Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Fine-Tuning
Technique d'ajustement des poids d'un modèle pré-entraîné sur de nouvelles données spécifiques à la tâche cible
Feature Extraction
Utilisation des couches inférieures d'un modèle pré-entraîné comme extracteur de caractéristiques fixes
Domain Adaptation
Adaptation d'un modèle entraîné sur un domaine source vers un domaine cible avec une distribution différente
Few-Shot Learning
Apprentissage avec très peu d'exemples d'entraînement par classe grâce à des connaissances transférées
Zero-Shot Learning
Classification d'objets jamais vus pendant l'entraînement en transférant des connaissances sémantiques
Multi-Task Transfer
Partage de représentations entre plusieurs tâches connexes pour améliorer les performances générales
Cross-Lingual Transfer
Transfert de connaissances entre modèles entraînés sur différentes langues
Progressive Networks
Architecture préservant les connaissances des tâches précédentes tout en apprenant de nouvelles tâches
Knowledge Distillation
Compression d'un grand modèle pré-entraîné vers un modèle plus petit tout en préservant les performances
Adversarial Transfer Learning
Utilisation de réseaux antagonistes pour aligner les distributions entre domaines source et cible
Transfer Learning for NLP
Application spécifique du transfer learning aux modèles de traitement du langage naturel comme BERT et GPT
Transfer Learning for Computer Vision
Réutilisation de modèles vision pré-entraînés (ResNet, VGG) pour des tâches de classification d'images spécifiques
Meta-Learning
Apprentissage à apprendre en optimisant la capacité de transfert rapide vers de nouvelles tâches
Self-Supervised Transfer
Transfert depuis des modèles pré-entraînés avec auto-supervision sur des données non étiquetées massives