Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Régression (statistiques)En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Chimie numériqueLa chimie numérique ou chimie informatique, parfois aussi chimie computationnelle, est une branche de la chimie et de la physico-chimie qui utilise les lois de la chimie théorique exploitées dans des programmes informatiques spécifiques afin de calculer structures et propriétés d'objets chimiques tels que les molécules, les solides, les agrégats atomiques (ou clusters), les surfaces, etc., en appliquant autant que possible ces programmes à des problèmes chimiques réels.
Segmented regressionSegmented regression, also known as piecewise regression or broken-stick regression, is a method in regression analysis in which the independent variable is partitioned into intervals and a separate line segment is fit to each interval. Segmented regression analysis can also be performed on multivariate data by partitioning the various independent variables. Segmented regression is useful when the independent variables, clustered into different groups, exhibit different relationships between the variables in these regions.
Synthèse totaleEn chimie organique, la synthèse totale est en principe la synthèse chimique complète de molécules organiques à partir de morceaux plus simples et habituellement sans recourir à des processus biologiques. Dans la pratique, ces morceaux plus simples sont commercialement disponibles en grandes quantités et sont souvent des précurseurs pétrochimiques. Parfois, des produits « naturels » (comme le sucre) sont utilisés comme point de départ : il est fait l'hypothèse qu'ils sont fabriqués naturellement ou qu'ils peuvent être recréés à partir de leur éléments constitutifs.
Synthèse chimiqueUne synthèse chimique est un enchaînement de réactions chimiques mis en œuvre volontairement ou non permettant l'obtention d'un ou de plusieurs produits finaux, parfois avec isolation de composés chimiques intermédiaires. Les synthèses chimiques peuvent avoir lieu à toutes sortes d'échelles : du laboratoire de recherche (de l'ordre du gramme ou moins) à l'industrie chimique (souvent de l'ordre de la tonne ou plus) ou dans la nature (biosynthèses).
Physique numériqueLa physique numérique (ou parfois physique informatique) est l'étude et l'implémentation d'algorithmes numériques dans le but de résoudre des problèmes physiques pour lesquels une théorie existe déjà. Elle est souvent considérée comme une sous-discipline de la physique théorique mais certains la considèrent comme une branche intermédiaire entre la physique théorique et la physique expérimentale. En général, les physiciens définissent un système et son évolution grâce à des formules mathématiques précises.
Sciences numériquesLes sciences numériques (traduction de l'anglais computational sciences), autrement dénommées calcul scientifique ou informatique scientifique, ont pour objet la construction de modèles mathématiques et de méthodes d'analyse quantitative, en se basant sur l'utilisation des sciences du numérique, pour analyser et résoudre des problèmes scientifiques. Cette approche scientifique basée sur un recours massif aux modélisations informatiques et mathématiques et à la simulation se décline en : médecine numérique, biologie numérique, archéologie numérique, mécanique numérique, par exemple.
Synthèse organiquevignette|Schéma réactionnel de la préparation du diène de Danishefsky La synthèse organique est une branche de la synthèse chimique qui est concernée par la création de composés organiques à l'aide de réactions organiques. Les molécules organiques ont souvent un degré de complexité plus élevé que celles dites inorganiques. De nos jours, la synthèse organique occupe une place importante en chimie organique. À l'intérieur de celle-ci, on distingue deux principaux champs de recherche : la synthèse totale et la méthodologie.
HémisynthèseSemisynthesis, or partial chemical synthesis, is a type of chemical synthesis that uses chemical compounds isolated from natural sources (such as microbial cell cultures or plant material) as the starting materials to produce novel compounds with distinct chemical and medicinal properties. The novel compounds generally have a high molecular weight or a complex molecular structure, more so than those produced by total synthesis from simple starting materials.
Théorie du champ de ligandsLa théorie du champ de ligands ou modèle du champ de ligands décrit la liaison chimique, l'arrangement des orbitales et certaines autres caractéristiques de complexes de coordination impliquant un ion d'un métal de transition. Ce concept a été introduit en 1957 par Griffith et Orgel comme une description des complexes de métaux de transition plus exacte que celle proposée par la théorie du champ cristallin.
Série spectrochimiqueEn chimie de coordination, une série spectrochimique est une suite de ligands ordonnée par force de ligand croissante au sens de la théorie du champ de ligands. Il est également possible d'ordonner qualitativement une suite de cations métalliques par valeur croissante de l'écart d'énergie Δ entre orbitales d à la suite de la levée de dégénérescence induite par les ligands ; cet ordre s'avère en pratique être largement indépendant de la nature des ligands.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
Synthèse asymétriquevignette|Structure chimique de BINAP La synthèse asymétrique consiste à préparer un produit sous forme d'un énantiomère en partant d'une matière première achirale. Cette transformation nécessite l'ajout d'un composé chiral qui est temporairement lié au substrat, à un réactif ou à un catalyseur. Les principaux types de synthèse asymétrique sont les synthèses : diastéréosélective énantiosélective stœchiométrique catalytique Spécificité et sélectivité Effets non linéaires en catalyse asymétrique Catégorie:Stér
Jeux d'entrainement, de validation et de testEn apprentissage automatique, une tâche courante est l'étude et la construction d'algorithmes qui peuvent apprendre et faire des prédictions sur les données. De tels algorithmes fonctionnent en faisant des prédictions ou des décisions basées sur les données, en construisant un modèle mathématique à partir des données d'entrée. Ces données d'entrée utilisées pour construire le modèle sont généralement divisées en plusieurs jeux de données .
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Ligand pontantUn ligand pontant est un ligand qui se connecte à deux atomes ou plus, généralement des ions métalliques, ce ligand pouvant être atomique ou polyatomique. Virtuellement, tous les complexes organiques sont des ligands pontants, ce terme est donc réservé à des petits ligands tels que les pseudohalogénures ou des ligands spécifiquement conçus pour se lier à deux atomes métalliques. En nomenclature des complexes, lorsqu'un seul atome se ponte à deux atomes métalliques, on précède le nom du ligand de la lettre grecque μ (mu), avec un numéro en exposant décrivant le nombre d'atomes métalliques pontés au ligand.
Validation croiséeLa validation croisée () est, en apprentissage automatique, une méthode d’estimation de fiabilité d’un modèle fondée sur une technique d’échantillonnage. Supposons posséder un modèle statistique avec un ou plusieurs paramètres inconnus, et un ensemble de données d'apprentissage sur lequel on peut apprendre (ou « entraîner ») le modèle. Le processus d'apprentissage optimise les paramètres du modèle afin que celui-ci corresponde le mieux possible aux données d'apprentissage.
ConformérieEn chimie, la conformérie est une forme de stéréoisomérie décrivant le fait qu'une même molécule existe sous la forme de plusieurs conformères (ou isomères de conformation) à la suite de la rotation des atomes autour de liaisons chimiques simples. On parle surtout de conformérie en chimie organique, pour des rotations autour des liaisons carbone-carbone. Il existe trois principaux facteurs qui rendent certains conformères plus stables que les autres : L'interaction entre une liaison σ et le lobe orbital arrière d'une liaison σ∗ voisine : cela n'est possible que lorsque les deux liaisons sont décalées.
Rule-based machine learningRule-based machine learning (RBML) is a term in computer science intended to encompass any machine learning method that identifies, learns, or evolves 'rules' to store, manipulate or apply. The defining characteristic of a rule-based machine learner is the identification and utilization of a set of relational rules that collectively represent the knowledge captured by the system. This is in contrast to other machine learners that commonly identify a singular model that can be universally applied to any instance in order to make a prediction.
