Données — définition ?
Observations brutes non analysées.
Information — définition ?
Sens interprété d’observations.
Observation brute — rôle ?
Fournir des valeurs sans organisation.
Données structurées — exemple ?
Tableau Excel, base SQL.
Données non structurées — exemple ?
Texte brut, images, vidéos.
Données semi-structurées — exemple ?
HTML, XML, e-mails.
Machine Learning — rôle ?
Apprendre des régularités dans les données.
Algorithme de prédiction — fonction ?
Estimer résultats à partir de données.
Apprentissage supervisé — définition ?
Entraîner avec données étiquetées.
Classification — type de problème ?
Attribuer une étiquette à une donnée.
Régression — type de problème ?
Prédire une valeur quantitative.
Régression linéaire — objectif ?
Trouver une relation linéaire.
Variable cible Y — dans la régression ?
Valeur à prédire, quantitative.
Apprentissage non supervisé — rôle ?
Découvrir structures sans étiquettes.
Test your knowledge with 14 questions on Introduction au Machine Learning et Types de Données.
1. En apprentissage supervisé, sur quoi repose l’entraînement des algorithmes ?
2. Qu’est-ce qui caractérise l’apprentissage non supervisé ?
Review the complete course in the revision sheet for Introduction au Machine Learning et Types de Données.
See revision sheet →Import your course and AI generates flashcards in 30 seconds.
Flashcard generator