Dilemme biais-varianceEn statistique et en apprentissage automatique, le dilemme (ou compromis) biais–variance est le problème de minimiser simultanément deux sources d'erreurs qui empêchent les algorithmes d'apprentissage supervisé de généraliser au-delà de leur échantillon d'apprentissage : Le biais est l'erreur provenant d’hypothèses erronées dans l'algorithme d'apprentissage. Un biais élevé peut être lié à un algorithme qui manque de relations pertinentes entre les données en entrée et les sorties prévues (sous-apprentissage).
Optimisation (mathématiques)L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Risque de changeLe risque de change d'un actif financier est le risque pesant sur une position concernant une devise par rapport à une autre au sujet de la variation future du cours de change. Par exemple, le fait de se faire payer en Europe, à terme, en dollars, peut, selon le cours euro-dollar, faire évoluer la valeur de la créance éventuellement accordée à un client américain. Le risque de change est un élément négatif du patrimoine de l'entreprise qui doit être valorisé en comptabilité.
Âge de la pierrevignette|redresse=1.2|Biface de Saint-Acheul (Amiens), collection Félix Régnault, Muséum de Toulouse. L’Âge de la pierre, ou Âge de pierre, également écrit âge de la pierre, Âge de la Pierre, ou âge de la Pierre , est la période de la Préhistoire durant laquelle les humains ont fabriqué et utilisé des outils et des armes en pierre, avant l'usage prépondérant des métaux. Elle est de loin la plus longue de la Préhistoire, débutant il y a d'années pour s'achever entre 3000 et en Eurasie et en Afrique du Nord.
Journalisme sportifLe journalisme sportif, ou journalisme de sport, est une spécialité du journalisme qui a pour objet la couverture médiatique des événements liés au sport. L'information sportive présente un caractère particulier au sein du champ journalistique. Celle-ci présente en effet une ambivalence entre sa nature commerciale qui suppose une exclusivité pour son acquéreur et son caractère informatif qui suppose une liberté d'accès par tous. vignette|Une du quotidien L'Auto le annonçant le départ du Tour de France.
Régression non linéaireUne régression non linéaire consiste à ajuster un modèle, en général non linéaire, y = ƒa1, ..., am(x) pour un ensemble de valeurs (xi, yi)1 ≤ i ≤ n. Les variables xi et yi peuvent être des scalaires ou des vecteurs. Par « ajuster », il faut comprendre : déterminer les paramètres de la loi, (a1, ..., am), afin de minimiser S = ||ri||, avec : ri = yi - ƒa1, ..., am(xi). ||...|| est une norme. On utilise en général la norme euclidienne, ou norme l2 ; on parle alors de méthode des moindres carrés.
Médecine du sportLa médecine du sport ou médecine sportive est la médecine spécialisée dans la prévention, le diagnostic et le traitement des pathologies induites par le sport ou pouvant affecter les performances des sportifs. Contrairement à des idées reçues, la médecine du sport n'est pas réservée aux pratiquants. En France il existe une Société française de médecine du sport et en son sein un « groupe de consensus » La médecine du sport étudie et traite la physiologie, la psychologie et la biologie du sport : métabolisme énergétique, adaptation du corps à l'effort, entraînement et surentraînement, fatigue et récupération, biométrie, dopage, nutrition.
Régularisation (mathématiques)vignette|Les courbes bleues et vertes correspondent à deux modèles differents, tous les deux étant des solutions possibles du problème consistant à décrire les coordonnées de tous les points rouges. L'application d'une régularisation favorise le modèle moins complexe correspondant à la courbe verte. Dans le domaine des mathématiques et des statistiques, et plus particulièrement dans le domaine de l'apprentissage automatique, la régularisation fait référence à un processus consistant à ajouter de l'information à un problème, s'il est mal posé ou pour éviter le surapprentissage.
Deming regressionIn statistics, Deming regression, named after W. Edwards Deming, is an errors-in-variables model which tries to find the line of best fit for a two-dimensional dataset. It differs from the simple linear regression in that it accounts for errors in observations on both the x- and the y- axis. It is a special case of total least squares, which allows for any number of predictors and a more complicated error structure.
Apprentissage ensemblisteIn statistics and machine learning, ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone. Unlike a statistical ensemble in statistical mechanics, which is usually infinite, a machine learning ensemble consists of only a concrete finite set of alternative models, but typically allows for much more flexible structure to exist among those alternatives.
Hyperparameter optimizationIn machine learning, hyperparameter optimization or tuning is the problem of choosing a set of optimal hyperparameters for a learning algorithm. A hyperparameter is a parameter whose value is used to control the learning process. By contrast, the values of other parameters (typically node weights) are learned. The same kind of machine learning model can require different constraints, weights or learning rates to generalize different data patterns.
