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.
Metti alla prova le tue conoscenze con 14 domande su 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 ?
Ripassa il corso completo nella scheda di revisione per Introduction au Machine Learning et Types de Données.
Vedi la scheda di revisione →Bases de données
Bases de données
Bases de données
Programmation
Importa il tuo corso e l'AI genera flashcard in 30 secondi.
Generatore di flashcard