2-cours9_IA

Question 1

terme le + large:

Answer 1

intelligence artificielle

Question 2

sous catégorie de l’apprentissage machine:

Answer 2

deep learning (apprentissage profond)

Question 3

but de l’intelligence artificielle:

Answer 3

essayer de copier l’intelligence humaine dans une machine

Question 4

courriel spam c’est qyoi

Answer 4

aprentissage machien

Question 5

ordre de l’IA:

Answer 5

deep learning dans machione learning dans IA

Question 6

la manioulation de données, c’est la:

Answer 6

data science

Question 7

synonyme de apprentissage machine:

Answer 7

apprentissage AUTOMATIQUE
Apprentissage STATISTIQUE
MCHINE LEARNING

Question 8

Il s’agit d’algorithmes informatiques qui analysent un ensemble de données afin de déduire des règles qui constituent de nouvelles connaissances permettant d’analyser de nouvelles situations.

Answer 8

apprentissage machine

Question 9

je donne des regles à la machine: qd je dis ca tu répond ca

Answer 9

algorithme

Question 10

2 items dans apprentissage machine: prédire:

Answer 10

1) prédire une évolution
2) Classifier

Question 11

2 types d’apprentissage: apprentissage supervisée et non-supervisée

Answer 11

ok

Question 12

classes sont prédéterminées et les données labélisées. je te dis ça c un chien ca c’est un chat

Answer 12

apprentissage SUPERVISÉe

Question 13

données ne sont pas labélisées. les classes/catégories seront déterminées par l’algorithme à partir des données

Answer 13

Apprentissage non supervisé

Question 14

quelles données qd on entraine l’algorithme, algorithme qui a encore rien appris

Answer 14

données d’entrainement

Question 15

données qui ne faisaient pas partie des données d’entrainement, jamais vues par algorithme. on regarde s’il est capable d’avoir une bonne prédiction et modèle fonctionne. Algorithme généralise au dela des données d’apprentissage

Answer 15

données test

Question 16

algorithme capable de généraliser??

Answer 16

OUIII

Question 17

Dans les algorithmes, on entraine quoi?

Answer 17

classifieur

Question 18

Classifieur est à la base de quoi?

Answer 18

d’une algorithme

Question 19

on fait quoi qd on met des données tests dans le classifieur (modèle? ?

Answer 19

de sprédictions

Question 20

on extraie l’extraction d’attributs de quoi?

Answer 20

signal brut

Question 21

DA = 75% c’est quoi?

Answer 21

précision/acquité de décodage

Question 22

classification à 2 classes:

Answer 22

classification binaires

Question 23

un classificateur binaire peut ê formalisé comme une focntion de __?

Answer 23

décision qui associe chaque observation (vecteur de dimension N) à une des 2 classes, donc à la valeur 1 ou -1

Question 24

le choix de la fct de décision se limite à une famille de fcts fixée par

Answer 24

le chercheur

Question 25

si on choisit une fct de décision linéaire, la fonction f correspond à quoi?

Answer 25

séparation de l'espace des attributs par un hyperplan (dans un espace de dimension N). les observations se trouvant de chaque côté de l'hyperplan sera classifié 1 ou -1

Question 26

décision linéaire. séparation de l'espace des attributs par un hyperplan (dans un espace de dimension N). les observations se trouvant de chaque côté de l'hyperplan sera classifié

Answer 26

1 ou -1 (état attentif ou distrait)

Question 27

le processus de sélection des paramètres de la fonction de décision.

Answer 27

apprentissage

Question 28

2 types de classification:

Answer 28

classificaion linéaire et non-linéaire

Question 29

Transformer un problème de classification non non-linéaire en un problème linéaire.

Answer 29

Astuce du noyau (kernel trick)

Question 30

LDA, SVM, KNN, NB sont des ?

Answer 30

algorithmes

Question 31

apprentissage non-supervisé: clusterinig techniques comme:

Answer 31

k-means et hierarchical clustering

Question 32

algorithme regarde les données ous différents angles, trouve mettons 3 parterres qui ressortent, va faire 3 catégories

Answer 32

clustering techniques apperntissage non-supervisé

Question 33

L’idée est intuitive: faire voter les voisins du point de test. Ex. k k-NN classification multiclasse : “parmi mes k plus proches voisins, quelle classe est majoritaire?”

Answer 33

méthode à base de voisinage

Question 34

Classification Accuracy ▪ Logarithmic Loss ▪ Area Under ROC Curve ▪ Confusion Matrix ▪ Classification Report sont des indicateurs de performance pour:

Answer 34

classification

Question 35

Mean Absolute Error. ▪ Mean Squared Error. ▪ R^2. sont des indicaeurs de performance pour la

Answer 35

régression

Question 36

matrice de confusion diagonal:

Answer 36

prédiction sans erreur

Question 37

seuils de chance théorique: 4 classes: 25% 8 classes: 12.5%

Question 38

Pour évaluer la validité statistique (significativité) de la précision de décodage Decoding accuracy , DA) obtenue (par exemple suite à la validation croisée), deux approches sont souvent utilisées: (2 familles de tests statistiques)

Answer 38

loi binominale et test de permutations

Question 39

quelle famille de tests statistiques: Déterminer le seuil de % de prédiction à dépasser en fonction de la valeur p et du nombre d’observation N. approche paramétrique

Answer 39

loi binomiale

Question 40

quel famille de tests statistiques? Générer une distribution nulle à partir des mêmes données en mélangeant aléatoirement les étiquettes. approche non paramtrique:

Answer 40

test de permutations

Question 41

loi binomiale et test de permutations paramétrique ou non?

Answer 41

Loi binomiale: approche paramétrique Test de permutations: approche non-paramétrique

Question 42

Déterminer le seuil de % de prédiction à dépasser en fonction de la valeur p et du nombre d’observation N

Answer 42

loi binomiale

Question 43

Générer une distribution nulle à partir des mêmes données en mélangeant aléatoirement les étiquettes.

Answer 43

test de permutations

Question 44

différence enter shallow et deep learning

Answer 44

Shallow Learning often refers to traditional/conventional machine learning pipeline: problem-specific feature extraction -> model training Deep Learning often refers to a lengthier and more computationally expensive machine learning pipeline: Feature Learning + Model Training (usually done together)

Question 45

les features sont dérivées du data dans shallow ou deep learning?

Answer 45

deep learning

Question 46

hand-crafted features dans shallow ou deep learning?

Answer 46

shallow

Question 47

living portraits (prortraits d'une personne vivante comme la mona lisa) exemple de quoi?

Answer 47

convolutional neural networks

Question 48

apprentissage machine est un outil pour avancer notre compréhension des fonctions et

Answer 48

disfonctions du cerveau

Question 49

comment AI aide neuroscience?

Answer 49

- reverse engineering the brain (refaire les strcutres du cerveau artificiellemetn - outil de data mining (perceptions, imagerie mentale, intentions, décisions, émotions...

Question 50

Apprentissage machine permet d'identifier les marqueurs pertiennts via leur capacité à discriminer des processus cognitifs ou conditions cliniques modélise le traitement de l'info permetune fouille de données (data minign)