QCM Intelligence Artificielle Corrigé – Partie 14

avril 14, 2025avril 14, 2025 Thomas Aucun commentaire

Questions d’Entretien sur l’intelligence artificielle avec des réponses pour la préparation des entretiens d’embauche, tests en ligne, examens et certifications. Ces questions et réponses sur l’intelligence artificielle comprennent divers sujets tel que les bases de l’intelligence artificielle, comprendre la théorie de l’Intelligence Artificielle, la conception de modèles, le Q-Learning, le Deep Q-Learning, etc… Et sont tirés d’un vrai entretien écrit et certaines parties sont en direct. Cette méthode d’apprentissage systématique préparera facilement toute personne pour réussir son test sur l’intelligence artificielle.

1. En IA, à quoi correspond l’anonymisation des données ?

A À leur suppression

B À la modification ou suppression des données personnelles pour protéger l’identité

C À leur mise en ligne publique

D À leur traduction automatique

L’anonymisation est essentielle pour respecter la vie privée: cela consiste à supprimer ou rendre non identifiables les informations personnelles d’un individu (nom, adresse, etc.).

2. Quelle technologie permet à une IA de reconnaître une commande vocale ?

A La vision par ordinateur

B La compression de fichiers

C Le tri de texte alphabétique

D Le traitement automatique du langage (NLP) + la reconnaissance vocale

Quand tu dis “OK Google” ou “Alexa, joue de la musique”, c’est une combinaison de reconnaissance vocale (transformer le son en texte) + traitement du langage naturel (NLP) pour comprendre la commande.

3. Quel est le rôle d’un algorithme de régression ?

A Prédire une valeur continue (ex. : prix, température)

B Classer des images

C Compresser des fichiers

D Traduire un texte automatiquement

La régression sert à prédire une valeur numérique continue, par exemple: “combien coûtera cette maison ?” ou “quelle sera la température demain ?”. C’est différent du classement, qui donne des catégories.

4. Que veut dire “freezing” dans un modèle IA ?

A Geler l’écran de l’ordinateur

B Bloquer certaines couches du modèle pour ne pas les réentraîner

C Enregistrer une copie du modèle dans le cloud

D Supprimer les anciennes versions

Le freezing consiste à bloquer certaines couches du modèle pendant l’entraînement, souvent lorsqu’on utilise un modèle pré-entraîné et qu’on veut l’adapter à une tâche précise sans tout réentraîner.

5. Quel concept désigne la capacité d’un modèle à bien fonctionner sur de nouvelles données ?

A L’overfitting

B L’apprentissage non supervisé

C La généralisation

D Le sur-échantillonnage

La généralisation, c’est la capacité d’un modèle à faire de bonnes prédictions sur des données qu’il n’a jamais vues. C’est l’objectif principal de tout apprentissage machine bien fait.

6. Qu’est-ce qu’un modèle “pré-entraîné” ?

A Un modèle avec une jolie interface

B Un modèle qui a déjà été entraîné sur une grande base de données

C Un modèle qu’on a stocké dans une base SQL

D Un modèle qui apprend en regardant la télé

Un modèle pré-entraîné a déjà appris sur un très grand volume de données. On peut ensuite le réutiliser pour une nouvelle tâche (via le fine-tuning) sans repartir de zéro — un gain de temps énorme.

7. Dans un réseau de neurones, qu’est-ce qu’un “poids” (weight) ?

A Une contrainte juridique

B Une mesure de performance

C Un nombre de lignes de code

D Une valeur qui influence la force du signal transmis entre deux neurones

Les poids dans un réseau de neurones déterminent l’influence d’une donnée sur la sortie. Pendant l’entraînement, le modèle ajuste ces poids pour mieux prédire. C’est le cœur du système d’apprentissage.

8. Que permet la technique de “réduction de dimensions” ?

A Compacter les fichiers

B Réduire le nombre de variables tout en gardant l’essentiel des infos

C Augmenter la résolution des données

D Supprimer toutes les données inutiles

La réduction de dimensions (ex: PCA, t-SNE) sert à simplifier les données, pour mieux les visualiser ou accélérer l’apprentissage, en réduisant le nombre de features tout en conservant les infos clés.

9. Que fait un modèle de classification ?

A Il divise un disque dur

B Il prédit des catégories ou étiquettes à partir de données

C Il chiffre des mots de passe

D Il copie des bases de données

Un modèle de classification permet de prédire une étiquette (comme “chat” ou “chien”, “positif” ou “négatif”) selon les données d’entrée. C’est un des usages les plus courants en IA.

10. Quel est le rôle du “taux d’apprentissage” (learning rate) ?

A Définir la taille du modèle IA

B Calculer la vitesse du réseau Internet

C Contrôler à quelle vitesse le modèle ajuste ses poids

D Décider combien de données seront utilisées

Le taux d’apprentissage détermine l’amplitude des corrections que le modèle applique à chaque itération. Trop grand = ça saute partout. Trop petit = ça apprend trop lentement. C’est un hyperparamètre crucial.

QCMs qui pourraient vous intéresser :

1. En IA, à quoi correspond l’anonymisation des données ?

2. Quelle technologie permet à une IA de reconnaître une commande vocale ?

3. Quel est le rôle d’un algorithme de régression ?

4. Que veut dire “freezing” dans un modèle IA ?

5. Quel concept désigne la capacité d’un modèle à bien fonctionner sur de nouvelles données ?

6. Qu’est-ce qu’un modèle “pré-entraîné” ?

7. Dans un réseau de neurones, qu’est-ce qu’un “poids” (weight) ?

8. Que permet la technique de “réduction de dimensions” ?

9. Que fait un modèle de classification ?

10. Quel est le rôle du “taux d’apprentissage” (learning rate) ?

Vous pourrez aussi aimer

QCM Intelligence Artificielle Corrigé – Partie 4

QCM Intelligence Artificielle Corrigé – Partie 10

QCM Intelligence Artificielle Corrigé – Partie 19

Laisser un commentaire Annuler la réponse