|
|
|
@ -415,7 +415,7 @@
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "tous les deux",
|
|
|
|
|
"answerText": "Les deux",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1033,7 +1033,7 @@
|
|
|
|
|
"questionText": "La classification est une forme d'apprentissage supervisé qui a beaucoup en commun avec",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Série temporelle",
|
|
|
|
|
"answerText": "Série chronologique",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
@ -1164,7 +1164,7 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Les deux ci-dessus",
|
|
|
|
|
"answerText": "Les deux",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1213,7 +1213,7 @@
|
|
|
|
|
"questionText": "Quel classificateur avons-nous utilisé dans cette leçon?",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "régression logistique",
|
|
|
|
|
"answerText": "Régression logistique",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
@ -1221,7 +1221,7 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "MultiClass one-vs-tout",
|
|
|
|
|
"answerText": "Multiclasse un-contre-tous",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1257,7 +1257,7 @@
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "k-signifie",
|
|
|
|
|
"answerText": "K-Means",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
@ -1295,7 +1295,7 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "tous les deux",
|
|
|
|
|
"answerText": "Les deux",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1310,15 +1310,15 @@
|
|
|
|
|
"questionText": "Les classificateurs de support-vectoriel peuvent être utilisés pour",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Classification",
|
|
|
|
|
"answerText": "La classification",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "régression",
|
|
|
|
|
"answerText": "La régression",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "tous les deux",
|
|
|
|
|
"answerText": "Les deux",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1327,15 +1327,15 @@
|
|
|
|
|
"questionText": "Forêt aléatoire est un type de classificateur ___",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Ensemble",
|
|
|
|
|
"answerText": "Ensembliste",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Dissembliste",
|
|
|
|
|
"answerText": "Disensembliste",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Assemblez",
|
|
|
|
|
"answerText": "Assembliste",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1371,17 +1371,17 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "recommander des modes à essayer",
|
|
|
|
|
"answerText": "Recommander des modes à essayer",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "tous les deux",
|
|
|
|
|
"answerText": "Les deux",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "L'intégration d'un modèle dans une application Web l'aide à être hors ligne",
|
|
|
|
|
"questionText": "L'intégration d'un modèle dans une application Web l'aide à être compatible hors ligne",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Vrai",
|
|
|
|
@ -1394,7 +1394,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "OnNX Runtime peut être utilisé pour",
|
|
|
|
|
"questionText": "Onnx Runtime peut être utilisé pour",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Exécution de modèles dans une application Web",
|
|
|
|
@ -1405,7 +1405,7 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Hyperparameter Tuning",
|
|
|
|
|
"answerText": "Réglage des hyperparamètres",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1417,7 +1417,7 @@
|
|
|
|
|
"title": "Classification 4: Quiz de validation des connaissances",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "L'application Nettron vous aide:",
|
|
|
|
|
"questionText": "L'application Netron vous aide:",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Visualiser les données",
|
|
|
|
@ -1434,10 +1434,10 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Convertissez votre modèle SCIKIT-HALL pour une utilisation avec OnNX en utilisant:",
|
|
|
|
|
"questionText": "Convertissez votre modèle Scikit-learnL pour une utilisation avec Onnx en utilisant:",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Sklearn-App",
|
|
|
|
|
"answerText": "Sklearn-app",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
@ -1445,7 +1445,7 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Sklearn-ONNX",
|
|
|
|
|
"answerText": "Sklearn-onnX",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1471,7 +1471,7 @@
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"id": 27,
|
|
|
|
|
"title": "Introduction au Clustering: Quiz préalable",
|
|
|
|
|
"title": "Introduction au Clustering (regroupement): Quiz préalable",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Un exemple de vie réel de regroupement serait",
|
|
|
|
@ -1502,7 +1502,7 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "tous les deux",
|
|
|
|
|
"answerText": "Les deux",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1528,10 +1528,10 @@
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"id": 28,
|
|
|
|
|
"title": "Introduction au Clustering: Quiz de validation des connaissances",
|
|
|
|
|
"title": "Introduction au Clustering (regroupement): Quiz de validation des connaissances",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "La géométrie euclidienne est disposée le long",
|
|
|
|
|
"questionText": "La géométrie Euclidienne est disposée le long",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "De plans",
|
|
|
|
@ -1633,7 +1633,7 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "tous les deux",
|
|
|
|
|
"answerText": "Les deux",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1701,15 +1701,15 @@
|
|
|
|
|
"questionText": "Que signifie NLP pour ces leçons?",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Traitement des langues neurales",
|
|
|
|
|
"answerText": "Neural Language Processing (Traitement des langues neurales)",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Traitement des langues naturelles",
|
|
|
|
|
"answerText": "Natural Language Processing (Traitement des langues naturelles)",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Traitement linguistique naturel",
|
|
|
|
|
"answerText": "Natural Linguistic Processing (Traitement linguistique naturel)",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1783,7 +1783,7 @@
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "tous les deux",
|
|
|
|
|
"answerText": "Les deux",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1812,7 +1812,7 @@
|
|
|
|
|
"title": "Tâches NLP: Quiz préalable",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Tokenization",
|
|
|
|
|
"questionText": "La tokenization",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Divise le texte au moyen de la ponctuation",
|
|
|
|
@ -1829,7 +1829,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Embeddings",
|
|
|
|
|
"questionText": "L'Embeddings",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Convertit numériquement les données de texte afin que les mots puissent se classer",
|
|
|
|
@ -1846,18 +1846,18 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Marquage des parties de la parole",
|
|
|
|
|
"questionText": "Le balisage des parties du discours (Parts-of-Speech Tagging)",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Divise des phrases par leurs parties de la parole",
|
|
|
|
|
"answerText": "Divise les phrases en fonction de leurs parties du discours",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "prend des mots togmentés et les étiquettes de leur part de la parole",
|
|
|
|
|
"answerText": "prend les mots tokenisés et les marque selon leur partie du discours",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Phrases de diagrammes",
|
|
|
|
|
"answerText": "schématise des phrases",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -1886,18 +1886,18 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "N-grammes se réfèrent à",
|
|
|
|
|
"questionText": "N-grams fait référence à",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Un texte peut être divisé en séquences de mots d'une longueur définie",
|
|
|
|
|
"answerText": "Un texte pouvant être divisé en séquences de mots d'une longueur définie",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Un mot peut être divisé en séquences de caractères d'une longueur de jeu",
|
|
|
|
|
"answerText": "Un mot pouvant être divisé en séquences de caractères d'une longueur de jeu",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Un texte peut être divisé en paragraphes d'une longueur définie",
|
|
|
|
|
"answerText": "Un texte pouvant être divisé en paragraphes d'une longueur définie",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -2000,7 +2000,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Pour utiliser `blob.translate` vous avez besoin:",
|
|
|
|
|
"questionText": "Pour utiliser `blob.translate` vous avez besoin de:",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Une connexion Internet",
|
|
|
|
@ -2017,18 +2017,18 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Pour déterminer un sentiment, une approche ML serait de:",
|
|
|
|
|
"questionText": "Pour déterminer un sentiment, une approche ML serait d':",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Appliquez des techniques de régression pour générer manuellement des opinions et des scores et rechercher des modèles",
|
|
|
|
|
"answerText": "Appliquer des techniques de régression pour générer manuellement des opinions et des scores et rechercher des modèles",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Appliquez des techniques de PNL pour générer manuellement des opinions et des scores et rechercher des modèles",
|
|
|
|
|
"answerText": "Appliquer des techniques de PNL pour générer manuellement des opinions et des scores et rechercher des modèles",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Appliquez des techniques de regroupement pour des opinions et des scores générés manuellement et rechercher des modèles",
|
|
|
|
|
"answerText": "Appliquer des techniques de regroupement pour des opinions et des scores générés manuellement et rechercher des modèles",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -2253,10 +2253,10 @@
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"id": 41,
|
|
|
|
|
"title": "Introduction aux Time Series (séries temporelles): Quiz préalable",
|
|
|
|
|
"title": "Introduction aux Séries chronologiques (Time Series) : Quiz préalable",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "La prévision de Time Series est utile pour",
|
|
|
|
|
"questionText": "La prévision de série chronologique est utile pour",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Déterminer les coûts futurs",
|
|
|
|
@ -2273,7 +2273,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Une série temporelles est une séquence prise à:",
|
|
|
|
|
"questionText": "Une série chronologique est une séquence prise à:",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "points successifs également espacés dans l'espace",
|
|
|
|
@ -2290,7 +2290,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "La série temporelles peut être utilisée dans les cas de:",
|
|
|
|
|
"questionText": "La série chronologique peut être utilisée dans les cas de:",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Prévision de tremblement de terre",
|
|
|
|
@ -2310,10 +2310,10 @@
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"id": 42,
|
|
|
|
|
"title": "Introduction aux Time Series (séries temporelles): Quiz de validation des connaissances",
|
|
|
|
|
"title": "Introduction aux séries chronologiques : Quiz de validation des connaissances",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Les tendances de série temporelles sont",
|
|
|
|
|
"questionText": "Les tendances de série chronologique sont",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "des augmentations et des diminutions mesurables au fil du temps",
|
|
|
|
@ -2347,10 +2347,10 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "La prévision de la série temporelle est la plus utile pour",
|
|
|
|
|
"questionText": "La prévision de séries chronologiques est utile pour",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "L'conométrics",
|
|
|
|
|
"answerText": "L'économétrie",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
@ -2367,27 +2367,27 @@
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"id": 43,
|
|
|
|
|
"title": "Série TIME ARIMA: Quiz préalable",
|
|
|
|
|
"title": "Les séries chronologiques ARIMA: Quiz préalable",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Arima signifie",
|
|
|
|
|
"questionText": "ARIMA signifie",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Moyenne mobile intégrale autonome",
|
|
|
|
|
"answerText": "AutoRegressive Integral Moving Average",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Action mobile intégrée autorégressive",
|
|
|
|
|
"answerText": "AutoRegressive Integrated Moving Action",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Moyenne mobile intégrée autorégresive",
|
|
|
|
|
"answerText": "AutoRegressive Integrated Moving Average",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Stationarité fait référence à",
|
|
|
|
|
"questionText": "La stationnarité fait référence à",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Les données dont les attributs ne changent pas lors de la décalage",
|
|
|
|
@ -2404,7 +2404,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "différenciation",
|
|
|
|
|
"questionText": "La différenciation",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Stabilise la tendance et la saisonnalité",
|
|
|
|
@ -2424,7 +2424,7 @@
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"id": 44,
|
|
|
|
|
"title": "Série TIME ARIMA: Quiz de validation des connaissances",
|
|
|
|
|
"title": "Les séries chronologiques ARIMA: Quiz de validation des connaissances",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Arima est utilisé pour créer un modèle adapté à la forme spéciale des données de la série chronologique",
|
|
|
|
@ -2444,7 +2444,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Utilisez Sarimax à",
|
|
|
|
|
"questionText": "Utilisez Sarimax pour",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Gérer les modèles d'ARIMA saisonniers",
|
|
|
|
@ -2461,18 +2461,18 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": " `La validation` de la promenade implique ",
|
|
|
|
|
"questionText": " La validation « Walk-Forward » implique de",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Réévaluer un modèle progressivement tel qu'il est validé",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Ré-entraînant un modèle progressivement tel qu'il est validé",
|
|
|
|
|
"answerText": "Re-entraîner un modèle progressivement tel qu'il est validé",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Ré-configurez un modèle progressivement tel qu'il est validé",
|
|
|
|
|
"answerText": "Re-configurer un modèle progressivement tel qu'il est validé",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -2535,7 +2535,7 @@
|
|
|
|
|
"title": "Renforcement 1: Quiz de validation des connaissances",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Qu'est-ce que q-apprentissage?",
|
|
|
|
|
"questionText": "Qu'est-ce que le Q-Learning?",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Un mécanisme d'enregistrement de la \"bonté\" de chaque État",
|
|
|
|
@ -2552,7 +2552,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Pour quelles valeurs une table Q correspond à la stratégie de marche aléatoire?",
|
|
|
|
|
"questionText": "Pour quelles valeurs une Q-Table correspond à la stratégie de marche aléatoire?",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "toutes les valeurs égales",
|
|
|
|
@ -2588,7 +2588,7 @@
|
|
|
|
|
"title": "Renforcement 2: Quiz préalable",
|
|
|
|
|
"quiz": [
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Les échecs et les jeux sont des jeux avec des états continus.",
|
|
|
|
|
"questionText": "Les échecs et le go sont des jeux avec des états continus",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Vrai",
|
|
|
|
@ -2601,7 +2601,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Quel est le problème de la cartpole?",
|
|
|
|
|
"questionText": "Quel est le problème CartPole ?",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Un processus d'élimination des valeurs aberrantes",
|
|
|
|
@ -2658,14 +2658,14 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Quelle paire avez-nous utilisée comme valeur de la clé de dictionnaire?",
|
|
|
|
|
"questionText": "Quelle paire avons-nous utilisée comme valeur de la clé de dictionnaire?",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "(état, action) comme clé de la table Q-Table comme valeur",
|
|
|
|
|
"answerText": "(état, action) comme clé, l'entrée Q-Table comme valeur",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "State comme clé, action en tant que valeur",
|
|
|
|
|
"answerText": "L'état comme clé, action en tant que valeur",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
@ -2675,7 +2675,7 @@
|
|
|
|
|
]
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"questionText": "Quels sont les hyperparamètres que nous avons utilisés pendant q-apprentissage?",
|
|
|
|
|
"questionText": "Quels sont les hyperparamètres que nous avons utilisés pendant le Q-Learning?",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Valeur de la table Q, récompense actuelle, action aléatoire",
|
|
|
|
@ -2718,15 +2718,15 @@
|
|
|
|
|
"questionText": "Quelle technique ML peut utiliser les hôpitaux pour gérer la réadmission?",
|
|
|
|
|
"answerOptions": [
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Clustering",
|
|
|
|
|
"answerText": "Le Clustering (Regroupement)",
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Série temporelle",
|
|
|
|
|
"answerText": "Les séries chronologiques",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "NLP",
|
|
|
|
|
"answerText": "Le NLP",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
}
|
|
|
|
|
]
|
|
|
|
@ -2779,7 +2779,7 @@
|
|
|
|
|
"isCorrect": "true"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|
"answerText": "Série temporelle",
|
|
|
|
|
"answerText": "Série chronologique",
|
|
|
|
|
"isCorrect": "false"
|
|
|
|
|
},
|
|
|
|
|
{
|
|
|
|
|