Apprentissage Machine

Question 1

C’est quoi le ML?

Answer 1

Capacité d’apprendre sans être programmé explicitement (àpartir des données).

Question 2

5 étapes du ML

Answer 2

1.Recolte des données
2.Préparation/cleaning des données
3.Entrainer le modèle
4.Tester le modèle
5.Raffinemment

Question 3

deux types de regression

Answer 3

linéaire

logistique (classification)

Question 4

3 Catégories algorithmiques:

Answer 4

• Apprentissage supervisé
• Apprentissage non supervisé
• Apprentissage par renforcement

(Also apprentissage profond exists)

Question 5

Apprentissage supervisé definition:

Answer 5

on a les données (exemples), et des étiquettes
ex: pomme, banane, poire

Question 6

Apprentissage non supervisé definition:

Answer 6

On a les données (exemples), mais pas les étiquettes**

Question 7

Apprentissage par renforcement definition:

Answer 7

apprentissage avec des recompenses

Question 8

pour la régression linéaire ( y = ax + b), que-signifie x, y et m?

Answer 8

m = Nombre d’exemples d’entrainement
x = “input” / caractéristiques
y = “output” / Cible

Question 9

How qu’on sait qu’on a les bonnes valeurs de θi ?

Answer 9

On les choisis de manière que h(x) est
proche aux valeurs de y.

Question 10

Que retourne la fonction de coût?

Pourquoi veut-on le minimiser?

Answer 10

L’erreur quadratique moyenne entre h(x) et y.

C’est pour ça qu’on veut le minimiser

Question 11

Comment faire pour trouver le minimum de
manière automatique ?

Answer 11

Déscente de gradient ( minimize J(thetas) until qu’on atteint une minimum)

Question 12

Approche de la déscente de gradient :

Answer 12

― Choisir un point de départ

― Répéter:
▪ Choisir une dimension
▪ Se déplacer (petit déplacement) dans cette dimension vers la réduction du coût (en utilisant la dérivée)

Question 13

Quand est-ce qu’on arrête la déscente de gradient?

Answer 13

Une fois que l’algorithme va changer très peu à chaque itération (atteinte d’une minimum)

in other words, convergence

Question 14

MAKE CHEAT SHEET