QCM – Machine Learning et Applications

📌 Instructions :

• Remplissez d’abord vos informations personnelles.
• Lisez attentivement chaque question.
• Cochez une seule réponse parmi les choix proposés pour chaque question.
• Toutes les questions sont obligatoires.

⏱️ Durée estimée : 45 minutes

✅ À la fin du test, cliquez sur “Envoyer” pour valider vos réponses.

🙏 Merci pour votre participation et bonne chance

Veuillez activer JavaScript dans votre navigateur pour remplir ce formulaire.

Nom et Prénom *

L'objectif principal du projet est de : *

• Prédire si une demande de service sur Jbarli aboutira ou non
• Gérer la comptabilité de Jbarli
• Recruter des prestataires
• Calculer les impôts de l'entreprise

Le le :

Le problème traité est un problème de : *

• Classification binaire
• Régression linéaire uniquement
• Clustering
• Compression de données

Selon le document, le Machine Learning consiste à : *

• Apprendre automatiquement à partir de données d'exemples
• Programmer uniquement des règles fixes
• Remplacer complètement les bases de données
• Créer des sites web

Quel modèle est retenu pour cette étude ? *

• Random Forest (Forêt aléatoire)
• Réseau de neurones CNN
• K-Means
• Régression multiple

Parmi les données utilisées pour prédire l'aboutissement d'une demande figure : *

• Le délai de réponse
• Le salaire du dirigeant
• Le capital social
• Le montant de la TVA

Le jeu de données construit contient environ : *

• 1 200 demandes de service
• 120 demandes
• 12 000 demandes
• 300 demandes

Avant l'entraînement du modèle, les données sont séparées en : *

• Données d'entraînement et données de test
• Données fiscales et commerciales
• Données internes et externes
• Données papier et numériques

Le document rappelle qu'un modèle ne doit jamais être évalué : *

• Sur les mêmes données utilisées pour son apprentissage
• Avec des indicateurs de performance
• À l'aide d'une matrice de confusion
• Après son entraînement

Le taux d'exactitude (Accuracy) obtenu par le modèle est d'environ : *

• 67,3 %
• 88 %
• 95 %
• 31 %

La variable la plus importante pour le modèle est : *

• Le délai de réponse
• Le jour de la semaine
• La catégorie de service
• Le quartier uniquement

Après le délai de réponse, la deuxième variable la plus importante est : *

• Le nombre de prestataires disponibles
• Le nom du client
• Le mois de l'année
• Le type de téléphone utilisé

Selon le document, une limite importante du modèle est : *

• La difficulté à détecter les demandes qui n'aboutiront pas
• L'impossibilité de traiter des données numériques
• L'absence totale de données
• Le refus d'utiliser Python

Si Jbarli ouvre un nouveau quartier, le modèle peut être moins performant parce que : *

• Il n'a pas encore d'exemples d'apprentissage pour ce nouveau quartier
• Le logiciel cesse automatiquement de fonctionner
• Les données disparaissent du système
• Les prestataires sont supprimés

Selon la conclusion, le modèle réalisé constitue : *

• Un prototype montrant comment anticiper les demandes grâce au Machine Learning
• Un logiciel définitif sans aucune limite
• Une application de comptabilité générale
• Un système de gestion des ressources humaines

Envoyer