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.
Pon a prueba tus conocimientos con 9 preguntas sobre 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?
Revisa el curso completo en la hoja de repaso para Principes fondamentaux du machine learning.
Ver hoja de repaso →Intelligence Artificielle
Bases de données
Bases de données
Bases de données
Importa tu curso y la IA genera tarjetas de memoria en 30 segundos.
Generador de tarjetas de memoria