Elles sortent de la banque, comme celles que tu auras en t'entraînant. Clique pour voir la réponse.
Machine learning·Facile
Dans un dataset de prêts, la variable « profession » contient les valeurs « médecin », « enseignant » et « artisan ». Vous préparez un modèle linéaire. Quelle transformation est la plus appropriée ?
Créer des variables indicatrices, par exemple profession_médecin
Remplacer médecin par 1, enseignant par 2 et artisan par 3
Supprimer toutes les lignes contenant une profession
Utiliser la profession comme une valeur continue entre 0 et 1
IA générative et LLM·Facile
Après le remplacement d’un modèle, le taux de réponses jugées utiles passe de 78 % à 82 % sur un échantillon de 20 conversations choisi par l’équipe. Avant le déploiement général, que faut-il faire ?
Comparer les deux modèles sur un jeu de test représentatif et défini à l’avance
Conserver le nouveau modèle uniquement parce qu’il est plus récent
Évaluer le modèle uniquement sur les conversations les plus faciles
Déployer immédiatement, car toute hausse suffit à conclure
Big data·Moyen
Un pipeline Spark écrit chaque heure 300 000 fichiers Parquet d’environ 20 Ko dans un data lake. Les requêtes deviennent de plus en plus lentes, alors que le volume total reste inchangé. Quelle action est la plus appropriée ?
Regrouper périodiquement les petits fichiers en fichiers Parquet plus volumineux
Répliquer chaque petit fichier sur davantage de nœuds
Augmenter uniquement la mémoire de chaque exécuteur Spark
Remplacer Parquet par des fichiers JSON pour accélérer la lecture
Statistiques appliquées·Facile
Une enquête de satisfaction sélectionne les 100 premiers clients arrivant dans un magasin entre 9 h et 11 h. L’entreprise veut représenter aussi les clients du soir et du week-end. Quelle modification réduit le mieux ce biais de sélection ?
Sélectionner aléatoirement des clients sur plusieurs horaires et jours
Remplacer les réponses manquantes par la note 3
Conserver uniquement les clients ayant donné une note élevée
Interroger encore davantage de clients le matin
Les cours de data & ia
Avant les questions, le sujet expliqué du début. Gratuit, sans compte.
Questions d'entraînement générées par intelligence artificielle et classées par sujet. Pour un examen officiel, garde tes cours et les textes en vigueur comme référence.