Formation Deep Learning par la pratique (DPL)


Testez vos connaissances pour valider les prérequis



1 - Combien de paramètres apprend-t-on dans une régression linéaire univariée ?
Une seule réponse possible


2 - Si l'erreur d'un modèle est bien inférieure sur l'ensemble d'entraînement à l'erreur sur l'ensemble de validation, cela caractérise un :
Une seule réponse possible


3 - Quelles métriques sont couramment utilisées en évaluation d'une régression ?
Plusieurs réponses possibles


4 - En notant VP, FP, VN, FN resp. les vrais positifs, FAUXpositifs, vrais négatifs et FAUXnégatifs, la précision est :
Une seule réponse possible


5 - En notant VP, FP, VN, FN resp. les vrais positifs, FAUXpositifs, vrais négatifs et FAUXnégatifs, le rappel est :
Une seule réponse possible


6 - Pendant la descente de gradient, quelles sont les conditions nécessaires pour que la solution trouvée soit optimale ?
Plusieurs réponses possibles


7 - Pendant une descente de gradient, un pas d'apprentissage trop petit peut entraîner :
Une seule réponse possible


8 - Pendant une descente de gradient, un pas d'apprentissage trop grand peut entraîner :
Une seule réponse possible


9 - Un modèle aléatoire risque de souffrir :
Plusieurs réponses possibles


10 - Un modèle sur-appris risque de souffrir :
Une seule réponse possible


11 - Un modèle sous-appris risque de souffrir :
Une seule réponse possible


12 - Dans l’espace ROC, que représente l’axe des ordonnées ?
Une seule réponse possible


13 - Dans l’espace ROC, que représente l’axe des abscisses ?
Une seule réponse possible


14 - Dans la régression logistique, le pas d’apprentissage est :
Une seule réponse possible


15 - Quel est l’intervalle de sortie d’une régression linéaire ? Et d’une régression logistique ?
Une seule réponse possible
Une fois les réponses validées, vous ne pourrez plus modifier vos choix.