Entraînement

Votre mouvement d’apprentissage

S’orienterClarifier un terme, une source, une personne ou un événement.

Pourquoi cette page existe

Les pages de référence soutiennent l’apprentissage sans vous obliger à abandonner votre question ou parcours.

Ce que vous en retirerez

L’entraînement est le processus d’ajustement d’un modèle pour améliorer sa performance selon un objectif avec des données, du feedback ou des interactions.

Avant de commencer

Utilisez ces pages seules ou revenez à l’objet qui vous y a conduit.

Faites ceci maintenant

Trouvez le fait ou la relation nécessaire, puis revenez à votre objectif.

À faire maintenantClarifier ce conceptLe plan indique le résultat, le temps, les prérequis, l’action immédiate et la suite préparée.Autre parcours valableExaminer les SourcesVoir la provenance, la revue et les limites des preuves.

Compte

Glossaire connecté

Entraînement

L’entraînement est le processus d’ajustement d’un modèle pour améliorer sa performance selon un objectif avec des données, du feedback ou des interactions.

Plan pour cette page

Comprendre un concept dans un langage simple et le relier à des idées voisines.

Vous repartirez avec: La procédure compare les résultats à une cible ou un signal puis met à jour les paramètres pour réduire l’erreur mesurée ou augmenter une récompense. Exemples, objectifs, échantillonnage, validation et arrêt façonnent ce que le modèle apprend ou manque.
Temps: 3–8 min
Avant de commencer: Aucun prérequis. Gardez un exemple réel en tête.
Faites ceci maintenant: Lisez l’explication, puis comparez l’exemple à l’idée reçue.

Étape suivante préparéeComparer entraînement et inférence

EntraînementL’entraînement est le processus d’ajustement d’un modèle pour améliorer sa performance selon un objectif avec des données, du feedback ou des interactions.

Modèle
Paramètres
Inférence
Jeu de données
Évaluation

Explication

La procédure compare les résultats à une cible ou un signal puis met à jour les paramètres pour réduire l’erreur mesurée ou augmenter une récompense. Exemples, objectifs, échantillonnage, validation et arrêt façonnent ce que le modèle apprend ou manque.

Exemple

Un classificateur reçoit des images de plantes étiquetées, prédit puis ajuste ses paramètres lorsque prédictions et étiquettes diffèrent.

Pourquoi cela compte

Entraîner et utiliser un modèle sont deux étapes avec coûts, flux de données et contrôles différents. Cette distinction aide à juger les affirmations sur l’apprentissage à partir d’une conversation actuelle.

Idée reçue

Idée reçue : chaque usage réentraîne immédiatement le modèle sur l’entrée. Correction : l’inférence utilise souvent des paramètres fixes ; rétention ou entraînement ultérieur relèvent d’une autre politique produit.

Concepts liés

Suivez les relations, pas seulement l’alphabet

ModèleUn modèle est une représentation apprise ou conçue qui associe des entrées à des résultats pour une tâche ou famille de tâches définie.ParamètresLes paramètres sont des valeurs numériques internes qu’une procédure d’entraînement ajuste pour façonner le comportement d’un modèle.InférenceL’inférence consiste à exécuter un modèle entraîné sur une entrée pour produire une prédiction, génération, note ou autre résultat.Jeu de donnéesUn jeu de données est une collection organisée d’exemples ou d’enregistrements utilisée pour l’entraînement, l’évaluation, l’analyse ou l’exploitation.ÉvaluationL’évaluation est la mesure et l’enquête structurées sur la performance d’un modèle ou système face à des questions, critères et contextes définis.

Comparer entraînement et inférence

Sources et périmètre

Ce qui soutient cet objet

Machine Learning Crash CourseGoogle for Developers

Explique la formation et l'évaluation dans un cours technique pratique ; les procédures spécifiques diffèrent selon la famille de modèles et la tâche.

Ouvrir la source

Loading page content...

…