Théorème de Taylorredresse=1.5|vignette|Représentation de la fonction logarithme (en noir) et des approximations de Taylor au point 1 (en vert). En mathématiques, plus précisément en analyse, le théorème de Taylor (ou formule de Taylor), du nom du mathématicien anglais Brook Taylor qui l'établit en 1715, montre qu'une fonction plusieurs fois dérivable au voisinage d'un point peut être approchée par une fonction polynomiale dont les coefficients dépendent uniquement des dérivées de la fonction en ce point.
Gradient boostingGradient boosting is a machine learning technique used in regression and classification tasks, among others. It gives a prediction model in the form of an ensemble of weak prediction models, i.e., models that make very few assumptions about the data, which are typically simple decision trees. When a decision tree is the weak learner, the resulting algorithm is called gradient-boosted trees; it usually outperforms random forest.
Empirical risk minimizationEmpirical risk minimization (ERM) is a principle in statistical learning theory which defines a family of learning algorithms and is used to give theoretical bounds on their performance. The core idea is that we cannot know exactly how well an algorithm will work in practice (the true "risk") because we don't know the true distribution of data that the algorithm will work on, but we can instead measure its performance on a known set of training data (the "empirical" risk).
Brook TaylorBrook Taylor est un homme de science anglais, né à Edmonton, aujourd'hui un quartier de Londres, le , et mort à Londres le . Principalement connu comme mathématicien, il s'intéressa aussi à la musique, à la peinture et à la religion. Brook Taylor fut un élève du St. John's College de Cambridge. En 1712, il fut admis à la Royal Society. Il était alors peu connu et son élection fut basée sur le jugement de ses maîtres, de John Machin et de John Keill.
Gradientvignette|Chaque champ scalaire est représenté par un dégradé (blanc = valeur basse, noir = valeur haute). Chaque gradient est un champ vectoriel, représenté par des flèches bleues ; chacune pointe dans la direction où le champ scalaire croît le plus vite. vignette|La fonction à deux variables f(x, y) = xe−(x2 + y2) correspond à la température (bleu = valeur basse = froid, rouge = valeur haute = chaud). Le gradient de f est un champ vectoriel, représenté par les flèches bleues ; chacune pointe dans la direction où la température croît le plus vite.
Regularized least squaresRegularized least squares (RLS) is a family of methods for solving the least-squares problem while using regularization to further constrain the resulting solution. RLS is used for two main reasons. The first comes up when the number of variables in the linear system exceeds the number of observations. In such settings, the ordinary least-squares problem is ill-posed and is therefore impossible to fit because the associated optimization problem has infinitely many solutions.
Droit du solLe droit du sol (jus soli en latin) est la règle de droit attribuant une nationalité à une personne physique en raison de sa naissance sur un territoire donné, avec ou sans conditions supplémentaires. Le « double droit du sol » consiste à attribuer la nationalité d'un pays à la personne née sur son territoire et dont un parent y est également né : c'est donc un exemple de droit du sol avec conditions complémentaires. Le droit du sol se distingue du droit du sang (jus sanguinis en latin) par lequel les enfants héritent à leur naissance de la nationalité de leurs parents.
Droit du sangvignette|En gris sur cette carte : pays appliquant le droit du sang seulement ou n'ayant pas de loi de nationalité connue. En bleu clair : pays qui appliquent un droit du sol sous certaines conditions en plus du droit du sang. En bleu foncé : pays qui applique un droit du sol inconditionnel en plus du droit du sang. Le droit du sang ou en latin, jus sanguinis, est la règle de droit attribuant aux enfants la nationalité de leurs parents, quel que soit leur lieu de naissance. C'est le principe dominant dans la plupart des pays.
État islamique (organisation)LÉtat islamique (EI ; en الدولة الإسلامية, ad-dawla al-islāmiyya), aussi appelé Daech (également orthographié Daesh), est une organisation terroriste politico-militaire, d'idéologie salafiste djihadiste ayant proclamé le l'instauration d'un califat sur les territoires sous son contrôle. De l'été 2014 au printemps 2019, il forme un proto-État en Irak et en Syrie où il met en place un système totalitaire. Son essor est notamment lié aux déstabilisations géopolitiques causées par la guerre d'Irak et la guerre civile syrienne.
Al-QaïdaAl-Qaïda (القاعدة al-qāʿida, littéralement « la base ») est une organisation terroriste islamiste fondée en 1987 par le cheikh Abdullah Yusuf Azzam et son élève Oussama ben Laden. D'inspiration salafiste djihadiste, Al-Qaïda a ses racines chez des penseurs islamistes radicaux tels qu'Abou Qatada, Abou Moussab al-Souri ou Abou Mohammed al-Maqdissi. Il considère que les gouvernements (occidentaux), avec à leur tête celui des États-Unis, interfèrent dans les affaires intérieures des nations islamiques et ce dans l'intérêt unique des sociétés occidentales.
Ridge regressionRidge regression is a method of estimating the coefficients of multiple-regression models in scenarios where the independent variables are highly correlated. It has been used in many fields including econometrics, chemistry, and engineering. Also known as Tikhonov regularization, named for Andrey Tikhonov, it is a method of regularization of ill-posed problems. It is particularly useful to mitigate the problem of multicollinearity in linear regression, which commonly occurs in models with large numbers of parameters.
Convergence uniformeLa convergence uniforme d'une suite de fonctions est une forme de convergence plus exigeante que la convergence simple. La convergence devient uniforme quand toutes les suites avancent vers leur limite respective avec une sorte de « mouvement d'ensemble ». Dans le cas de fonctions numériques d'une variable, la notion prend une forme d'« évidence » géométrique : le graphe de la fonction f se « rapproche » de celui de la limite. Soient X un ensemble, (Y, d) un espace métrique, et A un sous-ensemble de X.
