Paramètre ou hyperparamètre ?

Dans la vidéo précédente, vous avez vu ce que sont les hyperparamètres en Machine Learning et pourquoi il est important de les ajuster. Automatiser cette optimisation est essentiel, mais il faut bien distinguer les hyperparamètres des paramètres du modèle, car ils jouent des rôles différents dans le développement du modèle. Les hyperparamètres sont fixés avant l'entraînement, tandis que les paramètres du modèle sont appris pendant l'entraînement. La manière d'automatiser la recherche des meilleurs hyperparamètres diffère de l'estimation des paramètres du modèle, d'où l'importance de les distinguer.

Cet exercice mettra à l'épreuve votre capacité à reconnaître des exemples d'hyperparamètres courants dans les systèmes de ML.