🔢Quantification

Réduire la précision des paramètres d'un modèle pour baisser mémoire et calcul.

🔁Réseau de neurones récurrent

Un réseau à boucles qui garde une mémoire des entrées précédentes.

📉Régression

La tâche de prédire une valeur numérique continue à partir de caractéristiques.

⚖️Régularisation

Techniques qui pénalisent la complexité pour éviter le surapprentissage.

🎮Apprentissage par renforcement

Apprendre par essais et erreurs en maximisant la récompense cumulée.

🎲Machine de Boltzmann restreinte

Un réseau neuronal stochastique génératif avec des unités visibles et cachées.

🦾Robotique

La conception, la construction et l'exploitation de machines intelligentes.

🪞Auto-attention

Un mécanisme d'attention qui relie différentes positions d'une même séquence.

🌗Apprentissage semi-supervisé

Apprentissage qui combine peu de données étiquetées et des données non étiquetées.

🎤Reconnaissance vocale

Transcrire la langue parlée en texte écrit.

👨‍🏫Apprentissage supervisé

Apprendre à partir de données étiquetées pour relier des entrées à des sorties connues.

🔊Synthèse vocale

Produire de la parole à partir d'un texte écrit.

✂️Tokenisation

Le découpage d'un texte en unités plus petites appelées tokens.

📚Données d'entraînement

Le jeu de données utilisé pour apprendre à un modèle à faire des prédictions.

🔄Apprentissage par transfert

Réutiliser le savoir d'une tâche pour améliorer la performance sur une autre.

🤖Transformer

Une architecture de réseau de neurones fondée sur l'auto-attention.

📉Sous-apprentissage

Un modèle est trop simple pour saisir la structure sous-jacente des données.

🔍Apprentissage non supervisé

Apprendre à partir de données non étiquetées pour découvrir des structures cachées.

🗜️Autoencodeur variationnel

Un modèle génératif qui apprend une représentation latente des données d'entrée.

🔤Plongement de mots

Une représentation vectorielle dense des mots qui saisit leur sens.

0️⃣Apprentissage sans exemple

La capacité d'un modèle à traiter des tâches pour lesquelles il n'a pas été explicitement entraîné.