L'IA générative sur Microsoft Azure (French Edition)
by Adrián González Sánchez, Jaime De Mora, Jorge García Ximénez
Annexe A. Indicateurs de performancede l'IA
Cette section contient tous les indicateurs de performance quantitatifs pertinents, y compris ceux relatifs à l'IA générative (GenAI) sur Azure, tant au niveau du modèle qu'au niveau du système.
Performances des modèles d'IA
Ces indicateurs sont directement liés aux modèles d'IA (voir le tableau A-1), y compris les tâches de classification et de régression pour l'apprentissage automatique et le Deep Learning, ainsi que d'autres indicateurs spécifiques aux modèles linguistiques traditionnels et modernes. Ils constituent la base de référence pour évaluer les performances quantitatives tant lors des phases de tests préliminaires que lors des phases de maintenance post-production.
| Type de modèle d'IA | Indicateur | Plage de valeurs | Objectif |
|---|---|---|---|
|
Classification |
AUC-ROC (aire sous la courbe) |
0 à 1 (plus la valeur est élevée, mieux c'est) |
Mesure la capacité d'un modèle à distinguer les classes |
|
Précision |
0 à 1 (plus c'est élevé, mieux c'est) |
Mesure la proportion de résultats positifs correctement identifiés par rapport au nombre total de résultats positifs prédits |
|
|
Rappel |
0 à 1 (plus c'est élevé, mieux c'est) |
Mesure la proportion de résultats positifs réels correctement identifiés |
|
|
Score F1 (basé sur la précision et le rappel) |
0 à 1 (plus c'est élevé, mieux c'est) |
Équilibre la précision et le rappel pour les ensembles de données déséquilibrés |
|
|
Score F2 ... |
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access