Exercices corrigés d'Intelligence artificielle
Ces 67 exercices accompagnent le cours d'Intelligence artificielle et suivent son ordre, notion par notion. Chacun se corrige dans la page, au clic : pas de compte à créer, pas de fichier à rendre, et la correction dit ce qui ne va pas plutôt que de donner une note.
Ce qu'apprendre veut dire6 exercices
Ce que les premiers chiffres décident déjà, et l'ordre qu'un codage invente.
Le cours : Introduction à l'apprentissage automatique
Explorer les données6 exercices
La valeur qui tire la moyenne, et la sentinelle que le compteur ne voit pas.
Le cours : L'analyse exploratoire des données
Couches et non-linéarité6 exercices
Compter les paramètres, et les deux cellules qui suffisent une fois sur trois.
Le cours : Les réseaux de neurones : couches et non-linéarité
- Compter les paramètres d'un réseauFacile
- Deux cellules suffisent, et échouent une fois sur troisAccessible
- Plusieurs couches sans activation, une seule droiteAccessible
- Le gradient qui ne passe pas la vérificationAccessible
- Le gradient qui s'évanouit sur six couchesIntermédiaire
- Un neurone qui note une parcelleFacile
Un système complet6 exercices
Le même seuil sur deux populations, et les trois mesures d'équité qui ne coexistent pas.
Le cours : De la prédiction à la décision : l'équité
Partitionnement7 exercices
Affecter au centre le plus proche, replacer un centre, et l'inertie qui remonte quand le calcul est faux.
Le cours : Le partitionnement : les k moyennes
Régression linéaire6 exercices
La droite qui minimise la somme des carrés, l'erreur qui la mesure, et la prédiction aux rôles inversés.
Classer6 exercices
De quel côté de la frontière, la probabilité logistique, et le k qui change la réponse.
Le cours : La classification et le perceptron
Généraliser6 exercices
La courbe en U, ce que coûte une validation croisée, et ce que la pénalité achète.
Le cours : Surapprentissage et compromis biais-variance
Préparer les données6 exercices
Valeurs manquantes, mise à l'échelle, et la fuite de données.
Le cours : Préparer les données
Descente de gradient6 exercices
Le pas, son taux, et le signe qui décide de monter ou de descendre.
Le cours : La descente de gradient
Mesurer un classifieur6 exercices
Lire une matrice de confusion, et ne pas confondre précision et rappel.
Le cours : Matrice de confusion, précision et rappel
Les notions ci-dessus sont enseignées dans le cours d'Intelligence artificielle, chapitre par chapitre. Les autres parcours sont dans les exercices corrigés.