Glosarium AI
Kamus lengkap Kecerdasan Buatan
Fonction de Perte (Loss Function)
Métrique mathématique qui quantifie l'écart entre les prédictions du modèle et les étiquettes réelles, servant de signal pour l'algorithme d'optimisation afin d'ajuster les poids du réseau pendant l'entraînement.
Accuracy (Précision)
Métrique de classification calculée comme le ratio du nombre de prédictions correctes sur le nombre total de prédictions, souvent utilisée comme mesure de performance globale sur des jeux de données équilibrés.
Couches de Convolution
Couches fondamentales des CNNs qui appliquent des filtres (kernels) glissants sur l'image d'entrée pour détecter des motifs locaux comme les bords, les textures et les formes, générant des cartes de caractéristiques.
Embedding d'Image
Représentation vectorielle dense et de faible dimension d'une image, générée par une couche intermédiaire d'un réseau, qui capture son contenu sémantique et peut être utilisée pour des tâches comme la recherche ou le clustering.
Taux d'Apprentissage (Learning Rate)
Hyperparamètre contrôulant l'amplitude des mises à jour des poids du modèle à chaque itération de l'optimisation, influençant directement la vitesse de convergence et la qualité du modèle final.
Architecture ResNet (Residual Network)
Famille de CNNs profonds introduisant des connexions résiduelles (skip connections) pour atténuer le problème de la disparition du gradient, permettant l'entraînement de réseaux beaucoup plus profonds et performants.
Zero-Shot Classification
Tâche de classification où le modèle doit prédire des étiquettes de classes qu'il n'a jamais vues pendant l'entraînement, en s'appuyant sur des informations sémantiques externes comme des descriptions textuelles.