« Modèle » : différence entre les versions


m (Remplacement de texte — « Category:Google2 » par « <!-- Google --> »)
Aucun résumé des modifications
 
(24 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
[[Category:GRAND LEXIQUE FRANÇAIS]]
==Définition==
<!-- Google -->
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.
[[Category:Apprentissage profond]]
 
<!-- Scotty2 -->
En '''[[apprentissage automatique]]''' :
 
Un modèle est une représentation de ce qu’un algorithme d’apprentissage automatique apprend à partir des données d’entraînement. Il comporte des paramètres ou des poids et parfois la structure du calcul ou l’architecture du modèle. Une fois entraîné, le modèle peut être sauvegardé dans un fichier.
 
Une fois entraîné, le modèle sera appliqué sur de nouvelles données pour obtenir des résultats ou prédictions.
 
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.
 
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.
 
==Français==
'''modèle'''
 
'''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small>


== Définition ==
==Anglais==
Représentation de ce qu'un système d'apprentissage automatique a appris à partir des données d'apprentissage. Ce terme complexe peut avoir l'un des deux sens associés suivants :
'''model'''
*  Graphe TensorFlow qui exprime la structure du calcul d'une prédiction
*  Pondérations et biais particuliers de ce graphe TensorFlow, déterminés par apprentissage.
- Google


== Français ==
'''training model''' <small><i>(for machine learning)</i></small>
''' modèle <small>n.m.</small> '''


== Anglais ==
==Sources==
'''  model '''


<small>
[https://developers.google.com/machine-learning/glossary/  Source : Google machine learning glossary]


</small><br>
{{Modèle:101}}


[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Apprentissage automatique]]
[[Catégorie:101]]

Dernière version du 21 mars 2024 à 18:13

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. Il comporte des paramètres ou des poids et parfois la structure du calcul ou l’architecture du modèle. Une fois entraîné, le modèle peut être sauvegardé dans un fichier.

Une fois entraîné, le modèle sera appliqué sur de nouvelles données pour obtenir des résultats ou prédictions.

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.

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.

Français

modèle

modèle d'apprentissage (en apprentissage automatique)

Anglais

model

training model (for machine learning)

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 »