MOC : [[Intelligence artificielle]] Source : https://www.youtube.com/watch?v=QoK1nNAURw4 *** Pour entraîner un modèle avec du Machine Learning, on utilise des poids et des biais qui s'appliquent à chaque node (cf. [[Perceptron]]). Le Gradient Descent est un algorithme d'optimisation qui va itérer afin de calibrer ces valeurs jusqu'à trouver celles qui minimisent la fonction de perte, c'est-à-dire l'erreur entre prédiction et vérité attendue. L'optimisation se fait par un calibrage en opposition à la perte constatée. Une fois le modèle correctement calibré, il est capable de généraliser, c'est-à-dire d'être appliqué à de nouvelles données inconnues (cf. [[Generalization]]).