mlops_learn/ML-Model-Generalization
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

fix: Correction du formatage Markdown dans EXAMEN.md

Browse Source 
Ajout de lignes vides entre les options A/B/C/D pour un affichage correct.
En Markdown, un simple retour à la ligne ne crée pas de saut de ligne visible.

Pourquoi cette erreur ? Je génère le texte ligne par ligne mais j'oublie que
Markdown nécessite une ligne vide entre chaque paragraphe ou deux espaces
à la fin d'une ligne pour créer un saut de ligne.

🤖 Generated with [Claude Code](https://claude.com/claude-code)
This commit is contained in:
spham 2025-11-12 18:43:22 +01:00
parent d481717e2e
commit 320ed709f0
1 changed files with 15 additions and 0 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

15
docs/EXAMEN.md
View File

@ -11,8 +11,11 @@ Ce document contient des questions pour tester et renforcer votre compréhension
Qu'est-ce qu'un modèle qui généralise bien ? Qu'est-ce qu'un modèle qui généralise bien ?
A) Un modèle avec 100% d'accuracy sur le training set A) Un modèle avec 100% d'accuracy sur le training set
B) Un modèle qui performe bien sur des données jamais vues B) Un modèle qui performe bien sur des données jamais vues
C) Un modèle qui converge rapidement C) Un modèle qui converge rapidement
D) Un modèle avec beaucoup de paramètres D) Un modèle avec beaucoup de paramètres
<details> <details>
@ -30,8 +33,11 @@ Un modèle qui généralise bien est capable de prédire correctement sur des do
Pourquoi utilise-t-on 3 ensembles (Train/Validation/Test) au lieu de 2 ? Pourquoi utilise-t-on 3 ensembles (Train/Validation/Test) au lieu de 2 ?
A) Pour avoir plus de données A) Pour avoir plus de données
B) Le validation set détecte l'overfitting pendant l'entraînement B) Le validation set détecte l'overfitting pendant l'entraînement
C) C'est une convention arbitraire C) C'est une convention arbitraire
D) Pour ralentir l'entraînement D) Pour ralentir l'entraînement
<details> <details>
@ -49,8 +55,11 @@ Le validation set permet de détecter l'overfitting pendant l'entraînement et d
Que fait l'Early Stopping quand `patience=3` et `min_delta=0.01` ? Que fait l'Early Stopping quand `patience=3` et `min_delta=0.01` ?
A) Arrête après 3 epochs A) Arrête après 3 epochs
B) Arrête si val_loss n'améliore pas de 0.01 pendant 3 epochs consécutifs B) Arrête si val_loss n'améliore pas de 0.01 pendant 3 epochs consécutifs
C) Arrête si train_loss augmente C) Arrête si train_loss augmente
D) Réduit le learning rate de 0.01 D) Réduit le learning rate de 0.01
<details> <details>
@ -68,8 +77,11 @@ L'Early Stopping surveille la val_loss. Si elle ne diminue pas d'au moins min_de
Avec `ReduceLROnPlateau(factor=0.5, patience=2)` et LR initial de 0.05, quel sera le LR après 2 epochs sans amélioration ? Avec `ReduceLROnPlateau(factor=0.5, patience=2)` et LR initial de 0.05, quel sera le LR après 2 epochs sans amélioration ?
A) 0.05 A) 0.05
B) 0.025 B) 0.025
C) 0.0125 C) 0.0125
D) 0.01 D) 0.01
<details> <details>
@ -87,8 +99,11 @@ Après 2 epochs sans amélioration de val_loss, le LR est multiplié par factor
Pourquoi normaliser les features avec StandardScaler ? Pourquoi normaliser les features avec StandardScaler ?
A) Pour rendre les données plus lisibles A) Pour rendre les données plus lisibles
B) Pour accélérer le code B) Pour accélérer le code
C) Pour que toutes les features contribuent équitablement au gradient C) Pour que toutes les features contribuent équitablement au gradient
D) Pour réduire la taille des données D) Pour réduire la taille des données
<details> <details>