IA : modèles
Machine learning — apprentissage automatique
L’apprentissage automatique regroupe des méthodes qui ajustent un modèle à partir de données pour réaliser des tâches de prédiction, de classification ou de représentation.
StartHub accompagne les dirigeants à chaque étape du développement de leur entreprise en réunissant stratégie, expertise et les meilleurs partenaires autour de leurs projets.
Comprendre les notions utiles pour structurer un projet, piloter une entreprise et éclairer ses décisions.
13–24 sur 27 définitions
Effacer les filtresIA : modèles
L’apprentissage automatique regroupe des méthodes qui ajustent un modèle à partir de données pour réaliser des tâches de prédiction, de classification ou de représentation.
IA : modèles
Opération qui pondère les relations entre représentations afin de construire une représentation contextualisée.
IA : modèles
Un modèle d’IA open source doit être évalué au regard des libertés et des éléments effectivement fournis, au-delà de la seule possibilité de télécharger ses poids.
IA : modèles
Un modèle de fondation est un modèle entraîné sur un ensemble large de données et susceptible d’être adapté à plusieurs tâches.
IA : modèles
Un modèle multimodal traite ou produit plusieurs types de données, comme du texte, des images ou de l’audio.
IA : modèles
Un modèle à poids accessibles permet d’obtenir les paramètres appris qui déterminent son fonctionnement, selon une licence donnée.
IA : modèles
Le préentraînement est une phase d’apprentissage initiale qui donne à un modèle des capacités générales avant son adaptation éventuelle à un usage particulier.
IA : modèles
Le prompt système rassemble des instructions de haut niveau destinées à encadrer le comportement d’un assistant dans une application.
IA : modèles
Représentation de certaines valeurs d’un modèle avec une précision numérique réduite.
IA : modèles
Le RLHF utilise des retours humains dans un processus d’apprentissage par renforcement pour orienter le comportement d’un modèle.
IA : modèles
La température est un paramètre d’échantillonnage qui modifie la distribution des probabilités utilisée pour choisir les prochains tokens.
IA : modèles
Unité de représentation utilisée par un modèle pour découper une entrée ou construire une sortie.