Quiz lié à un guide · Moyen Niveau

Quiz sur la détection des anomalies IA

Examinez les scores d’anomalies, l’apprentissage non supervisé, les cas contextuels et collectifs, les seuils et les limites de surveillance industrielle.

Chemins de guidage associésDétection des anomalies IA
Question 1 de 8

Pourquoi la détection des anomalies fonctionne-t-elle souvent sans exemples d’anomalies étiquetés ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Pourquoi la détection des anomalies fonctionne-t-elle souvent sans exemples d’anomalies étiquetés ?
    • Les anomalies sont rares et imprévisibles, c'est pourquoi les modèles apprennent plutôt « normal »
    • L'utilisation des étiquettes est illégale
    • Les anomalies n'arrivent jamais
    • Il utilise uniquement des images
  2. Une « anomalie contextuelle » est un point de données qui est :
    • Toujours anormal partout
    • Normal dans un contexte mais anormal dans un autre
    • Une faute de frappe dans une base de données
    • Un enregistrement en double
  3. What does the cited WACV autoencoder study use as an anomaly score?
    • A legal fraud label assigned to every record
    • A guarantee that no future fault will occur
    • Reconstruction error from an autoencoder trained to model the data
    • The number of random trees in an Isolation Forest
  4. How does the original Isolation Forest paper isolate candidate anomalies?
    • It requires an expert to label every anomaly in advance
    • It measures reconstruction error from a neural decoder
    • It uses a fixed threshold that proves an item is defective
    • Random partitioning tends to isolate anomalous instances in fewer splits
  5. Quel est le principal danger d’une définition trop sensible d’un seuil d’anomalie ?
    • Les analystes sont inondés de fausses alertes
    • Le modèle fonctionne plus vite
    • Les données sont cryptées
    • Les anomalies deviennent impossibles
  6. What can an unusual machine-vibration score reasonably trigger?
    • An automatic shutdown because failure is guaranteed
    • A maintenance investigation or additional measurement, without predicting failure with certainty
    • A confirmed diagnosis of the failed component
    • A claim that the machine will fail within a fixed number of hours
  7. Why is an anomaly score not automatically a fraud or defect label?
    • It is always a verified label
    • Anomaly scores cannot be compared
    • It indicates unusualness under a model or baseline, not the cause or consequence
    • The threshold proves intent
  8. What should be documented when setting an anomaly threshold?
    • Only the model’s name
    • A claim that false positives are impossible
    • The number of GPUs alone
    • The reference data, score definition, threshold rationale, and review process