TechnologieMétierQCM
Trier par
Les plus récentes
Les plus populaires
Dernier commentaire
Filtrer par
Publiées
121
Non publiées
19
En cours de validation
0
TechnologieMétierQCM
Trier par
Les plus récentes
Les plus populaires
Dernier commentaire
Filtrer par
Publiées
121
Non publiées
19
En cours de validation
0
121 questions
Intermédiaire
18 votes1298 passages0 commentaire
Très facile
15 votes812 passages0 commentaire
Facile
14 votes787 passages0 commentaire
Intermédiaire
11 votes1262 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.
Martinle 15 mars 2022
Intermédiaire
10 votes1171 passages0 commentaire
Très facile
8 votes794 passages0 commentaire
Très facile
7 votes1198 passages0 commentaire
Très facile
6 votes655 passages0 commentaire
Intermédiaire
6 votes625 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)...
Martinle 15 mars 2022
Difficile
5 votes1146 passages2 commentaires
Très facile
5 votes1084 passages0 commentaire
Facile
5 votes788 passages0 commentaire
Facile
5 votes732 passages0 commentaire
Intermédiaire
4 votes1208 passages0 commentaire
Facile
4 votes1130 passages0 commentaire
Intermédiaire
4 votes1097 passages0 commentaire
Très facile
4 votes484 passages0 commentaire
Intermédiaire
3 votes1129 passages0 commentaire
Très facile
3 votes1083 passages0 commentaire
Facile
3 votes714 passages0 commentaire
La validation croisée est une technique utilisée pour évaluer les modèles DL (deep learning) (et les modèles ML en général). La méthode consiste à entraîner plusieurs modèles sur des sous-ensembles des données d'entrée et à les évaluer sur le sous-ensemble complémentaire de ces mêmes données. Elle vise à éviter le surapprentissage.
Martinle 4 avr. 2022