42 questions d'entretien sur Deep learning - Les bases pour développeurs (2026)

Très facile

18 votes927 passages0 commentaire

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Data Scientist

Deep learning

overfitting

Martinle 14 mars 2022

Facile

16 votes902 passages0 commentaire

Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?

Data Scientist

Deep learning

machine learning

Martinle 19 sept. 2022

Facile

8 votes907 passages0 commentaire

Donné un réseau de neurones avec 4 entrées, combien de connexions pourraient exister entre la couche d'entrée et la première couche cachée?

Data Scientist

Deep learning

neural network

connections

Martinle 4 avr. 2022

Facile

6 votes837 passages0 commentaire

Quels sont les processus suivants qui sont des processus d'apprentissage automatique mais qui ne sont pas particulièrement liés à l'apprentissage profond?

Data Scientist

Deep learning

machine learning

random forest

Martinle 14 mars 2022

Facile

4 votes812 passages0 commentaire

La validation croisée est une technique utilisée pour évaluer les modèles DL (deep learning) (et les modèles ML en général). La méthode consiste à entraîner plusieurs modèles sur des sous-ensembles des données d'entrée et à les évaluer sur le sous-ensemble complémentaire de ces mêmes données. Elle vise à éviter le surapprentissage.

Data Scientist

Deep learning

overfitting

validation

Martinle 4 avr. 2022

Très facile

2 votes872 passages0 commentaire

Quel type de réseau de neurones est le meilleur pour le traitement d'images?

Data Scientist

Deep learning

neural networks

image processing

Martinle 19 sept. 2022

Facile

2 votes817 passages

2 commentaires

Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action PEUT être effectuée pendant cette préparation?

Data Scientist

Deep learning

data

preprocessing

Martinle 4 avr. 2022

Très facile

1 vote854 passages0 commentaire

Comment définir l'apprentissage non supervisé ? Dans l'apprentissage non supervisé...

Data Scientist

Deep learning

machine learning

unsupervised learning

Martinle 14 mars 2022

Facile

1 vote850 passages

2 commentaires

En deep learning, le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'adéquation du modèle sur le jeu d'entraînement tout en ajustant ses hyperparamètres/paramètres: en d'autres termes, le modèle est trouvé et ensuite testé sur le jeu de validation avant d'être amélioré une fois de plus.

Data Scientist

Deep learning

hyperparameters

validation

Martinle 14 mars 2022

Facile

1 vote845 passages1 commentaire

Dans quel type d'apprentissage sont inclus les tâches suivantes ?

Data Scientist

Deep learning

supervised learning

classification

Martinle 14 mars 2022

Facile

1 vote821 passages0 commentaire

Quel est l'objectif de la normalisation des données ? Son objectif est de transformer les ensembles de données de sorte que toutes ses valeurs soient dans une plage donnée (ex : 0 à 1) tout en conservant les propriétés statistiques du modèle.

Data Scientist

Deep learning

data

normalization

Martinle 14 mars 2022

Intermédiaire

1 vote811 passages0 commentaire

Quelle est/sont la/les fonction(s) d'activation d'un neurone?

Data Scientist

Deep learning

activation function

non-linearity

Martinle 4 avr. 2022

Très facile

1 vote809 passages0 commentaire

Quels sont les paramètres qui sont définis avant le début du processus d'apprentissage en apprentissage profond?

Data Scientist

Deep learning

parameters

neural network

Martinle 14 mars 2022

Très facile

1 vote534 passages0 commentaire

Qu'est-ce qu'une fonction sigmoïde?

Data Scientist

Deep learning

activation function

sigmoid function

Martinle 14 mars 2022

Très facile

1 vote249 passages0 commentaire

Comment définir l'apprentissage supervisé ? Dans l'apprentissage supervisé...

Data Scientist

Deep learning

supervised learning

machine learning

Martinle 14 mars 2022

Facile

1 vote246 passages0 commentaire

Quel type de réseau de neurones est le meilleur pour le traitement d'images?

Data Scientist

Deep learning

neural networks

image processing

Martinle 6 mai 2022

Intermédiaire

1 vote159 passages0 commentaire

Le learning rate est la variable qui détermine la taille des pas de l'algorithme de descente de gradient. Il est utilisé lors de l'étude de la fonction de coût. Comment cette valeur est-elle choisie ? Quels sont les risques ?

Data Scientist

Deep learning

gradient descent

cost function

Martinle 4 avr. 2022

Intermédiaire

1 vote82 passages1 commentaire

Combien y a-t-il de types d'algorithmes de descente de gradient?

Data Scientist

Deep learning

gradient descent

optimization

Martinle 14 mars 2022

Intermédiaire

1 vote77 passages0 commentaire

Quelles de ces affirmations sont fausses concernant la “fonction de perte”?

Data Scientist

Deep learning

loss function

machine learning

Martinle 4 avr. 2022

Intermédiaire

1 vote73 passages0 commentaire

Calculer la sortie d'un neurone avec 3 entrées et 3 poids.

Data Scientist

Deep learning

activation function

linear function

Martinle 14 mars 2022

42 questions d'entretien sur Deep learning - Les basespour développeurs (2026)

Testez vos connaissances techniques avant un entretien pour Deep learning - Les bases avec 42 questions corrigées. Niveau débutant, Intermédiaire ou expert.

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?

Donné un réseau de neurones avec 4 entrées, combien de connexions pourraient exister entre la couche d'entrée et la première couche cachée?

Quels sont les processus suivants qui sont des processus d'apprentissage automatique mais qui ne sont pas particulièrement liés à l'apprentissage profond?

Quel type de réseau de neurones est le meilleur pour le traitement d'images?

Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action PEUT être effectuée pendant cette préparation?

Comment définir l'apprentissage non supervisé ? Dans l'apprentissage non supervisé...

Dans quel type d'apprentissage sont inclus les tâches suivantes ?

Quel est l'objectif de la normalisation des données ? Son objectif est de transformer les ensembles de données de sorte que toutes ses valeurs soient dans une plage donnée (ex : 0 à 1) tout en conservant les propriétés statistiques du modèle.

Quelle est/sont la/les fonction(s) d'activation d'un neurone?

Quels sont les paramètres qui sont définis avant le début du processus d'apprentissage en apprentissage profond?

Qu'est-ce qu'une fonction sigmoïde?

Comment définir l'apprentissage supervisé ? Dans l'apprentissage supervisé...

Quel type de réseau de neurones est le meilleur pour le traitement d'images?

Le learning rate est la variable qui détermine la taille des pas de l'algorithme de descente de gradient. Il est utilisé lors de l'étude de la fonction de coût. Comment cette valeur est-elle choisie ? Quels sont les risques ?

Combien y a-t-il de types d'algorithmes de descente de gradient?

Quelles de ces affirmations sont fausses concernant la “fonction de perte”?

Calculer la sortie d'un neurone avec 3 entrées et 3 poids.

42 questions d'entretien sur Deep learning - Les basespour développeurs (2026)

Testez vos connaissances techniques avant un entretien pour Deep learning - Les bases avec 42 questions corrigées. Niveau débutant, Intermédiaire ou expert.

Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.

Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?

Donné un réseau de neurones avec 4 entrées, combien de connexions pourraient exister entre la couche d'entrée et la première couche cachée?

Quels sont les processus suivants qui sont des processus d'apprentissage automatique mais qui ne sont pas particulièrement liés à l'apprentissage profond?

Quel type de réseau de neurones est le meilleur pour le traitement d'images?

Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action **PEUT** être effectuée pendant cette préparation?

Comment définir l'apprentissage non supervisé ? Dans l'apprentissage non supervisé...

Dans quel type d'apprentissage sont inclus les tâches suivantes ?

Quel est l'objectif de la normalisation des données ? Son objectif est de transformer les ensembles de données de sorte que toutes ses valeurs soient dans une plage donnée (ex : 0 à 1) tout en conservant les propriétés statistiques du modèle.

Quelle est/sont la/les fonction(s) d'activation d'un neurone?

Quels sont les paramètres qui sont définis avant le début du processus d'apprentissage en apprentissage profond?

Qu'est-ce qu'une fonction sigmoïde?

Comment définir l'apprentissage supervisé ? Dans l'apprentissage supervisé...

Quel type de réseau de neurones est le meilleur pour le traitement d'images?

Le learning rate est la variable qui détermine la taille des pas de l'algorithme de descente de gradient. Il est utilisé lors de l'étude de la fonction de coût. Comment cette valeur est-elle choisie ? Quels sont les risques ?

Combien y a-t-il de types d'algorithmes de descente de gradient?

Quelles de ces affirmations sont *fausses* concernant la “fonction de perte”?

Calculer la sortie d'un neurone avec 3 entrées et 3 poids.

Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action PEUT être effectuée pendant cette préparation?

Quelles de ces affirmations sont fausses concernant la “fonction de perte”?