Il me semble de plus en plus que « supervisé » contre « non supervisé » est vraiment mieux compris comme « perte vectorielle » contre « perte scalaire » plus « dirigé par un enseignant » contre « dirigé par un étudiant ».

@subprime_ideas Une façon d'obtenir une perte vectorielle est d'ajouter des étiquettes supplémentaires, mais une autre façon d'obtenir une perte vectorielle est de considérer une partie de l'ensemble d'entraînement comme fournissant les cibles pour le reste. Cela est particulièrement courant avec l'apprentissage par séquence, mais peut également être fait de d'autres manières.

@subprime_ideas Parler de savoir si le processus est "supervisé" est pertinent si vous pensez principalement à l'entraînement dans des domaines non interactifs. Car dans ces domaines, l'entrée et la sortie se trouvent généralement dans des espaces très différents (par exemple, des images et des catégories).