« Modèle » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| (6 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | ==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. | |||
== Français == | 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''' | ||
'''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small> | '''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small> | ||
== Anglais == | ==Anglais== | ||
'''model''' | '''model''' | ||
'''training model''' <small><i>(for machine learning)</i></small> | '''training model''' <small><i>(for machine learning)</i></small> | ||
==Sources== | |||
[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary] | |||
</small><br> | |||
{{Modèle:101}} | |||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Category:Apprentissage automatique]] | [[Category:Apprentissage automatique]] | ||
[[Catégorie:101]] | [[Catégorie:101]] | ||
Dernière version du 21 mars 2024 à 19:13
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 »
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
