温馨提示：本站仅提供公开网络链接索引服务，不存储、不篡改任何第三方内容，所有内容版权归原作者所有

Qu’est-ce qu’un algorithme de machine learning ? | IBM

进入原网站导航首页

Bienvenue Aperçu Types de machine learning Algorithmes de machine learning Machine learning statistique Algèbre linéaire pour le machine learning Quantification de l’incertitude Compromis biais-variance Aperçu Sélection des caractéristiques Extraction de caractéristiques Plongement vectoriel Espace latent Analyse en composantes principales Analyse discriminante linéaire Suréchantillonnage Sous-échantillonnage Données synthétiques Fuite de données Aperçu Régression linéaire Régression lasso Régression de crête Modèle d’espace d’état Séries temporelles Modèle autorégressif Aperçu Arbres de décision K plus proches voisins (KNN)Naïve bayésienne Forêt d’arbres décisionnels Machine à vecteurs de support Régression logistique Aperçu Boosting Bagging Boosting de gradient Classificateur de boosting de gradient Aperçu Apprentissage par transfert Aperçu Aperçu Clustering k-means Clustering hiérarchique Algorithme a priori Modèle de mélange gaussien Détection des anomalies Aperçu Filtrage collaboratif Filtrage basé sur le contenu Aperçu Apprentissage par renforcement à partir des commentaires humains Aperçu Aperçu Rétropropagation Modèles d’encodeur-décodeur Réseaux de neurones récurrents Réseaux de neurones convolutifs Aperçu Mécanisme d’attention Attention de requête groupée Codage positionnel Auto-encodeur Modèle Mamba Réseau de neurones graphique Aperçu Modèle génératif IA générative et IA prédictive Aperçu Modèles de raisonnement Petits modèles de langage Réglage des instructions Paramètres des LLM Température des LLM Benchmarks de LLM Personnalisation des LLM Modèles de diffusion Auto-encodeurs variationnels (VAE)Réseaux antagonistes génératifs (GAN)Aperçu Modèles de langage visuel Tutoriel : Créer un styliste d’IA Tutoriel : Requêtes d’IA multimodale avec Llama Tutoriel : Requêtes d’IA multimodale avec Pixtral Tutoriel : Transcription de podcast automatique avec Granite Tutoriel : Système de réponse d’analyse d’image d’IA PPT Aperçu GraphRAG Tutoriel : Créer un système RAG multimodal avec Docling et Granite Tutoriel : Évaluer le pipeline RAG à l’aide de Ragas Tutoriel : Stratégies de segmentation RAG Tutoriel : La méthode Graph RAG à l’aide de graphes de connaissances Tutoriel : Mise à l’échelle de l’inférence pour améliorer la RAG multimodale Aperçu Codage de Vibe Consulter le guide des agents d’IA à l’horizon 2025 Aperçu Fonction de perte Données d’entraînement Paramètres du modèle Descente de gradient Descente de gradient stochastique Réglage des hyperparamètres Taux d'apprentissage Aperçu Réglage fin efficace en paramètres (PEFT)LoRA Tutoriel : Affiner le modèle Granite avec LoRA Régularisation Modèles de fondation Surajustement Sous-ajustement Apprentissage few-shot Apprentissage zero-shot Distillation des connaissances Méta-apprentissage Augmentation des données Oubli catastrophique Aperçu Scikit-Learn XGBoost PyTorch Aperçu Cycle de vie de l’IA Inférence IA Déploiement de modèle Pipeline de machine learning Étiquetage des données Gestion des risques liés aux modèles Dérive de modèle AutoML Sélection du modèle Apprentissage fédéré Machine learning distribué Pile d’IA Aperçu Compréhension du langage naturel Aperçu Analyse des sentiments Traduction automatique Aperçu Recherche d’information Extraction d’informations Modélisation thématique Analyse sémantique latente Allocation de Dirichlet latente Reconnaissance des entités nommées Prolongements lexicaux Sac de mots Recherche intelligente Reconnaissance vocale Racinisation et lemmatisation Synthèse de texte IA conversationnelle Analyse conversationnelle Génération automatique de texte en langage naturel Aperçu Classification des images Détection d’objets Segmentation d’instances Segmentation sémantique Reconnaissance optique de caractères Reconnaissance d’images Inspection visuelle Dave Bergmann intelligence artificielle machine learning science des données modèles de régression linéaire pseudocode modèle d’IA entraîner un modèle de machine learning paramètres du modèle surapprentissage Déclaration de confidentialité d’IBM apprentissage supervisé vérité terrain apprentissage non supervisé d’apprentissage par renforcement (RL)apprentissage semi-supervisé l’apprentissage auto-supervisé grands modèles de langage (LLM)pré-entraînement affinés Regardez tous les épisodes de Mixture of Experts paramètres du modèle fonction de perte La classification La régression linéaire algorithmes Les modèles d’espace d’état (SSM)traitement automatique du langage naturel (TAL)Naïve Bayes théorème de Bayes La régression logistique dans une fonction K plus proches voisins (KNN)espace d’embedding vectoriel machines à vecteurs de support (SVM)apprentissage semi-supervisé apprentissage auto-supervisé auto-encodeurs grands modèles de langage (LLM)vision par ordinateur l’IA multimodale Le machine learning non supervisé réglage manuel des hyperparamètres algorithmes de partitionnement détection d’anomalies partitionnement K-means algorithme apriori réduction de la dimensionnalité espace latent L’analyse en composantes principales (ACP)auto-encodeurs apprentissage ensembliste apprentissage par renforcement modèles de raisonnement apprentissage par renforcement basé sur les commentaires humains (RLHF)apprentissage ensembliste algorithmes de boosting XGBoost bibliothèque de machine learning bagging forêt aléatoire distillation des connaissances L’apprentissage profond machine learning réseaux de neurones modèles d’IA générative intelligence artificielle ingénierie de caractéristiques machine learning apprentissage profond machines de Boltzmann restreintes l’entraînement du modèle segmentation d’images convolutives régularisation eBook Science des données et MLOps pour les responsables des données Unissez vos forces à celles d’autres responsables pour promouvoir les trois piliers essentiels du MLOps et d’une IA digne de confiance : confiance dans les données, confiance dans les modèles et confiance dans les processus. Lire l’eBook Formation Renforcez votre expertise en matière de ML Apprenez des concepts fondamentaux et développez vos compétences grâce à des ateliers pratiques, à des cours, à des projets guidés, à des essais et à d’autres ressources. Découvrir les cours de ML eBook Libérez la puissance de l’IA générative et du ML Découvrez comment intégrer en toute confiance l’IA générative et le machine learning dans votre entreprise. Lire l’eBook Podcast Techsplainers Le machine learning, expliqué Techsplainers by IBM présente les fondements du machine learning, des concepts clés aux cas d’utilisation concrets. Des épisodes clairs et rapides vous permettent d’apprendre rapidement les principes fondamentaux. Écouter maintenant Guide Mettre l’IA au travail : mise en place d'un retour sur investissement grâce à l'IA générative Vous voulez obtenir un meilleur retour sur vos investissements dans l’IA ? Découvrez comment la mise à l’échelle de l’IA générative dans des domaines clés favorise le changement en aidant vos meilleurs éléments à créer et à fournir de nouvelles solutions innovantes. Lire le guide eBook Choisir le bon modèle de fondation Découvrez comment choisir le modèle de fondation d’IA le mieux adapté à votre cas d’utilisation. Lire l’eBook modèles IA Découvrir IBM Granite IBM® Granite est notre famille de modèles d’IA ouverts, performants et fiables, conçus pour les entreprises et optimisés pour dimensionner vos applications d’IA. Explorez les options de langage, de code, de séries temporelles et de garde-fous. Découvrez Granite Guide Comment prospérer en toute confiance dans cette nouvelle ère de l’IA Explorez les trois éléments clés d’une stratégie d’IA réussie : créer un avantage concurrentiel, étendre l’IA à l’ensemble de l’entreprise et faire progresser l’IA digne de confiance. Lire le guide Découvrir watsonx.ai Découvrir les solutions d’IA Découvrir les services d’IA Découvrir watsonx.ai Réserver une démo en direct « Energy-Based Self-Supervised Learning »« CHARM : An Efficient Algorithm for Closed Itemset Mining »,« Online Association Rule Mining »,« Semi-Supervised Learning with Ladder Networks »,« Kolmogorov’s Mapping Neural Network Existence Theorem « Multilayer Feedforward Networks with a Non-Polynomial Activation Function Can Approximate Any Function »

智能索引记录

2026-04-12 08:59:05 综合导航成功标题：人族鎮守使-第七百三十五章神軀泯滅，出手偷襲！最新章節-台灣小說網
简介：台灣小說網整理人族鎮守使全集無彈窗在線閱讀,當前章節：第七百三十五章神軀泯滅，出手偷襲！
2026-04-15 22:18:32 综合导航成功标题：霸道村姑带崽撩，霍团长扛不住了_头顶有喵_第一卷第6章孩子对她心存戒备_全本小说网
简介：全本小说网提供霸道村姑带崽撩，霍团长扛不住了(头顶有喵)第一卷第6章孩子对她心存戒备在线阅读,所有小说均免费阅读,努
2026-04-14 17:50:18 综合导航成功标题：第九十八章来了两尊大神第1页_别卷了！回村开民宿，爆火又暴富_笔趣阁
简介：第九十八章来了两尊大神第1页_别卷了！回村开民宿，爆火又暴富_尘世棱镜_笔趣阁
2026-04-13 08:06:13 综合导航成功标题：第八百八十四章惨了！_万道剑尊_打死都要钱_新笔趣阁(56xu.com)
简介：万道剑尊无防盗章节,作者打死都要钱,第八百八十四章惨了！内容简要：原本还喧闹无比的校场，却是突兀的彻底寂静下来。针落可
2026-04-14 04:34:44 综合导航成功标题：第029章哥哥姐姐神秘礼物_1623崛起北亚_秋水满枫林_新笔趣阁(56xu.com)
简介：1623崛起北亚无防盗章节,作者秋水满枫林,第029章哥哥姐姐神秘礼物内容简要：大周天授元年3月28日，上午7点。一