Accueil>Tests>Questions>Le jeu de données d'entraînement est le jeu de données dont l'algorithme va apprendre. Il est utilisé pour ajuster les paramètres des réseaux de neurones (poids et biais) : l'amélioration du modèle est effectuée sur la base de ce jeu de données et du suivi de la descente de gradient.
Question du test Deep learning - Les bases
Le jeu de données d'entraînement est le jeu de données dont l'algorithme va apprendre. Il est utilisé pour ajuster les paramètres des réseaux de neurones (poids et biais) : l'amélioration du modèle est effectuée sur la base de ce jeu de données et du suivi de la descente de gradient.
Facile
Le jeu de données de/d ’_______ est l’ensemble de données utilisé par l’algorithme pour apprendre. Il est utilisé pour ajuster les paramètres du réseau de neurones (poids et biais) : l’amélioration du modèle se fait avec ce jeu de données sous la supervision de l’algorithme de descente de gradient. Quel est le mot manquant?
Auteur: MartinStatut : PubliéeQuestion passée 60 fois
Modifier
0
Évaluations de la communautéPersonne n'a encore évalué cette question, soyez le premier !
4
Quels sont les processus suivants qui sont des processus d'apprentissage automatique mais qui ne sont pas particulièrement liés à l'apprentissage profond?1
Quel type de réseau de neurones est le meilleur pour le traitement d'images?8
Donné un réseau de neurones avec 4 entrées, combien de connexions pourraient exister entre la couche d'entrée et la première couche cachée?1
Comment définir l'apprentissage non supervisé ? Dans l'apprentissage non supervisé...2
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.14
Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?15
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.