Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. 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.
Langues altaïquesLes langues altaïques ou langues transeurasiennes sont un ensemble de langues parlées en Eurasie, depuis la Turquie et la Moldavie jusqu'à l'Asie de l'Est, en passant par l'Asie centrale, la Sibérie et l'Extrême-orient russe. Elles rassemblent au minimum les langues turques, les langues mongoles et les langues toungouses, ainsi que dans certaines conceptions les langues coréaniques et les langues japoniques. Le nom dérive de celui de l'Altaï, une chaîne de montagnes d'Asie centrale aujourd'hui partagée entre Chine, Kazakhstan, Mongolie et Russie.
Langue minoritaireUne langue minoritaire est une langue parlée par des minorités linguistiques provinciales, nationales ou ethniques, dans un pays donné. Ne sont pas considérées comme langues minoritaires les langues issues de l'immigration ou les dialectes de la langue majoritaire. Elles sont également appelées langues minorisées, autochtones, indigènes, . Dans certains pays, notamment dans la plupart des pays d'Europe (à l'exclusion de la France), mais aussi au Canada et dans l'Afrique du Sud d'après l'apartheid, des lois accordent une définition et un statut particuliers à de telles langues.
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
Sélection de caractéristiqueLa sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité. Extraction de caractéristique Catégorie:Apprentissage
Feature (computer vision)In computer vision and , a feature is a piece of information about the content of an image; typically about whether a certain region of the image has certain properties. Features may be specific structures in the image such as points, edges or objects. Features may also be the result of a general neighborhood operation or feature detection applied to the image. Other examples of features are related to motion in image sequences, or to shapes defined in terms of curves or boundaries between different image regions.
Langues amérindiennesLes langues amérindiennes, aussi appelées langues autochtones des Amériques, sont les langues des premiers peuples du continent américain (y compris les îles du plateau continental), développées depuis les débuts de l'établissement humain jusqu'à l'arrivée des Européens, des Africains et des Asiatiques. Elles sont parlées par les Autochtones depuis l'Alaska et le Groenland jusqu'à la Terre de Feu. L'étude de ces langues est appelée américanisme, et les linguistes spécialisés américanistes.
Morphologie (linguistique)En linguistique, la morphologie (cf. les mots grecs morphé « forme » + lógos « étude ») est traditionnellement la branche de la grammaire qui étudie la forme des mots, par opposition à la syntaxe, qui s’occupe de la fonction des mots et d’entités plus grandes que ceux-ci. En d’autres termes, la morphologie étudie les paradigmes des mots et l’organisation des traits grammaticaux, alors que la syntaxe traite des successions de mots, des relations syntagmatiques.
Reconnaissance d'entités nomméesLa reconnaissance d'entités nommées est une sous-tâche de l'activité d'extraction d'information dans des corpus documentaires. Elle consiste à rechercher des objets textuels (c'est-à-dire un mot, ou un groupe de mots) catégorisables dans des classes telles que noms de personnes, noms d'organisations ou d'entreprises, noms de lieux, quantités, distances, valeurs, dates, etc. À titre d'exemple, on pourrait donner le texte qui suit, étiqueté par un système de reconnaissance d'entités nommées utilisé lors de la campagne d'évaluation MUC: Henri a acheté 300 actions de la société AMD en 2006 Henri a acheté 300 actions de la société AMD en 2006.
Système de reconnaissance facialeUn système de reconnaissance faciale est une application logicielle visant à reconnaître automatiquement une personne grâce à son visage. Il s'agit d'un sujet particulièrement étudié en vision par ordinateur, avec de très nombreuses publications et brevets, et des conférences spécialisées. La reconnaissance de visage a de nombreuses applications en vidéosurveillance, biométrie, robotique, indexation d'images et de vidéos, , etc. Ces systèmes sont généralement utilisés à des fins de sécurité pour déverrouiller ordinateur/mobile/console, mais aussi en domotique.
Colorisme (discrimination)Le colorisme est une forme de discrimination intra-communautaire qui se distingue du racisme, même s'il en est issu. C'est un traitement différentiel stéréotypé, souvent inégalitaire, des individus selon leurs peaux, les plus claires étant considérées comme , au détriment des carnations et teints foncés, ou encore selon la texture et couleur capillaire, la physionomie et l'apparence du visage. Alice Walker a popularisé ce concept en utilisant ce mot en 1983. Selon Toni Morrison, le colorisme ne touche pas que les .
Statistical machine translationStatistical machine translation (SMT) was a machine translation approach, that superseded the previous, rule-based approach because it required explicit description of each and every linguistic rule, which was costly, and which often did not generalize to other languages. Since 2003, the statistical approach itself has been gradually superseded by the deep learning-based neural network approach. The first ideas of statistical machine translation were introduced by Warren Weaver in 1949, including the ideas of applying Claude Shannon's information theory.
