Une équipe doit créer un modèle qui détermine si les personnes sur les images portent la marque de vente au détail de l'entreprise. Étant donné un jeu de données d'images étiquetées, quel type de modèle d'apprentissage automatique est le plus approprié ?

Un réseau neuronal convolutif (CNN) est le plus approprié car il excelle dans les tâches de vision par ordinateur, comme la classification d'images et la détection d'objets. Les CNN sont conçus pour traiter des données en grille telles que des images, en extrayant automatiquement des caractéristiques pertinentes pour identifier des motifs visuels, comme la marque de vente au détail sur les vêtements. La Latent Dirichlet Allocation (LDA) est utilisée pour la modélisation de sujets dans le traitement du langage naturel. Un réseau neuronal récurrent (RNN) est idéal pour les données séquentielles comme le texte ou les séries temporelles. Le clustering K-means est un algorithme de regroupement non supervisé, inadapté à une tâche de classification d'images étiquetées.