
Vous entendez beaucoup parler du Deep Learning récemment. Mais comment cela fonctionne-t-il concrètement ?
Répondez au quiz (10 questions seulement) pour évaluer vos connaissances sur le Deep Learning !

Question 1/10
Quelle sorte de tableau compare les classifications prédites par un modèle avec les étiquettes de classe réelles ?

Question 4/10
Parmi les propositions suivantes, laquelle désigne un type de tâche de détection d'objets où chaque pixel d'une image peut être classé dans des catégories spécifiques ?

Question 6/10
Quelle catégorie de Machine Learning trouve des patterns dans des données qui ne sont pas labellisées ?

Question 7/10
Parmi les réseaux suivants, lequel est généralement associé à la génération d'images synthétiques ?

Question 8/10
Parmi les éléments suivants, lequel décrit le processus consistant à prendre un réseau de neurones préentraîné et à le réentraîner pour classer un nouveau jeu d'images ?

Question 9/10
Parmi les éléments suivants, lequel désigne une architecture de Deep Learning couramment utilisée pour classer les séries temporelles ?

Question 10/10
À quoi sert un jeu de données de validation ?
Votre score est de
%
C'est un début !
Vous commencez tout juste à devenir un pro du Deep Learning. Apprenez les techniques de Deep Learning grâce à l'e-book Introduction au Deep Learning avec MATLAB.
Impressionnant !
Vous connaissez bien le sujet ! Apprenez désormais à maîtriser les techniques avec des exemples MATLAB pour le Deep Learning.
Impressionnant !
Vous connaissez bien le sujet ! Apprenez désormais à maîtriser les techniques avec Deep Learning Onramp.
Vous êtes un pro !
Commencez à appliquer ces compétences en matière de Deep Learning avec un tutoriel interactif gratuit consacré au Deep Learning avec MATLAB.
Vous êtes un pro !
Commencez à mettre en pratique ces compétences en Deep Learning avec Deep Learning Onramp.
Corrigé
- Quelle sorte de tableau compare les classifications prédites par un modèle avec les étiquettes de classe réelles ? Matrice de confusion
- Que fait le réglage des hyperparamètres ? Il optimise les paramètres pour améliorer les performances d'un algorithme d'apprentissage
- Qu'est-ce que le surajustement ? Lorsqu'un modèle apprend des spécificités des données d'apprentissage qui ne se généralisent pas correctement à un nouveau jeu de données
- Parmi les propositions suivantes, laquelle désigne un type de tâche de détection d'objets où chaque pixel d'une image peut être classé dans des catégories spécifiques ? Segmentation sémantique
- Que fait un modèle de régression ? Il prédit des réponses numériques telles que des changements de température, de date ou d'heure
- Quelle catégorie de Machine Learning trouve des patterns dans des données qui ne sont pas labellisées ? Apprentissage non supervisé
- Parmi les réseaux suivants, lequel est généralement associé à la génération d'images synthétiques ? Réseaux antagonistes génératifs
- Parmi les éléments suivants, lequel décrit le processus consistant à prendre un réseau de neurones préentraîné comme point de départ et à le réentraîner pour classer un nouveau jeu d'images ? Apprentissage par transfert
- Parmi les éléments suivants, lequel désigne une architecture de Deep Learning couramment utilisée pour classer les séries temporelles ? Réseau LSTM (Long Short-Term Memory)
- À quoi sert un jeu de données de validation ? À tester la capacité de généralisation d'un modèle lors de l'apprentissage
Sélectionner un site web
Choisissez un site web pour accéder au contenu traduit dans votre langue (lorsqu'il est disponible) et voir les événements et les offres locales. D’après votre position, nous vous recommandons de sélectionner la région suivante : United States.
Vous pouvez également sélectionner un site web dans la liste suivante :
Comment optimiser les performances du site
Pour optimiser les performances du site, sélectionnez la région Chine (en chinois ou en anglais). Les sites de MathWorks pour les autres pays ne sont pas optimisés pour les visites provenant de votre région.
Amériques
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)