Quiz — Mastering Machine Learning with Python in Six Steps.pdf

Question 1 sur 10 20:00

[{"id":22419,"question":"Quel module Python est le plus couramment utilisé pour le Machine Learning ?","option_a":"NumPy","option_b":"Pandas","option_c":"Scikit-learn","option_d":"Matplotlib","option_e":"","option_f":"","bonne_reponse":"c","explication":"Scikit-learn est la bibliothèque de référence pour implémenter des algorithmes de Machine Learning en Python, grâce à son API simple et ses outils intégrés.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"c\", \"options\": {\"a\": \"NumPy\", \"b\": \"Pandas\", \"c\": \"Scikit-learn\", \"d\": \"Matplotlib\"}}","_debug_options_count":4},{"id":22420,"question":"L'apprentissage supervisé nécessite des données étiquetées pour fonctionner.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"a","explication":"Dans l'apprentissage supervisé, les données d'entraînement doivent être étiquetées (c'est-à-dire associées à une réponse correcte) pour permettre au modèle d'apprendre à prédire ces étiquettes.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"a\", \"options\": {\"a\": \"Vrai\", \"b\": \"Faux\", \"c\": \"\", \"d\": \"\"}}","_debug_options_count":4},{"id":22421,"question":"Quelle métrique est utilisée pour évaluer un modèle de régression ?","option_a":"Précision (Accuracy)","option_b":"Rappel (Recall)","option_c":"Erreur quadratique moyenne (MSE)","option_d":"Score F1","option_e":"","option_f":"","bonne_reponse":"c","explication":"L'erreur quadratique moyenne (MSE) est une métrique courante pour évaluer la performance d'un modèle de régression, car elle mesure l'écart moyen entre les valeurs prédites et les valeurs réelles.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"c\", \"options\": {\"a\": \"Précision (Accuracy)\", \"b\": \"Rappel (Recall)\", \"c\": \"Erreur quad","_debug_options_count":4},{"id":22422,"question":"Le clustering est une technique d'apprentissage supervisé.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"b","explication":"Le clustering est une méthode d'apprentissage non supervisé, car il consiste à regrouper des données sans étiquettes prédéfinies, en fonction de leurssimilarités.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"Vrai\", \"b\": \"Faux\", \"c\": \"\", \"d\": \"\"}}","_debug_options_count":4},{"id":22423,"question":"Quel algorithme est adapté pour un problème de classification binaire ?","option_a":"K-Means","option_b":"Régression linéaire","option_c":"Arbre de décision","option_d":"Réseau de neurones","option_e":"","option_f":"","bonne_reponse":"c","explication":"Les arbres de décision sont particulièrement adaptés aux problèmes de classification binaire ou multiclasse, car ils séparent les données en fonction de règles logiques.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"c\", \"options\": {\"a\": \"K-Means\", \"b\": \"Régression linéaire\", \"c\": \"Arbre de décision\"","_debug_options_count":4},{"id":22424,"question":"La normalisation des données est obligatoire avant d'appliquer un algorithme de Machine Learning.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"b","explication":"La normalisation n'est pas toujours obligatoire, mais elle est fortement recommandée pour les algorithmes sensibles aux échelles des données (comme les réseaux de neurones ou la régression linéaire).","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"Vrai\", \"b\": \"Faux\", \"c\": \"\", \"d\": \"\"}}","_debug_options_count":4},{"id":22425,"question":"Quel est l'objectif principal de l'étape de 'validation croisée' dans un projet de Machine Learning ?","option_a":"Augmenter la taille du jeu de données","option_b":"Évaluer la performance du modèle de manière robuste","option_c":"Réduire le temps d'entraînement","option_d":"Simplifier les données","option_e":"","option_f":"","bonne_reponse":"b","explication":"La validation croisée permet d'évaluer la performance d'un modèle en utilisant plusieurs sous-ensembles de données, ce qui donne une estimation plus fiable de sa capacité à généraliser.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"Augmenter la taille du jeu de données\", \"b\": \"Évaluer la perfor","_debug_options_count":4},{"id":22426,"question":"Le surapprentissage (overfitting) se produit lorsque le modèle mémorise les données d'entraînement au lieu de généraliser.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"a","explication":"Le surapprentissage survient lorsque le modèle est trop complexe et s'adapte trop précisément aux données d'entraînement, perdant ainsi sa capacité à prédire correctement de nouvelles données.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"a\", \"options\": {\"a\": \"Vrai\", \"b\": \"Faux\", \"c\": \"\", \"d\": \"\"}}","_debug_options_count":4},{"id":22427,"question":"Quel algorithme est basé sur le principe des 'voisins les plus proches' ?","option_a":"Régression logistique","option_b":"K-Nearest Neighbors (KNN)","option_c":"Support Vector Machine (SVM)","option_d":"Forêt aléatoire","option_e":"","option_f":"","bonne_reponse":"b","explication":"L'algorithme K-Nearest Neighbors (KNN) classe une nouvelle donnée en fonction des classes de ses k voisins les plus proches dans l'espace des caractéristiques.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"b\", \"options\": {\"a\": \"Régression logistique\", \"b\": \"K-Nearest Neighbors (KNN)\", \"c\": \"","_debug_options_count":4},{"id":22428,"question":"La fonction 'train_test_split' de Scikit-learn permet de diviser un jeu de données en ensembles d'entraînement et de test.","option_a":"Vrai","option_b":"Faux","option_c":"","option_d":"","option_e":"","option_f":"","bonne_reponse":"a","explication":"La fonction 'train_test_split' est utilisée pour séparer un jeu de données en deux sous-ensembles : un pour l'entraînement du modèle et un pour son évaluation.","points":1,"type":"qcm","actif":1,"section_id":null,"ordre":0,"_debug_answer_data_type":"string","_debug_answer_data_preview":"{\"correct\": \"a\", \"options\": {\"a\": \"Vrai\", \"b\": \"Faux\", \"c\": \"\", \"d\": \"\"}}","_debug_options_count":4}]