« Modèle » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
En apprentissage automatique: | 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. | 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. | 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. | ||
| Ligne 8 : | Ligne 8 : | ||
En intelligence artificielle symbolique: | En intelligence artificielle symbolique: | ||
Un modèle est une représentation explicite d'un problème au moyen d'objets et de règles. | |||
==Compléments== | ==Compléments== | ||
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 : | 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 : | ||
| Ligne 21 : | Ligne 23 : | ||
<small> | <small> | ||
[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary ] | [https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary ] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Category:Apprentissage | [[Category:Apprentissage automatique]] | ||
[[Catégorie:PUBLICATION]] | |||
Version du 12 août 2022 à 01:33
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 problème au moyen d'objets et de règles.
Compléments
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 :
- Graphe TensorFlow qui exprime la structure du calcul d'une prédiction
- Pondérations et biais particuliers de ce graphe TensorFlow, déterminés par apprentissage.
Français
modèle
Anglais
model
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
