Questions corrigées sur les statistiques, le machine learning, l’évaluation des modèles, SQL, Python et la protection des données. Entraînement KounKour, pas un sujet officiel.
QCM d'entraînement rédigé par KounKour : ce n'est pas un sujet réel d'un concours. Réponses vérifiées par KounKour.
Pour la série 2, 4, 4, 5, 10, la médiane vaut :
Quel indicateur est le moins sensible aux valeurs extrêmes ?
- La moyenne
- La médiane
- L’étendue
- La variance
Un coefficient de corrélation de Pearson égal à −0,9 indique :
- Aucune relation
- Une forte relation linéaire négative
- Une faible relation positive
- Une relation de causalité
Prédire le prix d'un logement à partir de ses caractéristiques est un problème de :
- Classification
- Régression
- Clustering
- Réduction de dimension
L'algorithme k-means appartient à l'apprentissage :
- Supervisé
- Non supervisé
- Par renforcement
- Semi-supervisé obligatoirement
Un modèle très performant sur les données d'entraînement mais mauvais sur de nouvelles données souffre de :
- Sous-apprentissage
- Surapprentissage (overfitting)
- Normalisation
- Biais de sélection uniquement
La validation croisée en k blocs (k-fold) sert à :
- Accélérer l’entraînement
- Estimer de façon plus fiable la performance du modèle
- Supprimer les valeurs manquantes
- Chiffrer les données
La précision (precision) d'un classifieur se calcule par :
- VP / (VP + FP)
- VP / (VP + FN)
- (VP + VN) / total
- FP / (FP + VN)
Pour détecter une fraude rare (1 % des cas), l'exactitude (accuracy) seule est trompeuse car :
- Elle est toujours de 0 %
- Un modèle qui prédit toujours « pas de fraude » obtient déjà 99 %
- Elle ne se calcule pas
- Elle dépend du langage utilisé
Le score F1 est :
- La moyenne arithmétique de la précision et du rappel
- La moyenne harmonique de la précision et du rappel
- Le produit de la précision et du rappel
- Le taux d’erreur
La normalisation (mise à l'échelle) des variables est surtout importante pour :
- Les arbres de décision
- Les méthodes basées sur les distances comme k-NN ou k-means
- Le comptage des lignes
- Le stockage des fichiers
L'analyse en composantes principales (ACP) sert à :
- Classer des images
- Réduire la dimension en conservant le maximum de variance
- Remplir les valeurs manquantes
- Créer des étiquettes
Dans un réseau de neurones, la rétropropagation (backpropagation) sert à :
- Collecter les données
- Calculer les gradients de l’erreur pour mettre à jour les poids
- Afficher les résultats
- Compresser le modèle
Les modèles de langage comme GPT reposent principalement sur l'architecture :
- Arbre de décision
- Transformer
- k-means
- Régression logistique
En Python avec pandas, quelle instruction affiche les 5 premières lignes d'un DataFrame df ?
- df.first()
- df.head()
- df.top(5)
- df.show()
En SQL, pour compter les dossiers par région dans une table dossiers(region, …), on écrit :
- SELECT region, COUNT(*) FROM dossiers GROUP BY region
- SELECT COUNT(region) FROM dossiers ORDER BY region
- SELECT * FROM dossiers WHERE COUNT(*) > 0
- SELECT region FROM dossiers HAVING region
Un entrepôt de données (data warehouse) est conçu principalement pour :
- Les transactions en temps réel d’une application
- L’analyse et le reporting sur des données historiques intégrées
- Le stockage des sauvegardes uniquement
- L’hébergement de sites web
Au Maroc, la protection des données personnelles est encadrée par :
- La loi 09-08 et la CNDP
- La loi 31-08
- Le code de la route
- La loi 43-95
Le principe de « minimisation des données » signifie :
- Collecter le plus de données possible
- Ne collecter que les données nécessaires à la finalité du traitement
- Supprimer toutes les données chaque jour
- Réduire la taille des fichiers
Un biais algorithmique apparaît le plus souvent lorsque :
- Le code est écrit en Python
- Les données d’entraînement ne représentent pas correctement la population concernée
- Le serveur est lent
- Le modèle est open source