Vrai ou faux ? Un algorithme est une pièce électronique qui alimente le processeur d'un ordinateur.
Faux. Un algorithme est une suite finie et non ambiguë d'opérations ou d'instructions permettant de résoudre une classe de problèmes.
Parmi les exemples suivants, lesquels sont des algorithmes ?
La division euclidienne est une suite d'opérations qui correspond à un algorithme informatique. Le crible d'Ératosthène est un exemple d'algorithme pour trouver les nombres premiers.
En combien de parties découpe-t-on un algorithme ?
Un algorithme se découpe en trois parties :
- les informations nécessaires à l'utilisation de l'algorithme ;
- la suite d'instructions à effectuer ;
- la réponse attendue à la fin.
Associer les algorithmes suivants, utilisés en intelligence artificielle, à leur définition.
L'apprentissage supervisé
L'apprentissage non supervisé
La régression linéaire
Il adapte les paramètres du modèle grâce à des données historiques.
Il repère des régularités, des proximités, des corrélations pour construire lui-même son algorithme de classification.
Il s'agit d'un ajustement sur un nuage de points pour lequel le résultat est une droite.
L'apprentissage supervisé adapte les paramètres du modèle grâce à des données historiques. Cet algorithme permet ensuite de catégoriser ou de calculer une prédiction numérique sur des données inconnues.
L'apprentissage non supervisé repère des régularités, des proximités, des corrélations pour construire lui-même son algorithme de classification. Ces méthodes demandent une plus faible intervention humaine.
Une régression linéaire est un ajustement sur un nuage de points pour lequel le résultat est une droite. Il s'agit de la droite qui passe au plus près des vraies valeurs mesurées, dans un sens mathématique bien précis, celui des moindres carrés.
Que désigne la flèche dans la représentation suivante de l'algorithme d'intelligence artificielle ?
La phase d'inférence ou phase de prédiction est l'étape qui suit la phase d'entraînement. Le modèle est utilisé pour prédire un résultat sur de nouvelles données qui n'ont pas été utilisées lors de la phase d'entraînement.