Paramètre ou hyperparamètre ?

Dans la vidéo précédente, vous avez découvert les hyperparamètres en Machine Learning et l’importance de leur réglage. Automatiser cette optimisation est essentiel, mais il faut distinguer hyperparamètres et paramètres du modèle, car ils jouent des rôles différents dans le développement. Les hyperparamètres sont définis 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 celle utilisée pour déterminer les paramètres du modèle, d’où l’importance de bien les distinguer.

Cet exercice évalue votre capacité à reconnaître des exemples d’hyperparamètres couramment utilisés dans les systèmes de ML.