Intelligence Artificielle

0 leçon(s) terminée(s) sur 6 (0 %)

Quitter le cours

Retour à la leçon

Quiz Le réseau de neurones par l’exemple

1. Labels
1

Quel est le rôle des étiquettes (labels) dans l’apprentissage des réseaux de neurones à partir d’images ?
- Elles ajoutent des bordures colorées aux images.
- Elles indiquent la provenance des images.
- Elles fournissent des informations sur ce qui est présent dans les images.
- Elles définissent les couleurs des pixels dans les images.
2. Similarité
1

Comment l’apprentissage renforcé est-il similaire à l’apprentissage humain ?
- En utilisant des données étiquetées pour l’apprentissage
- En apprenant à partir d’expériences et d’essais
- En suivant un algorithme pré-défini
- En utilisant un cerveau artificiel
3. CNN
1

Comment les réseaux de neurones convolutifs (CNN) traitent-ils les images pour l’apprentissage ?
- En convertissant les images en texte.
- En effectuant des opérations mathématiques complexes sur les pixels.
- En extrayant des caractéristiques visuelles à partir des pixels.
- En utilisant des images uniquement en noir et blanc.
4. Neurone
1

Quelle est la principale fonction des neurones dans un réseau de neurones artificiels ?
- Stocker des informations
- Prendre des décisions en utilisant une fonction d’activation
- Effectuer des calculs mathématiques complexes
- Communiquer avec d’autres ordinateurs
5. Super
1

Quelle est la principale différence entre l’apprentissage supervisé et l’apprentissage non supervisé ?
- L’apprentissage supervisé utilise des données étiquetées, tandis que l’apprentissage non supervisé n’en utilise pas.
- L’apprentissage supervisé est plus rapide que l’apprentissage non supervisé.
- L’apprentissage non supervisé nécessite moins d’exemples.
- L’apprentissage non supervisé fonctionne uniquement avec des images.
6. Renforcé
1

Quel est l’objectif de l’apprentissage renforcé ?
- Apprendre à partir de données étiquetées
- Apprendre à partir d’expériences et de récompenses
- Apprendre uniquement à partir d’erreurs
- Apprendre à partir de données aléatoires