Quiz sur le Machine Learning

Qu'est-ce que le Machine Learning ?

• Un algorithme spécifique pour résoudre des équations

• Un ensemble de techniques permettant aux ordinateurs d'apprendre à partir de données

• Une application d'intelligence artificielle limitée à la reconnaissance d'images

• Une méthode pour coder des programmes de manière plus efficace

Quel est le rôle des données d'entraînement dans le Machine Learning ?

• Tester l'algorithme

• Entrainer le modèle

• Valider les résultats finaux

• Éviter le surapprentissage

Quel type d'apprentissage nécessite des données étiquetées ?

• Apprentissage supervisé

• Apprentissage non supervisé

• Apprentissage par renforcement

• Apprentissage semi-supervisé

Lequel des algorithmes suivants est un algorithme d'apprentissage supervisé ?

• K-means

• Régression linéaire

• PCA (Analyse en Composantes Principales)

• Algorithme de clustering

Qu'est-ce que l'overfitting (surapprentissage) ?

• Un modèle qui ne s'adapte pas assez aux données

• Un modèle qui s'adapte trop bien aux données d'entraînement

• Un modèle qui est général et s'adapte bien aux nouvelles données

• Un modèle qui ne fait pas d'erreur

Quel est l'objectif principal de l'apprentissage non supervisé ?

• Prédire des valeurs futures

• Trouver des structures ou des modèles dans les données

• Minimiser l'erreur de prédiction

• Maximiser la précision

Dans une classification binaire, quelle est la sortie typique du modèle ?

• Une valeur continue

• Un vecteur de probabilité

• Une étiquette de classe

• Un nombre de clusters

Quel algorithme est le mieux adapté pour résoudre un problème de classification ?

• K-means

• Régression linéaire

• SVM (Machines à Vecteurs de Support)

• Régression logistique

Laquelle des méthodes suivantes est une technique de réduction de dimensionnalité ?

• Régression linéaire

• KNN (k plus proches voisins)

• PCA (Analyse en Composantes Principales)

• Régression logistique

Qu'est-ce qu'une fonction de perte dans le contexte du Machine Learning ?

• Une méthode pour évaluer la performance d'un modèle

• Un algorithme d'apprentissage

• Une technique de normalisation des données

• Une méthode de réduction du surapprentissage