« Modèle » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(19 versions intermédiaires par 4 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
==Définition==
En apprentissage automatique:
De manière générale, un modèle est une description logique simplifiée d’un système complexe (environnement, processus, objet, etc.) qui prend en compte les comportements que le créateur du modèle considère comme significatifs.


Un modèle est une représentation de ce qu'un algorithme d'apprentissage automatique apprend à partir des données d'entraînement. Il comporte des paramètres ou des poids et parfois la structure du calcul ou l’architecture du modèle. Une fois entraîné, le modèle peut être sauvegardé dans un fichier. Une fois entraîné, le modèle sera appliqué sur de nouvelles données pour obtenir des résultats ou prédictions.
En '''[[apprentissage automatique]]''' :


Par abus de langage, on finit par ne plus faire les distinctions entre l’algorithme d’apprentissage, le modèle, le modèle d'apprentissage, le réseau de neurones et l'architecture du réseau de neurones.
Un modèle est une représentation de ce qu’un '''[[Algorithme d'apprentissage|algorithme d’apprentissage automatique]]''' apprend à partir des '''[[données d'entraînement]]'''.  


En intelligence artificielle symbolique:
Une fois entraîné, le modèle sera appliqué sur de nouvelles '''[[données]]''' pour obtenir des résultats ou prévisions / prédictions.
Un modèle est une représentation explicite d'un système complexe au moyen d'objets et de règles. On peut recourir à la simulation pour étudier le comportement du modèle.


== Français ==
En '''[[intelligence artificielle symbolique]]''' :
 
Un modèle est une représentation explicite d’un système complexe au moyen d’objets et de règles. On peut recourir à la simulation pour étudier le comportement du modèle.
 
==Compléments==
En [[apprentissage automatique]], [[modèle paramétrique]] comporte des '''[[Paramètre|paramètres]]''' ou des '''[[poids]]''' et parfois la structure du calcul ou l’architecture du modèle. Le modèle entraîné peut être sauvegardé dans un fichier. Un [[modèle non paramétrique]] est défini par les données elles-mêmes, sans paramètres spécifiques ou plutôt toutes les données sont des paramètres du modèle.
 
Par abus de langage, on finit par ne plus distinguer entre l’algorithme d’apprentissage, le modèle, le réseau de neurones et l’architecture du réseau de neurones.
 
==Français==
'''modèle'''
'''modèle'''


'''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small>
'''modèle d'apprentissage''' <small><i>(en apprentissage automatique)</i></small>


== Anglais ==
==Anglais==
'''model'''
'''model'''


'''training model''' <small><i>(for machine learning)</i></small>
'''training model''' <small><i>(for machine learning)</i></small>


<small>
==Español==
 
''''' modelo '''''
 
''En términos generales, un modelo es una descripción lógica simplificada de un sistema complejo (entorno, proceso, objeto, etc.) que tiene en cuenta los comportamientos que el creador del modelo considera significativos.''
 
''En aprendizaje automático: un modelo es una representación de lo que un algoritmo de aprendizaje automático aprende a partir de los datos de entrenamiento. Incluye parámetros o pesos y, a veces, la estructura del cálculo o la arquitectura del modelo. Una vez entrenado, el modelo puede guardarse en un archivo.''
 
''Una vez entrenado, el modelo se aplicará a nuevos datos para obtener resultados o predicciones.''
 
''Por abuso del lenguaje, acabamos dejando de distinguir entre el algoritmo de aprendizaje, el modelo, la red neuronal y la arquitectura de la red neuronal.''
 
''En inteligencia artificial simbólica: Un modelo es una representación explícita de un sistema complejo mediante objetos y reglas. La simulación permite estudiar el comportamiento del modelo.''
 
==Sources==
 
[https://developers.google.com/machine-learning/glossary/  Source : Google machine learning glossary]


[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary ]
</small><br>
{{Modèle:101}}


[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Apprentissage automatique]]
[[Category:Apprentissage automatique]]
[[Catégorie:PUBLICATION]]
[[Catégorie:101]]

Dernière version du 22 juillet 2025 à 11:17

Définition

De manière générale, un modèle est une description logique simplifiée d’un système complexe (environnement, processus, objet, etc.) qui prend en compte les comportements que le créateur du modèle considère comme significatifs.

En apprentissage automatique :

Un modèle est une représentation de ce qu’un algorithme d’apprentissage automatique apprend à partir des données d'entraînement.

Une fois entraîné, le modèle sera appliqué sur de nouvelles données pour obtenir des résultats ou prévisions / prédictions.

En intelligence artificielle symbolique :

Un modèle est une représentation explicite d’un système complexe au moyen d’objets et de règles. On peut recourir à la simulation pour étudier le comportement du modèle.

Compléments

En apprentissage automatique, modèle paramétrique comporte des paramètres ou des poids et parfois la structure du calcul ou l’architecture du modèle. Le modèle entraîné peut être sauvegardé dans un fichier. Un modèle non paramétrique est défini par les données elles-mêmes, sans paramètres spécifiques ou plutôt toutes les données sont des paramètres du modèle.

Par abus de langage, on finit par ne plus distinguer entre l’algorithme d’apprentissage, le modèle, le réseau de neurones et l’architecture du réseau de neurones.

Français

modèle

modèle d'apprentissage (en apprentissage automatique)

Anglais

model

training model (for machine learning)

Español

modelo

En términos generales, un modelo es una descripción lógica simplificada de un sistema complejo (entorno, proceso, objeto, etc.) que tiene en cuenta los comportamientos que el creador del modelo considera significativos.

En aprendizaje automático: un modelo es una representación de lo que un algoritmo de aprendizaje automático aprende a partir de los datos de entrenamiento. Incluye parámetros o pesos y, a veces, la estructura del cálculo o la arquitectura del modelo. Una vez entrenado, el modelo puede guardarse en un archivo.

Una vez entrenado, el modelo se aplicará a nuevos datos para obtener resultados o predicciones.

Por abuso del lenguaje, acabamos dejando de distinguir entre el algoritmo de aprendizaje, el modelo, la red neuronal y la arquitectura de la red neuronal.

En inteligencia artificial simbólica: Un modelo es una representación explícita de un sistema complejo mediante objetos y reglas. La simulación permite estudiar el comportamiento del modelo.

Sources

Source : Google machine learning glossary



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