Exercice I: Généralités Algorithmes de deep learning : Réseaux de neurones profonds (Deep Neural Networks - DNN) Réseaux de neurones récurrents (Recurrent Neural Networks - RNN) Réseaux de neurones convolutionnels (Convolutional Neural Networks - CNN) Réseaux génératifs adversaires (Generative Adversarial Networks - GAN) Différence entre Data Lake et Data Warehouse : Data Lake (lac de données) : Stocke des données brutes non structurées et structurées à grande échelle. Les données peuvent être stockées sans transformation préalable, et leur utilisation peut être exploratoire. Data Warehouse (entrepôt de données) : Stocke des données structurées, nettoyées et transformées, généralement extraites de différentes sources. Il est optimisé pour l'analyse et les requêtes rapides. Apache Mahout pour Hadoop : Apache Mahout est une bibliothèque de machine learning open source qui s'intègre avec Apache Hadoop. Il fournit des implémentations distribuées d'algorithmes de machine learning sur l'infrastructure Hadoop. Différence entre Tensorflow et Keras : TensorFlow : Une bibliothèque open source d'apprentissage automatique développée par Google. Il offre une flexibilité maximale pour la conception et l'entraînement de modèles d'apprentissage automatique. Keras : Une interface haut niveau pour TensorFlow (et d'autres bibliothèques d'apprentissage automatique). Keras simplifie la création de modèles en fournissant des abstractions plus simples et des fonctionnalités conviviales. Étapes d'implémentation de k-means : Réponse : d) Charger les données, standardiser les variables, construire la partition, caractériser les classes.