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.
Metti alla prova le tue conoscenze con 9 domande su 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?
Ripassa il corso completo nella scheda di revisione per Principes fondamentaux du machine learning.
Vedi la scheda di revisione →Intelligence Artificielle
Bases de données
Bases de données
Bases de données
Importa il tuo corso e l'AI genera flashcard in 30 secondi.
Generatore di flashcard