Module Deep Learning (Master SESN 24-25)
TD N°1
Exercice 1 :
1. Mohammed, passionné par la politique scientifique, souhaite développer un
programme capable de déterminer si un article traite de ce sujet. Pour cela, elle a
eu l'idée d'utiliser la fréquence de certains mots clés dans les articles. Il a choisi les
mots suivants comme indicateurs potentiels de la politique scientifique : Science,
accès public, université, gouvernement, financer, éducation, budget, justice, loi.
Mohammed a commencé par annoter un millier d'articles en fonction de leur sujet.
Quel type d'apprentissage automatique Mohammed doit-il utiliser ?
2. Ali possède 10 000 articles de journaux qu'il souhaite organiser selon leurs
thématiques. Devrait-il utiliser un algorithme supervisé ou non supervisé pour
cette tâche ?
3. Oulaya gère un outil permettant d'organiser les liens HTML sauvegardés. Elle
souhaite proposer des catégories pour un nouveau lien en se basant sur les
catégories déjà définies par les utilisateurs du service. Quel type d'algorithme
d'apprentissage devrait-elle utiliser ?
4. Aicha souhaite analyser ses spams afin d'identifier d'éventuels sous-types. Quel
type d'algorithme d'apprentissage devrait-elle utiliser ?
5. Parmi les problèmes suivants, lesquels peuvent être efficacement résolus par le
machine learning ?
a) Déterminer le meilleur moment pour publier un contenu sur une page web.
b) Trouver le chemin le plus court entre deux nœuds dans un graphe.
c) Prédire le nombre de vélos à attribuer à chaque station dans un système de
location de vélos urbains.
d) Estimer le prix qu'un tableau de maître pourrait atteindre lors d'une vente aux
enchères.
e) Réduire le bruit d'un signal radio
Exercice 2 :
Nous voulons qu'un perceptron soit capable de déterminer si un chiffre (de 0 à 9) est
pair ou impair.
1. Proposez un codage binaire pour chaque chiffre.
2. Décrivez l'architecture d'un perceptron capable de déterminer si un chiffre est
pair ou impair.
3. Établissez la base d'apprentissage pour le perceptron et calculez les poids wi et
vérifiez si le seuil doit être fixé à 0,5 ou à -0,5.
1
Module Deep Learning (Master SESN 24-25)
Exercice 3 :
Considérons les fonctions logiques suivantes : f(x)=y et g(x)=y, où x est un vecteur à
deux paramètres.
1. Quelle fonction représente ces expressions ?
2. À l'aide du réseau donné, trouvez les poids w1 et w2 pour chaque fonction. Nous
supposons que la valeur initiale des deux poids est 1 et le taux d’apprentissage est 0.5.
Utilisez la fonction de signe comme fonction d'activation (seuil = 0 au départ puis
l’ajuster à 1 si nécessaire)
