Flashcard: Introduction à l'Intelligence Artificielle et Machine Learning — 18 carte

Intelligence artificielle — définition ?

Systèmes capables d'apprendre, d'interpréter et d'agir.

Machine Learning — rôle ?

Apprendre des données pour faire des prédictions.

LLM — capacité ?

Traiter texte, image, son de manière multimodale.

IA industrialisée — étape ?

Déploiement stable et en production.

IA faible — caractéristique ?

Spécialisée dans une tâche précise.

IA forte — objectif ?

Polyvalente, à niveau humain.

Super-intelligence — impact ?

Dépassement imprévisible des capacités humaines.

Hyper-personnalisation — exemple ?

Messages et offres adaptés à chaque utilisateur.

Lead Scoring — fonction ?

Prioriser les prospects selon leur potentiel.

Maintenance prédictive — but ?

Anticiper et planifier les pannes.

Chatbots intelligents — rôle ?

Automatiser le dialogue avec les clients.

Apprentissage supervisé — données ?

Données étiquetées avec sortie attendue.

Apprentissage non supervisé — but ?

Découvrir structures ou groupes dans données brutes.

Apprentissage par renforcement — principe ?

Optimiser par essais et récompenses.

Workflow ML — étapes ?

Collecte, nettoyage, entraînement, déploiement.

Garbage In, Garbage Out — signification ?

Qualité des données conditionne la performance.

Neurone artificiel — fonction ?

Transforme entrées en sortie via somme et activation.

Rétropropagation — mécanisme ?

Ajuste les poids en propagant l’erreur en arrière.