« Modèle d'intelligence artificielle » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| (10 versions intermédiaires par 4 utilisateurs non affichées) | |||
| Ligne 8 : | Ligne 8 : | ||
Une fois entraîné, le modèle sera appliqué sur de nouvelles '''[[données]]''' pour obtenir des résultats ou prévisions / prédictions. | Une fois entraîné, le modèle sera appliqué sur de nouvelles '''[[données]]''' pour obtenir des résultats ou prévisions / prédictions. | ||
(Voir '''[[modèle d'apprentissage automatique]]''') | |||
En '''[[intelligence artificielle symbolique]]''' : | En '''[[intelligence artificielle symbolique]]''' : | ||
| Ligne 15 : | Ligne 15 : | ||
==Compléments== | ==Compléments== | ||
En [[apprentissage automatique]], [[modèle paramétrique]] comporte des '''[[Paramètre|paramètres]]''' ou des '''[[poids]]''' et parfois la structure du calcul ou l’architecture du modèle. Le modèle entraîné peut être sauvegardé dans un fichier. Un [[modèle non paramétrique]] est défini par les données elles-mêmes, sans paramètres spécifiques ou plutôt toutes les données sont des paramètres du modèle. | |||
Par abus de langage, on finit par ne plus distinguer entre l’algorithme d’apprentissage, le modèle, le réseau de neurones et l’architecture du réseau de neurones. | |||
==Français== | ==Français== | ||
'''modèle''' | '''modèle d'intelligence artificielle''' | ||
'''modèle d'IA''' | |||
'''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small> | '''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small> | ||
==Anglais== | ==Anglais== | ||
'''Artificial Intelligence Model''' | |||
'''AI model''' | |||
'''machine learning model''' | |||
'''training model''' <small><i>(for machine learning)</i></small> | |||
'''model''' | '''model''' | ||
''' | Generally speaking, a model is a simplified logical description of a complex system (environment, process, object, etc.) which considers the behaviors that the creator of the model considers significant. | ||
In machine learning: A model is a representation of what a learning algorithm learns from training data. It includes parameters or weights, and sometimes the computational structure or the architecture of the model. Once trained, the model can be saved to a file. | |||
Once trained, the model is applied to new data to obtain results or predictions. | |||
By abuse of language, we end up no longer distinguishing between the learning algorithm, the model, the neural network and the architecture of the neural network. | |||
In symbolic artificial intelligence: A model is an explicit representation of a complex system using objects and rules. Simulation can be used to study model behavior. | |||
==Español== | |||
[[Catégorie:es]] | |||
''''' modelo ''''' | |||
''En términos generales, un modelo es una descripción lógica simplificada de un sistema complejo (entorno, proceso, objeto, etc.) que tiene en cuenta los comportamientos que el creador del modelo considera significativos.'' | |||
''En aprendizaje automático: un modelo es una representación de lo que un algoritmo de aprendizaje automático aprende a partir de los datos de entrenamiento. Incluye parámetros o pesos y, a veces, la estructura del cálculo o la arquitectura del modelo. Una vez entrenado, el modelo puede guardarse en un archivo.'' | |||
''Una vez entrenado, el modelo se aplicará a nuevos datos para obtener resultados o predicciones.'' | |||
''Por abuso del lenguaje, acabamos dejando de distinguir entre el algoritmo de aprendizaje, el modelo, la red neuronal y la arquitectura de la red neuronal.'' | |||
''En inteligencia artificial simbólica: Un modelo es una representación explícita de un sistema complejo mediante objetos y reglas. La simulación permite estudiar el comportamiento del modelo.'' | |||
==Sources== | ==Sources== | ||
Dernière version du 19 avril 2026 à 18:23
Définition
De manière générale, un modèle est une description logique simplifiée d’un système complexe (environnement, processus, objet, etc.) qui prend en compte les comportements que le créateur du modèle considère comme significatifs.
En apprentissage automatique :
Un modèle est une représentation de ce qu’un algorithme d’apprentissage automatique apprend à partir des données d'entraînement.
Une fois entraîné, le modèle sera appliqué sur de nouvelles données pour obtenir des résultats ou prévisions / prédictions.
(Voir modèle d'apprentissage automatique)
En intelligence artificielle symbolique :
Un modèle est une représentation explicite d’un système complexe au moyen d’objets et de règles. On peut recourir à la simulation pour étudier le comportement du modèle.
Compléments
En apprentissage automatique, modèle paramétrique comporte des paramètres ou des poids et parfois la structure du calcul ou l’architecture du modèle. Le modèle entraîné peut être sauvegardé dans un fichier. Un modèle non paramétrique est défini par les données elles-mêmes, sans paramètres spécifiques ou plutôt toutes les données sont des paramètres du modèle.
Par abus de langage, on finit par ne plus distinguer entre l’algorithme d’apprentissage, le modèle, le réseau de neurones et l’architecture du réseau de neurones.
Français
modèle d'intelligence artificielle
modèle d'IA
modèle d'apprentissage (en apprentissage automatique)
Anglais
Artificial Intelligence Model
AI model
machine learning model
training model (for machine learning)
model
Generally speaking, a model is a simplified logical description of a complex system (environment, process, object, etc.) which considers the behaviors that the creator of the model considers significant.
In machine learning: A model is a representation of what a learning algorithm learns from training data. It includes parameters or weights, and sometimes the computational structure or the architecture of the model. Once trained, the model can be saved to a file.
Once trained, the model is applied to new data to obtain results or predictions.
By abuse of language, we end up no longer distinguishing between the learning algorithm, the model, the neural network and the architecture of the neural network.
In symbolic artificial intelligence: A model is an explicit representation of a complex system using objects and rules. Simulation can be used to study model behavior.
Español
modelo
En términos generales, un modelo es una descripción lógica simplificada de un sistema complejo (entorno, proceso, objeto, etc.) que tiene en cuenta los comportamientos que el creador del modelo considera significativos.
En aprendizaje automático: un modelo es una representación de lo que un algoritmo de aprendizaje automático aprende a partir de los datos de entrenamiento. Incluye parámetros o pesos y, a veces, la estructura del cálculo o la arquitectura del modelo. Una vez entrenado, el modelo puede guardarse en un archivo.
Una vez entrenado, el modelo se aplicará a nuevos datos para obtener resultados o predicciones.
Por abuso del lenguaje, acabamos dejando de distinguir entre el algoritmo de aprendizaje, el modelo, la red neuronal y la arquitectura de la red neuronal.
En inteligencia artificial simbólica: Un modelo es una representación explícita de un sistema complejo mediante objetos y reglas. La simulación permite estudiar el comportamiento del modelo.
Sources
Source : Google machine learning glossary
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Arianne Arel, Evan Brach, Claude Coulombe, Jacques Barolet, Espanol: JSZ, wiki, Robert Meloche





