Centre Universitaire de Mila Matière : Apprentissage Automatique
Institut: ST, Département: MI Travaux dirigées
Master 1 – STIC Année universitaire 2021-2022
Série d’exercices N° 01
1- Les grandes masses de données sont générées par :
A. Les expérimentations, les observations, les simulations dans différents domaines.
B. Le commerce électronique (ex. Amazon, eBay, etc.)
C. Les moteurs de recherche (ex. Google, Yahoo!, Microsoft, etc.)
D. Les réseaux sociaux (ex. Facebook, YouTube, Twitter, etc.)
2- L’apprentissage automatique (machine Learning) est une discipline émergente pour développer une
intelligence artificielle capable de:
A. Analyser automatiquement des données
B. Détecter des motifs et associations de données
C. Utiliser des motifs pour la prédiction de données
D. Prendre des décisions automatiques
E. Reconnaitre des caractères manuscrits en utilisant l’approche par règles
3- On fournit à l’algorithme d'apprentissage automatique des données d’entrainement et l’algorithme
retourne un «programme» capable de se généraliser à de nouvelles données.
A. VRAI
B. FAUX
4- On peut prédire les urgences de césariennes par
A. Les données d’entrainement
B. Les méthodes basées sur l’apprentissage automatique
C. Les méthodes de reconnaissance des caractères
5- Les méthodes d’apprentissage supervisées ne sont pas adaptées pour la détection de piétons dans les
images.
A. VRAI
B. FAUX
6- Afin de détecter des piétons dans une vidéo par les méthodes d’apprentissage supervisées, on doit :
A. Fournir des exemples d’apprentissage
B. Choisir un modèle supervisé
C. Collecter toutes les vidéos contenants un piéton
D. Utiliser un langage de programmation Matlab
7- La classification de documents textuels
A. Permet de classifier les pages d’accueil des sites web
B. Utilisé dans la reconnaissance des caractères (OCR)
C. Peut être utilisée pour la détection de spams dans les courriels
D. Est une étape obligatoire dans la traduction automatique
8- Un système de détection de spams dans les courriels est basé sur
A. Compter le nombre de mots clés, ex. of achat, crédit, etc.
B. Les systèmes de recommandation.
C. Les systèmes d’apprentissage par renforcement pour les courriels
Dr. Aissa Boulmerka Série N° 01 Apprentissage Automatique
9- Pourquoi un système de détection de spams requiert-il un système d’apprentissage ?
A. Les systèmes de détection de spams ne comptent pas le nombre de mots clés.
B. Il y a plusieurs types de systèmes de détection de spams.
C. La traduction automatique est une méthode innovante.
D. Les spammeurs sont en perpétuelle innovation.
10- Google translate et une application de quels domaines ?:
A. Systèmes de recommandation des spams
B. Traitement automatique de la langue
C. Traduction automatique
D. Vision artificielle: reconnaissance d’objets, segmentation
E. Analyse financière
11- Pourquoi étudier l’apprentissage automatique?
A. Création de systèmes adaptatifs.
B. Création d’une intelligence artificielle (IA).
C. Prédiction de nouvelles données, etc.
12- Il existe trois types d’apprentissage automatique:
A. Apprentissage supervisé
B. Apprentissage non-supervisé
C. Apprentissage par renforcement
13- L’apprentissage supervisé inclut
A. La classification
B. La régression
14- Dans un exemple de classification (reconnaissance de caractères manuscrits) ou x représente l’entrée et la
cible est un indice de classe 𝑦, donc :
A. x : contient les valeurs des intensités des pixels de l’image.
B. y : représente l’identité su caractère.
15- Dans un problème de régression, la cible n’est un nombre réel.
A. VRAI
B. FAUX
16- Un système d’apprentissage automatique est dit non-supervisé lorsque la cible est explicitement connue.
A. VRAI
B. FAUX
17- Les applications de l'apprentissage non-supervisé incluent:
A. Le clustering
B. L’apprentissage de la loi de probabilité ayant généré les données
C. Distinguer les «vraies» données des «fausses» données
D. La Compression de données
E. La régression logistique en utilisant des données d’entrainement
F. La réduction de dimensionnalité
18- Les domaines d’application de l’apprentissage supervisé incluent
A. Le traitement de l’image, la vidéo, la parole et la langue
B. La robotique
C. La médicine et la bio-informatique
D. Le e-commerce et l’analyse financière
E. Le graphisme
F. Le Web et les réseaux sociaux
Dr. Aissa Boulmerka Série N° 01 Apprentissage Automatique
19- Les domaines d’application de l’apprentissage non-supervisé n’incluent pas
A. La vision artificielle
B. Les services financiers
C. Les domaines de l’énergie
D. La médicine et la bio-informatique
E. Le Web et les réseaux sociaux
F. Aucune de ces réponses
G. Toutes ces réponses
20- Parmi les méthodes de l’apprentissage automatique, on trouve :
A. L’apprentissage supervisé
B. L’apprentissage non-supervisé
C. L’apprentissage par renforcement
D. Les réseaux bayésiens
E. Les modèles de Markov cachés
F. Les systèmes experts à base de règles
G. Toutes ces réponses
Dr. Aissa Boulmerka Série N° 01 Apprentissage Automatique
