Académique Documents
Professionnel Documents
Culture Documents
Le machine learning est une technique qui permet aux systèmes automatiques de
s’améliorer grâce aux données préparées et nettoyées. Contrairement à ce que l’on
pense, le nettoyage des données (dit preprocessing) est la tâche principale lors d’un
projet de machine learning.
1) Interpréter les étapes considérées pour préparer les données qu’on désire
étudier lors d’un projet.
Lors de préparation d’un modèle de ML, on commence tout d’abord par choisir si on
va considérer un apprentissage supervisé ou non supervisé.
La figure présente un regroupement des données par densité, ce genre des données ne
peuvent être regroupées que un regroupement par densité tel que DBSCAN, en
utilisant sa méthode de regroupement par 𝜀 voisins.
c- Par quel moyen on peut trouver les meilleures valeurs possibles pour a et b
(optimales). Interpréter le fonctionnement de la solution proposée.
On divise le dataset en partie training (70% par exemple) et partie test (30%) pour tester
l’algorithme si après son apprentissage il peut traiter (classer) des nouvelles données
qu’il ne les connaisse pas. Ainsi, il peut opérer en temps réel.
QCM : (10 pts)
1 A Données d’apprentissage.
B Transfert de données.
C Formation des données.
D Aucune de ces réponses.
3) Qu'est ce qu'Alpha GO ?
5 A La descente de gradient.
B L’erreur quadratique moyenne.
C La fonction d’activation.
D L’architecture du réseau de neurones.
6) Comment peut-on normaliser les données à prédire, en utilisant la fonction :
6 A MinMaxScaler().
B StandardScaler().
C Median().
D preprocessing.normalize()
7 A La classification.
B Le clustering .
C La régression.
D L’association.
8 A Deep Learning.
B SciPy.
C Numpy.
D Toutes ces réponses.
9 A 5.
B 4.
C 3.
D 2.
10) RNNs signifie :