?

A. Un logiciel de bureautique local

B. Un langage de programmation compilé

C. Une base de données relationnelle

D. Google Colab

Answer: (D)

Erklärung

Google Colab est présenté comme un notebook Jupyter hébergé dans le cloud, utilisable sans installation locale et avec un GPU. C’est l’outil mis en avant pour l’atelier pratique.

8. Quel type d’apprentissage utilise des données étiquetées avec une entrée et une sortie attendue ?

A. L’apprentissage non supervisé

B. L’apprentissage par transfert

C. L’apprentissage supervisé

D. L’apprentissage par renforcement

Answer: (C)

Erklärung

L’apprentissage supervisé apprend à partir de données étiquetées, avec une sortie attendue pour chaque entrée. Le non supervisé n’utilise pas de labels, et le renforcement repose sur des récompenses.

9. Dans quel cas d’usage l’IA est-elle principalement utilisée pour attribuer une note de probabilité à un prospect ?

A. Le réapprovisionnement automatisé

B. Le lead scoring

C. L’analyse de sentiment

D. La maintenance prédictive

Answer: (B)

Erklärung

Le lead scoring sert à prioriser les prospects en leur attribuant une note de probabilité. Les autres usages relèvent d’autres secteurs ou d’autres objectifs.