Glossaire

Kaggle

Qu’est-ce que Kaggle ?

Kaggle est une plateforme en ligne de science des données et d'apprentissage automatique, détenue par Google depuis 2017. Elle propose des jeux de données publics, des compétitions sur des problèmes réels, des notebooks dans le navigateur avec ressources de calcul et des formations. Pour les entreprises comme pour les apprenants, elle permet de tester des méthodes, de comparer des approches ou de repérer des talents. Vérifiez la licence et l'origine de chaque jeu de données avant utilisation.

Thèmes

Science des données
Compétitions
Jeux de données

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Apprentissage automatique

L’apprentissage automatique (machine learning) est une branche de l’intelligence artificielle dans laquelle les ordinateurs déduisent des régularités à partir de données au lieu de recevoir chaque règle explicitement programmée. Selon la tâche, les modèles apprennent à partir d’exemples étiquetés (supervisé), de données non étiquetées (non supervisé) ou par récompense (par renforcement). Les applications vont des filtres anti-spam aux prévisions de demande et aux recommandations de produits. La qualité dépend fortement du volume et de la qualité des données d’entraînement.

fondamentaux
IA
+1

Jupyter Notebook

Jupyter Notebook est une application open source fonctionnant dans le navigateur, issue du projet Jupyter, qui réunit dans un même document du code exécutable, des résultats, des graphiques et du texte explicatif. Les notebooks sont très utilisés en analyse de données, en apprentissage automatique, en recherche et en enseignement, car chaque étape peut être documentée et partagée de façon traçable. Python est le langage le plus courant. Exemple : un analyste charge des ventes, les nettoie et affiche le résultat sous forme de graphique juste en dessous.

Analyse de données
Python
+1

Benchmarking

En IA, le benchmarking désigne la comparaison systématique de modèles ou de systèmes à partir de tâches et de critères définis. Les benchmarks publics mesurent par exemple les connaissances générales, le raisonnement ou la programmation ; pour un usage concret, ce sont surtout des cas de test issus de votre propre activité qui comptent. On compare généralement exactitude, exhaustivité, temps de réponse et coût. Cela permet de savoir si un modèle plus petit et moins cher suffit pour une tâche.

Comparaison de modèles
Évaluation
+1

Modèle

Données d'entraînement

Les données d'entraînement sont les exemples à partir desquels un modèle d'IA apprend des régularités : de vastes corpus de textes pour les modèles de langage, des images annotées pour les modèles de vision. Leur qualité, leur diversité et leur actualité déterminent largement la fiabilité, l'équité et le niveau de connaissances d'un modèle. Pour une entreprise, il importe aussi de savoir si un fournisseur réutilise vos données clients pour l'entraînement.

Données
Entraînement
+1