diff --git a/answers.md b/answers.md
index bb3b84e..be2524e 100644
--- a/answers.md
+++ b/answers.md
@@ -1,14 +1,34 @@
 # Answers
 
-Nom: 
-Prénom: 
-NB: 
+Nom: Magadis
+Prénom: Aïda
+NB: 7
 
 ## 1.3 
 Définir les objets suivants:
-graph:
-tensor:
-layer:
+
+graph: élément qui contient des tensors et des opérations. Représente les calculs en termes de dépendances entre opérations individuelles. 
+
+tensor: tableau de dimension arbitraire (vecteur : tensor de 1er ordre, matrice : tensor de 2nd ordre). 
+
+layer: bloc de construction du réseau neuronal. Il extrait des représentations à partir des données qui lui sont transmises. 
+
 
 ## 3
 answer:
+
+Acquisition des données : 
+Dans le cas d'un apprentissage supervisé (ex : MNIST), un gros volume de données est nécessaire pour que les réseaux de neurones puissent apprendre. Donc souvent, on passe plus de temps à récolter des données qu'à les traiter. 
+
+Classification des données : 
+Après avoir récolté les données, il faut les classer, autrement dit les labelliser. Cette étape est souvent entièrement manuelle. Des plateformes spécialisées existent comme Amazon Mechanical Turk qui fait appel à des personnes réelles pour réaliser cette étape.
+
+Choix du réseau de neurones :
+Il s'agit de l'étape la plus difficile techniquement parlant. La solution la plus simple est de reprendre un réseau de neurones existant qui traite un problème similaire au nôtre. 
+
+Choix du matériel :
+L'apprentissage requiert une grosse capacité de calcul. Pour des petits tests, un ordinateur portable peut suffire mais sinon il faut passer à une carte de joueur haut-de-gamme ou à une carte dédiée aux calculs pour les professionnels. Mais il est aussi possible de passer par des services cloud.
+
+Mise en production : 
+Si l'on est satisfait du résultat, il faut déployer le modèle en production. Pour cela, on utilise des frameworks.
+