Introduction à l'apprentissage automatique · Question 49 sur 60

Un classifieur de variétés de pommes doit être adapté par fine-tuning. Quelles tâches cibles fonctionneront probablement bien et lesquelles moins bien ?

2 réponses sont correctes. Difficile Créé avec l’IA

Afficher la solution

Solution

  • A Bien : reconnaître des variétés de poires sur des photos
  • B Moins bien : reconnaître des chants d'oiseaux

Explication

Le fine-tuning fonctionne d'autant mieux que la nouvelle tâche est proche de l'ancienne. Passer de photos de pommes à des photos de poires est un petit pas, et le modèle peut réutiliser une grande partie de ce qu'il sait déjà. Les chants d'oiseaux sont des enregistrements audio, pour lesquels ce qu'il a appris n'aide guère. Pour la même raison, un LLM peut être bien affiné pour une tâche spécialisée très proche si de bonnes données d'entraînement sont disponibles.

Certifications & examens

Quel examen pour la suite ?

Tu peux déjà t’entraîner pour 51 examens, 16 sont soumis au vote. Découvre toutes les certifications avec les infos officielles, vote ou propose ton examen.

Voir toutes les certifications