Leçon 3 : Données biaisées, résultats biaisés

Dans cette leçon, les élèves auront l’occasion de créer leur propre modèle d’apprentissage automatique pour classer des images de pommes et de tomates. Ils découvriront qu’un ensemble de données limité produit un modèle d’apprentissage automatique imparfait. Ensuite, ils exploreront comment les biais peuvent se présenter dans les ensembles de données utilisés pour entraîner les modèles, ce qui donne ultimement des prédictions biaisées.

Objectifs d'apprentissage

  • Décrire l’incidence des données sur l’exactitude des modèles d’apprentissage automatique (AA)
  • Expliquer le besoin d’utiliser à la fois des données d’entraînement et des données de test
  • Expliquer la façon dont les biais peuvent influencer les prédictions générées par un modèle d’apprentissage automatique

Vocabulaire clé

Intelligence artificielle (IA), apprentissage automatique (AA), apprentissage supervisé, classification, données d’entraînement, exactitude, données de test, biais, biais sociétal

Structure de la leçon

  • Les trois types d’apprentissage automatique
  • Application d’IA dans un supermarché
  • Entraîner un modèle
  • Les biais
  • Modèle de création d’horaires
  • Réduire les biais

Aperçu de la leçon

Télécharger les ressources pédagogiques

Pour télécharger le plan de leçon, les présentations et les fiches d'activité, veuillez vous connecter ou créer un compte Raspberry Pi Foundation gratuit.
Nous vous poserons ensuite quelques questions pour nous aider à comprendre comment vous utiliserez les ressources.