• Données étiquetées : données d'exemples annotés (type une photo d'un chien avec le mot "chien").
• Un modèle est une fonction mathématique avec des paramêtres
• Un résau de neurones est un modèle énormément utilisé en machine learning, basé du fonctionnement de notre cerveau, composé de neurones. Il y a des noeuds, regroupés par couches, interconnectés ensembles. Ils possèdent tous une valeur. Peut importe le nombre de couche, la valeur d'un noeud est la fonction d'activation (F) appliqué à la valeur des noeuds pondérés. $\sum _{i=0}^n(a_i{x}_i)+b$
• Supervisé: Il est important de donner à l'IA les données d'apprentissages. Pour mon IA détectrices d'images (chien & chat), il faut lui donner des images en tant qu'exemple, des données étiquetées.
• Non supervisé: Ici, les données étiquetées ne sont pas doné. Il faut que l'IA forme de groupe, pas forcément nommées.
• Par Renforcement: L'IA joue toute seule. On lui explique les règles, et on lui offre des récompenses. Elle comprend elle même quoi faire et comment le faire mieux.

TP 11

• Résau dense : réseaux de neurones où chaque neurone est connecté à tout les neurone de la couche précédente (et donc suivante)
• Résau convolutif : "Réseau de réseaux",
• Transformeur : Architecture pour l'analyse de texte qui intègre un mechanisme d'attention.

Les NLP étaient d'abord très "logique" avant de passer à des systèmes dd'intelligence artificiele (Blue car -> Bleu voiture)

On peut également, on peut assembler des modèles