« Apprentissage multitâche » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
Sous-domaine de l’apprentissage automatique qui vise à résoudre plusieurs tâches différentes en même temps, en tirant parti des similitudes qui existent entre elles. | Sous-domaine de l’apprentissage automatique qui vise à résoudre plusieurs tâches différentes en même temps, en tirant parti des similitudes qui existent entre elles. | ||
Robotique - Entraîner un seul modèle pour résoudre plusieurs tâches simultanément, en partageant les représentations entre les tâches. En apprentissage robotique, les modèles multi-tâches apprennent un encodeur visuel commun et des têtes spécifiques à chaque tâche, ou utilisent des embeddings de tâche pour conditionner une politique partagée. Les avantages incluent une meilleure efficacité des données (les tâches partagent des caractéristiques utiles) et une simplicité de déploiement (un seul modèle sert plusieurs tâches). | En Robotique - Entraîner un seul modèle pour résoudre plusieurs tâches simultanément, en partageant les représentations entre les tâches. En apprentissage robotique, les modèles multi-tâches apprennent un encodeur visuel commun et des têtes spécifiques à chaque tâche, ou utilisent des embeddings de tâche pour conditionner une politique partagée. Les avantages incluent une meilleure efficacité des données (les tâches partagent des caractéristiques utiles) et une simplicité de déploiement (un seul modèle sert plusieurs tâches). | ||
== Français == | == Français == | ||
Version du 21 septembre 2026 à 19:59
Définition
Sous-domaine de l’apprentissage automatique qui vise à résoudre plusieurs tâches différentes en même temps, en tirant parti des similitudes qui existent entre elles.
En Robotique - Entraîner un seul modèle pour résoudre plusieurs tâches simultanément, en partageant les représentations entre les tâches. En apprentissage robotique, les modèles multi-tâches apprennent un encodeur visuel commun et des têtes spécifiques à chaque tâche, ou utilisent des embeddings de tâche pour conditionner une politique partagée. Les avantages incluent une meilleure efficacité des données (les tâches partagent des caractéristiques utiles) et une simplicité de déploiement (un seul modèle sert plusieurs tâches).
Français
apprentissage multitâche
Anglais
multi-task learning
multi task learning detail
MTL
Sources
Contributeurs: Imane Meziani, wiki
