Voir la source de Apprentissage zéro-coup

==Définition==

L'apprentissage zéro-coup désigne un [[modèle d'apprentissage]] prêt à l'emploi qui peut accomplir une tâche sans avoir à être entraîné sur des exemples spécifiques au problème à résoudre.

== Compléments ==
Ces modèles font de la famille des modèles d'[[apprentissage par transfert]].
 
Désigne aussi une méthode d’apprentissage supervisé de classification multiclasses dont le but est de permettre la reconnaissance d’objets sans informations préalables ou à l’aide de représentations intermédiaires.

==Français==

'''apprentissage zéro-coup'''

'''apprentissage zéro coup'''

'''apprentissage zéro exemple''' 

'''apprentissage avec zéro exemple''' 

'''apprentissage à zéro exemple'''

'''apprentissage sans exemple''' 

==Anglais==
'''0-shot learning'''

'''zero-shot learning'''

'''zero shot learning'''

'''ZSL'''
==Sources==

Denis, Nicholas (2023)  [https://www.statcan.gc.ca/fr/science-donnees/reseau/serie-apprentissage-1#a1 - Révolution : Une nouvelle approche de pré-entraînement d'apprentissage par transfert voit le jour!]- Statistique Canada
Le Cacheux, Yannick (2020). [https://hal.inria.fr/tel-03153445/  ''Vers un apprentissage sans exemple plus réaliste''], Thèse de doctorat Conservatoire national des arts et metiers - CNAM, 200 pages.

Mensink, Thomas; Verbeek, Jakob;  Florent  Perronnin et Gabriela  Csurka (2012). ''Large  Scale  MetricLearning  for  Distance-Based  Image  Classification, Research''  Report 8077,  30 pages.

Bucher, Maxime (2018). ''Apprentissage et exploitation de représentations sémantiques pour la classification et la recherche d’images'', Université de Normandie, 192 pages. 

Ferreira, Emmanuel (2015). ''Apprentissage automatique en ligne pour un dialogue homme-machine situé. Environnements Informatiques pour l'Apprentissage Humain''. Université d'Avignon, 252 pages. 

[[Utilisateur:Patrickdrouin  | Source: Termino  ]]

[[Catégorie:Intelligence artificielle]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:101]]