Karteikarten: Introduction à l'Intelligence Artificielle Économique — 20 Karten

Objectifs du module IA — but ?

Utiliser l’IA pour la décision économique.

Structure du module — composants clés ?

Apprentissage, modélisation, analyse de données.

Histoire de l’IA — année clé ?

1956, terme « intelligence artificielle » introduit.

Test de Turing — but ?

Évaluer si une machine peut imiter un humain.

Logic Theorist — année ?

1956, premier programme d’IA pour prouver des théorèmes.

ELIZA — fonction ?

Simuler échanges thérapeutiques en 1967.

Intelligence artificielle — définition ?

Approches exploitant grandes données pour prédictions et décisions.

Détection d’anomalies — rôle IA ?

Repérer comportements suspects dans les données.

Chatbot RH — application ?

Répondre aux questions et assister en RH.

Systèmes de recommandation — principe ?

Proposer contenus ou produits selon préférences.

Collecte de données — méthodes ?

Web scraping, enquêtes, capteurs, logs.

Analyse en composantes principales — but ?

Réduire la dimension pour révéler structures.

Clustering — objectif ?

Former groupes homogènes sans étiquettes.

Apprentissage supervisé — données ?

Utilise données annotées avec labels.

Naive Bayes — principe ?

Indépendance entre caractéristiques pour probabilité.

K-means — étape clé ?

Affecter points au centroïde le plus proche.

Deep learning — différence clé ?

Réseaux à plusieurs couches profondes.

Optimisation — exemple ?

Algorithme génétique pour solutions approximatives.

Analyse avancée — but ?

Anticiper événements et anomalies en temps réel.

Évaluation modèle — critère principal ?

Précision exprimée par l’accuracy.