Définition
L'entraînement est la phase où un algorithme d'apprentissage automatique ajuste ses paramètres internes en parcourant des exemples, jusqu'à produire un modèle capable de prédire correctement. Il consomme du temps de calcul (quelques minutes pour une régression, des mois sur des milliers de GPU pour un modèle de fondation) et s'évalue sur des données mises de côté. Une fois entraîné, le modèle est figé et sert en inférence.
Dans la pratique
Pour la plupart des entreprises, entraîner un grand modèle n'a aucun sens : elles utilisent des modèles de fondation existants, éventuellement affinés. L'entraînement « maison » reste pertinent pour des modèles de prédiction classiques sur des données propres. Le piège est de ne pas versionner les données et les paramètres d'entraînement, ce qui rend le modèle impossible à reproduire.
Termes liés
Définition rédigée par L'équipe Top Profil. Glossaire mis à jour le . Tous les termes du glossaire.