« Apprentissage zéro-coup » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(30 versions intermédiaires par 4 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==Définition==
==Définition==


Désigne un modèle d'apprentissage prêt à l'emploi qui peut accomplir une tâche sans aucun nouvel exemple à partir de ce qu'il a déjà appris.
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 ==
== 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.
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==
==Français==
'''apprentissage sans exemple'''
 
'''apprentissage zéro-coup'''
 
'''apprentissage zéro coup'''


'''apprentissage zéro exemple'''  
'''apprentissage zéro exemple'''  


'''apprentissage à partir de zéro'''
'''apprentissage avec zéro exemple'''  


'''apprentissage sans données de référence'''
'''apprentissage à zéro exemple'''
 
'''apprentissage sans exemple'''  


==Anglais==
==Anglais==
Ligne 25 : Ligne 31 :
'''ZSL'''
'''ZSL'''


<small>
==Español==
 
Source: 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.


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


Source: Bucher, Maxime (2018). ''Apprentissage et exploitation de représentations sémantiques pour la classification et la recherche d’images'', Université de Normandie, 192 pages.
''El aprendizaje cero se refiere a un modelo de aprendizaje listo para usar que puede realizar una tarea sin tener que ser entrenado con ejemplos específicos del problema a resolver.''  


Source: Ferreira, Emmanuel (2015). ''Apprentissage automatique en ligne pour un dialogue homme-machine situé. Environnements Informatiques pour l'Apprentissage Humain''. Université d'Avignon, 252 pages.  
==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  ]]
[[Utilisateur:Patrickdrouin  | Source: Termino  ]]
 
{{Modèle:101}}
[[Catégorie:Intelligence artificielle]]
[[Catégorie:Intelligence artificielle]]
[[Catégorie:Termino 2019]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:101]]

Dernière version du 21 juillet 2025 à 15:19

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

Español

aprendizaje sin disparos

El aprendizaje cero se refiere a un modelo de aprendizaje listo para usar que puede realizar una tarea sin tener que ser entrenado con ejemplos específicos del problema a resolver.

Sources

Denis, Nicholas (2023) - Révolution : Une nouvelle approche de pré-entraînement d'apprentissage par transfert voit le jour!- Statistique Canada Le Cacheux, Yannick (2020). 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.

Source: Termino 101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle » Ligne bleue2.jpg