AI Glossary

Algorithme

Un ensemble d’instructions ou de règles qu’un ordinateur suit pour résoudre un problème ou accomplir une tâche. Pensez-y comme à une recette.

Modèle

Un programme qui a été entraîné sur un ensemble de données pour effectuer une tâche spécifique. C’est le « produit fini » de l’apprentissage automatique.

Entraînement

Le processus d’enseignement à un modèle d’apprentissage automatique en lui fournissant des données et en lui permettant d’ajuster ses paramètres internes (poids) pour minimiser les erreurs.

Inférence

La phase où un modèle entraîné est mis au travail, faisant des prédictions ou prenant des décisions basées sur de nouvelles données, jamais vues.

Intelligence Artificielle (IA)

Un vaste domaine de l’informatique dédié à la création de systèmes capables d’effectuer des tâches qui nécessitent généralement l’intelligence humaine.

Apprentissage Automatique (Machine Learning)

Un sous-ensemble de l’IA où les ordinateurs apprennent à partir de données sans être explicitement programmés pour des règles spécifiques.

Apprentissage Profond (Deep Learning)

Un type spécialisé d’apprentissage automatique qui utilise des réseaux neuronaux avec de nombreuses couches (d’où « profond ») pour modéliser des modèles complexes dans les données.

Réseau Neuronal

Une méthode en intelligence artificielle qui apprend aux ordinateurs à traiter les données d’une manière inspirée par le cerveau humain.

Poids

Paramètres au sein d’un réseau neuronal qui transforment les données d’entrée au sein des couches cachées du réseau. Ils déterminent l’importance de l’entrée pour la sortie.

Apprentissage Supervisé

Un type d’apprentissage automatique où le modèle est entraîné sur un ensemble de données étiquetées (données avec des réponses connues).

Apprentissage Non Supervisé

Un type d’apprentissage automatique où le modèle essaie de trouver des modèles et des relations dans des données non étiquetées.

Reconnaissance de Modèles

La reconnaissance automatisée de modèles et de régularités dans les données.

eCampus Ontario AI Fundamentals
1 / 12

Les principes fondamentaux de l’IA : des règles aux modèles

1 sur 7

25 à 30 minutes

Reader Mode Available

Prefer reading over interaction? Toggle Reader Mode in the top-left menu to replace interactive tasks with text-based alternatives.

Objectifs d’apprentissage

  • 1. entre la programmation basée sur des règles (le soldat) et l’IA (l’éclaireur).
  • 2. la hiérarchie : IA vs apprentissage automatique vs apprentissage profond.
  • 3. le vocabulaire de base : algorithme, apprentissage, modèle et inférence.
  • 4. pourquoi les « règles » échouent dans le monde réel à l’aide de la simulation d’erreurs dans Excel.
  • 5. votre premier modèle simple de vision par ordinateur à l’aide de données boursières.