linkedin-skill-assessments-quizzes

I’ve translated the machine learning questions and answers into French:

Q16. Comment les algorithmes d’apprentissage automatique effectuent-ils des prédictions plus précises ?

• Les algorithmes sont généralement exécutés sur des serveurs plus puissants.
• Les algorithmes sont meilleurs pour détecter des motifs dans les données.
• Les serveurs d’apprentissage automatique peuvent héberger de plus grandes bases de données.
• Les algorithmes peuvent s’exécuter sur des données non structurées.

Q17. Vous travaillez pour une compagnie d’assurance. Quel projet d’apprentissage automatique ajouterait le plus de valeur à l’entreprise ?

• Créer un réseau neuronal artificiel qui hébergerait l’annuaire de l’entreprise.
• Utiliser l’apprentissage automatique pour mieux prédire les risques.
• Créer un algorithme qui consolide toutes vos feuilles de calcul Excel dans un lac de données.
• Utiliser l’apprentissage automatique et le big data pour rechercher les exigences salariales.

Q18. Quelle est l’information manquante dans ce diagramme ?

• Jeu d’entraînement
• Données non supervisées
• Apprentissage supervisé
• Classification binaire

Q19. Pourquoi ne faudrait-il pas utiliser les mêmes données pour votre jeu d’entraînement et votre jeu de test ?

• Vous sous-adapterez presque certainement le modèle.
• Vous choisirez le mauvais algorithme.
• Vous pourriez ne pas avoir suffisamment de données pour les deux.
• Vous sur-ajusterez presque certainement le modèle.

Q20. Votre université souhaite utiliser des algorithmes d’apprentissage automatique pour trier les demandes d’inscription des étudiants. Un administrateur demande si les décisions d’admission pourraient être biaisées contre un groupe particulier, comme les femmes. Quelle serait la meilleure réponse ?

• Les algorithmes d’apprentissage automatique sont basés sur les mathématiques et les statistiques, et sont donc par définition impartiaux.
• Il n’y a aucun moyen d’identifier un biais dans les données.
• Les algorithmes d’apprentissage automatique sont suffisamment puissants pour éliminer le biais des données.
• Toutes les données créées par l’homme sont biaisées, et les data scientists doivent en tenir compte.

Q21. Qu’est-ce que le “stacking” ?

• Les prédictions d’un modèle deviennent les entrées d’un autre.
• Vous utilisez différentes versions d’algorithmes d’apprentissage automatique.
• Vous utilisez plusieurs algorithmes d’apprentissage automatique pour améliorer vos résultats.
• Vous empilez votre jeu d’entraînement et votre jeu de test ensemble.

Q22. Vous voulez créer un système d’apprentissage automatique supervisé qui identifie les images de chatons sur les médias sociaux. Pour ce faire, vous avez collecté plus de 100 000 images de chatons. Comment appelle-t-on cette collection d’images ?

• Données d’entraînement
• Régression linéaire
• Big Data
• Données de test

Q23. Vous travaillez sur un projet qui consiste à regrouper des images de différents chiens. Vous prenez une image et l’identifiez comme image de centre. Quel type d’algorithme d’apprentissage automatique utilisez-vous ?

• Renforcement des centroïdes
• K-plus proches voisins
• Classification binaire
• Clustering K-moyennes

Q24. Votre entreprise souhaite que vous construisiez un modèle de prédiction de texte d’e-mails internes pour accélérer le temps que les employés passent à rédiger des e-mails. Que devriez-vous faire ?

• Inclure des données d’e-mails d’entraînement de tous les employés.
• Inclure des données d’e-mails d’entraînement des nouveaux employés.
• Inclure des données d’e-mails d’entraînement des employés expérimentés.
• Inclure des données d’e-mails d’entraînement des employés qui écrivent la majorité des e-mails internes.

Q25. Votre organisation permet aux personnes de créer des profils professionnels en ligne. Une fonction clé est la possibilité de créer des groupes de personnes professionnellement connectées les unes aux autres. Quel type de méthode d’apprentissage automatique est utilisé pour créer ces groupes ?

• Apprentissage automatique non supervisé
• Classification binaire
• Apprentissage automatique supervisé
• Apprentissage par renforcement

Q26. Ce diagramme est un bon exemple de quoi ?

• K-plus proches voisins
• un arbre de décision
• une régression linéaire
• un cluster K-moyennes

Note : Il y a des centres de clusters (C0, C1, C2).

Q27. La forêt aléatoire est une version modifiée et améliorée de quelle technique antérieure ?

• Arbres agrégés
• Arbres boostés
• Arbres baggés
• Arbres empilés

Q28. Les cartes auto-organisatrices sont un réseau neuronal spécialisé pour quel type d’apprentissage automatique ?

• Apprentissage semi-supervisé
• Apprentissage supervisé
• Apprentissage par renforcement
• Apprentissage non supervisé

Q29. Laquelle des déclarations suivantes concernant le regroupement K-moyennes est vraie ?

• Dans le regroupement K-moyennes, les centroïdes initiaux sont parfois sélectionnés au hasard.
• Le regroupement K-moyennes est souvent utilisé en apprentissage automatique supervisé.
• Le nombre de clusters est toujours choisi au hasard.
• Pour être précis, vous voulez que vos centroïdes soient à l’extérieur du cluster.

Q30. Vous avez créé un système d’apprentissage

automatique qui interagit avec son environnement et répond aux erreurs et aux récompenses. Quel type de système d’apprentissage automatique est-ce ?

• Apprentissage supervisé
• Apprentissage semi-supervisé
• Apprentissage par renforcement
• Apprentissage non supervisé

This site is open source. Improve this page.