Quelle affirmation décrit le mieux le Machine Learning ?

• Une méthode qui suit des règles programmées à la main

• Une méthode permettant à une machine d’apprendre à partir de données

• Une technologie pour créer des circuits électroniques

• Une base de données centralisée d’informations

Dans l’apprentissage supervisé, le modèle apprend à partir de…

• Données non étiquetées

• Données partiellement aléatoires

• Données étiquetées (avec entrées et sorties connues)

• Données simulées uniquement

Un algorithme de clustering sert principalement à…

• Prédire une valeur numérique

• Trier les données alphabétiquement

• Supprimer les anomalies

• Regrouper des données similaires entre elles

Si un modèle obtient 99 % de précision sur les données d’entraînement mais 60 % sur les données de test, on parle de…

• Sous-apprentissage (underfitting)

• Bon modèle généralisant

• Sur-apprentissage (overfitting)

• Mauvais étiquetage

Quelle est la principale différence entre le Machine Learning et le Deep Learning ?

• Le Deep Learning ne nécessite pas de données

• Le Deep Learning repose sur des réseaux de neurones profonds

• Le Machine Learning est plus récent

• Le Deep Learning est une approche non supervisée

Parmi les situations suivantes, laquelle relève d’un apprentissage non supervisé ?

• Prédire le prix d’une maison à partir de ses caractéristiques

• Regrouper des clients selon leur comportement d’achat

• Identifier les spams dans des emails

• Prédire la température pour demain

Pourquoi nettoie-t-on les données avant d’entraîner un modèle ?

• Pour réduire le bruit et les erreurs dans les données

• Pour que le modèle ait plus de paramètres

• Pour accélérer le téléchargement du dataset

• Pour supprimer les doublons uniquement

Si les données d’entraînement sont biaisées (ex. sous-représentation de certaines classes), le modèle…

• Sera plus rapide

• Apprendra de manière plus juste

• Corrigera automatiquement les biais

• Reproduira les biais présents dans les données

Quel type d’apprentissage serait le plus adapté pour entraîner un robot à marcher ?

• Apprentissage supervisé

• Apprentissage non supervisé

• Apprentissage par renforcement

• Apprentissage semi-automatique

Si tu devais évaluer la performance d’un modèle de classification, quelle métrique choisirais-tu ?

• La précision (accuracy)

• Le taux d’échantillonnage

• Le RMSE

• La corrélation de Pearson