Entraîner des modèles d'IA - Apprendre aux machines à progresser

Aperçu public de la leçon

Comprenez la boucle d'entraînement, les fonctions de perte, le surapprentissage, et comment savoir quand votre modèle d'IA est prêt.

Objectifs d’apprentissage

À la fin de cette leçon, tu comprendras :

• ✓La boucle d'entraînement
• ✓Fonctions de perte : à quel point le modèle se trompe-t-il ?
• ✓Epochs : combien de passages sur les données ?
• ✓Surapprentissage : l'étudiant qui mémorise
• ✓Sous-apprentissage : l'étudiant qui ne révise pas

Plan de la leçon

1. La boucle d'entraînement
2. Fonctions de perte : à quel point le modèle se trompe-t-il ?
3. Epochs : combien de passages sur les données ?
4. Surapprentissage : l'étudiant qui mémorise
5. Sous-apprentissage : l'étudiant qui ne révise pas
6. Jeux de validation et de test
7. Quand arrêter l'entraînement
8. Points clés à retenir