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.
Computer-supported collaborative learningComputer-supported collaborative learning (CSCL) is a pedagogical approach wherein learning takes place via social interaction using a computer or through the Internet. This kind of learning is characterized by the sharing and construction of knowledge among participants using technology as their primary means of communication or as a common resource. CSCL can be implemented in online and classroom learning environments and can take place synchronously or asynchronously.
Réseau biologiqueUn réseau biologique est tout réseau touchant au domaine des systèmes biologiques. Un réseau est un système avec des sous-unités qui sont liées entre elle pour former un tout, comme des espèces formant un réseau alimentaire entier. Les réseaux biologiques fournissent une représentation mathématique des connexions trouvées dans les études écologiques, évolutives et physiologiques, tout comme les réseaux de neurones. L'analyse des réseaux biologiques par rapport aux maladies humaines a conduit au domaine de la médecine des réseaux.
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.
Relation (mathématiques)Une relation entre objets mathématiques d'un certain domaine est une propriété qu'ont, ou non, entre eux certains de ces objets ; ainsi la relation d'ordre strict, notée « < », définie sur N l'ensemble des entiers naturels : 1 < 2 signifie que 1 est en relation avec 2 par cette relation, et on sait que 1 n'est pas en relation avec 0 par celle-ci. Une relation est très souvent une relation binaire, définie sur un ensemble comme la relation d'ordre strict sur N, ou entre deux ensembles.
Psychologie de l'éducationLa psychologie de l'éducation est, selon l'APA (American Psychological Association), la discipline qui s'intéresse au développement, à l'évaluation et à l'application : des théories de l'apprentissage et de l'enseignement ; du matériel éducatif, des programmes, des stratégies et des techniques issues de la théorie contribuant aux activités et aux processus éducatifs impliqués tout au long de la vie ; des programmes d'intervention de rééducation et correctifs auprès de différents publics.
DimensionLe terme dimension, du latin dimensio « action de mesurer », désigne d’abord chacune des grandeurs d’un objet : longueur, largeur et profondeur, épaisseur ou hauteur, ou encore son diamètre si c'est une pièce de révolution. L’acception a dérivé de deux façons différentes en physique et en mathématiques. En physique, la dimension qualifie une grandeur indépendamment de son unité de mesure, tandis qu’en mathématiques, la notion de dimension correspond au nombre de grandeurs nécessaires pour identifier un objet, avec des définitions spécifiques selon le type d’objet (algébrique, topologique ou combinatoire notamment).
Régularité (perception)thumb|Carreaux de faïence d'Iznik (seconde moitié du , Musée du Louvre, Département des arts de l'Islam). La nature, les arts et techniques et les abstractions peuvent présenter des régularités, qu'on désigne en anglais par le mot pattern. La traduction de pattern en français varie beaucoup selon le contexte. On peut le traduire notamment par patron (dont il est issu étymologiquement), modèle, forme, motif, schéma, structure ou régularité. Les éléments d'une régularité se répètent de façon prévisible.
Bayesian optimizationBayesian optimization is a sequential design strategy for global optimization of black-box functions that does not assume any functional forms. It is usually employed to optimize expensive-to-evaluate functions. The term is generally attributed to Jonas Mockus and is coined in his work from a series of publications on global optimization in the 1970s and 1980s. Bayesian optimization is typically used on problems of the form , where is a set of points, , which rely upon less than 20 dimensions (), and whose membership can easily be evaluated.
DidacticielUn didacticiel (contraction de « didactique » et « logiciel ») peut désigner deux choses : un programme informatique relevant de l'enseignement assisté par ordinateur (EAO) ; plus précisément, il s'agit d'un logiciel interactif destiné à l'apprentissage des savoirs (et plus rarement de savoir-faire) sur un thème ou un domaine donné et incluant généralement un auto-contrôle de connaissance ; la DGLF préconise dans le sens strict l'emploi de l'expression « logiciel éducatif » ; on parle aussi de tutoriel.
Recherche en sciences socialesLa recherche en sciences sociales correspond à la recherche qui est faite en sciences sociales, en premier lieu dans la sociologie et dans l'histoire, mais aussi en anthropologie culturelle et sociale, en économie, en management, en géographie humaine, en aménagement, en démographie, en science politique, en linguistique, en sémiologie, en théorie des arts, en psychologie sociale et les politiques sociales. Elle fait enfin souvent appel aux mathématiques et à la modélisation mathématique.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
