Contributions de Martin

121 questions

Intermédiaire

21 votes1609 passages0 commentaire

Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?

Data Scientist

Machine Learning

missing data

Martinle 4 avr. 2022

Très facile

18 votes936 passages0 commentaire

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Data Scientist

Deep learning

overfitting

Martinle 14 mars 2022

Facile

16 votes911 passages0 commentaire

Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?

Data Scientist

Deep learning

machine learning

Martinle 19 sept. 2022

Facile

12 votes1561 passages0 commentaire

Le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'ajustement du modèle sur le jeu d'entraînement tout en ajustant ses hyperparamètres/paramètres: en d'autres termes, le modèle est trouvé et ensuite testé sur le jeu de validation avant d'être amélioré une fois de plus.

Data Scientist

Machine Learning

hyperparameters

model

Martinle 15 mars 2022

Intermédiaire

12 votes1457 passages0 commentaire

Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?

Data Scientist

Machine Learning

missing data

Martinle 4 avr. 2022

Difficile

8 votes1431 passages

2 commentaires

Quelles sont les différences/similarités entre une fonction de perte, une fonction d'erreur et une fonction de coût?

Data Scientist

Machine Learning

loss function

error function

cost function

Martinle 15 mars 2022

Facile

8 votes916 passages0 commentaire

Donné un réseau de neurones avec 4 entrées, combien de connexions pourraient exister entre la couche d'entrée et la première couche cachée?

Data Scientist

Deep learning

neural network

connections

Martinle 4 avr. 2022

Très facile

8 votes880 passages0 commentaire

Quelles sont les différentes méthodes d'apprentissage utilisées pour l'apprentissage automatique ?

Data Scientist

Intelligence Artificielle

machine learning

learning

Martinle 19 sept. 2022

Difficile

8 votes845 passages0 commentaire

La logique floue est une méthode de raisonnement utilisée en IA qui vise à reproduire le raisonnement humain. Le résultat est l'opposé du résultat booléen (binaire). Il peut être n'importe quelle valeur entre 0 et 1 (vrai et faux). Par exemple, le résultat peut être probablement oui (0,7), pas sûr (0,6), probablement non (0,4), ou certainement non (0,18)...

Data Scientist

Intelligence Artificielle

logic

reasoning

Martinle 15 mars 2022

Très facile

7 votes1478 passages0 commentaire

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Data Scientist

Machine Learning

overfitting

Martinle 15 mars 2022

Très facile

7 votes1339 passages0 commentaire

Clustering est un processus d'apprentissage automatique non supervisé qui vise à découvrir automatiquement des regroupements naturels dans les données d'entrée. Lorsque cette méthode est utilisée, le développeur peut choisir le nombre de groupes qu'il souhaite créer.

Data Scientist

Machine Learning

unsupervised learning

Martinle 15 mars 2022

Facile

7 votes974 passages0 commentaire

Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …

Data Scientist

Machine Learning

models

ensemble

Martinle 15 mars 2022

Facile

6 votes1360 passages0 commentaire

Comment évaluer les performances d'un modèle de clustering?

Data Scientist

Machine Learning

metrics

clustering

Martinle 15 mars 2022

Facile

6 votes845 passages0 commentaire

Quels sont les processus suivants qui sont des processus d'apprentissage automatique mais qui ne sont pas particulièrement liés à l'apprentissage profond?

Data Scientist

Deep learning

machine learning

random forest

Martinle 14 mars 2022

Facile

5 votes1492 passages0 commentaire

Donné un jeu de données, quels éléments vous aideront à choisir quel modèle / méthode d'apprentissage automatique utiliser pour créer un modèle efficace?

Data Scientist

Machine Learning

data

model

Martinle 15 mars 2022

Difficile

5 votes1401 passages0 commentaire

Quelles des affirmations suivantes sont vraies lorsqu'on considère le stacking?

Data Scientist

Machine Learning

ensemble

Martinle 15 mars 2022

Facile

5 votes1392 passages0 commentaire

Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action doit être effectuée lors de cette préparation?

Data Scientist

Machine Learning

data

preprocessing

Martinle 15 mars 2022

Très facile

5 votes1334 passages0 commentaire

Comment définir l'apprentissage supervisé ? Dans l'apprentissage supervisé, la machine entraîne le modèle à l'aide d'un ensemble de données d'apprentissage étiquetées.

Data Scientist

Machine Learning

supervised learning

Martinle 15 mars 2022

Facile

5 votes705 passages1 commentaire

Comment pourrions-nous définir brièvement l'apprentissage profond ?

Data Scientist

Intelligence Artificielle

machine learning

neural network

Martinle 15 mars 2022

Facile

5 votes667 passages0 commentaire

Un hyper-paramètre de modèle est une configuration qui est externe au modèle. Il définit la structure du modèle.

Data Scientist

Intelligence Artificielle

hyperparameters

neural networks

Martinle 15 mars 2022

Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?

Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?

Quelles sont les différences/similarités entre une fonction de perte, une fonction d'erreur et une fonction de coût?

Donné un réseau de neurones avec 4 entrées, combien de connexions pourraient exister entre la couche d'entrée et la première couche cachée?

Quelles sont les différentes méthodes d'apprentissage utilisées pour l'apprentissage automatique ?

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Clustering est un processus d'apprentissage automatique non supervisé qui vise à découvrir automatiquement des regroupements naturels dans les données d'entrée. Lorsque cette méthode est utilisée, le développeur peut choisir le nombre de groupes qu'il souhaite créer.

Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …

Comment évaluer les performances d'un modèle de clustering?

Quels sont les processus suivants qui sont des processus d'apprentissage automatique mais qui ne sont pas particulièrement liés à l'apprentissage profond?

Donné un jeu de données, quels éléments vous aideront à choisir quel modèle / méthode d'apprentissage automatique utiliser pour créer un modèle efficace?

Quelles des affirmations suivantes sont vraies lorsqu'on considère le stacking?

Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action doit être effectuée lors de cette préparation?

Comment définir l'apprentissage supervisé ? Dans l'apprentissage supervisé, la machine entraîne le modèle à l'aide d'un ensemble de données d'apprentissage étiquetées.

Comment pourrions-nous définir brièvement l'apprentissage profond ?

Un hyper-paramètre de modèle est une configuration qui est **externe au modèle**. Il définit la structure du modèle.

Un hyper-paramètre de modèle est une configuration qui est externe au modèle. Il définit la structure du modèle.