« Modèle » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
== Définition == | ==Définition== | ||
En apprentissage automatique: | En apprentissage automatique : | ||
Un modèle est une représentation de ce | 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. | |||
== Français == | 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''' | ||
'''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small> | '''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small> | ||
== Anglais == | ==Anglais== | ||
'''model''' | '''model''' | ||
Ligne 22 : | Ligne 24 : | ||
<small> | <small> | ||
[https://developers.google.com/machine-learning/glossary/ | [https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary] | ||
Ligne 28 : | Ligne 30 : | ||
<br></div><br><br> | <br></div><br><br> | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Category:Apprentissage automatique]] | [[Category:Apprentissage automatique]] | ||
[[Catégorie:101]] | [[Catégorie:101]] |
Version du 22 août 2022 à 08:00
Définition
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)
Source: Google machine learning glossary
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, wiki, Robert Meloche