Analyse des donnéesL’analyse des données (aussi appelée analyse exploratoire des données ou AED) est une famille de méthodes statistiques dont les principales caractéristiques sont d'être multidimensionnelles et descriptives. Dans l'acception française, la terminologie « analyse des données » désigne donc un sous-ensemble de ce qui est appelé plus généralement la statistique multivariée. Certaines méthodes, pour la plupart géométriques, aident à faire ressortir les relations pouvant exister entre les différentes données et à en tirer une information statistique qui permet de décrire de façon plus succincte les principales informations contenues dans ces données.
Théorème de plongement de WhitneyEn géométrie différentielle, le théorème de plongement de Whitney fait le lien entre les notions de variété abstraite et de sous-variété de l'espace vectoriel réel Rn : toute variété différentielle de dimension m (à base dénombrable par définition) se plonge dans l'espace euclidien de dimension 2m. Cette valeur 2m peut bien sûr être diminuée dans certains exemples particuliers, comme la sphère. Mais pour l'exemple de l'espace projectif réel de dimension m = 2, la constante 2m est optimale.
Variété d'EinsteinLes 'variétés d'Einstein' sont un concept de géométrie différentielle et de physique théorique, étroitement relié à l'équation d'Einstein de la relativité générale. Il s'agit de variétés riemanniennes ou pseudo-riemanniennes dont la courbure de Ricci est proportionnelle à la métrique. Elles forment donc des solutions de l'équation d'Einstein dans le vide, avec une constante cosmologique non nécessairement nulle, mais sans se limiter au cadre de la géométrie lorentzienne utilisé en relativité générale, qui postule trois dimensions d'espace et une dimension de temps.
Variété complexeLes variétés complexes ou plus généralement les sont les objets d'étude de la géométrie analytique complexe. Une variété complexe de dimension n est un espace topologique obtenu par recollement d'ouverts de Cn selon des biholomorphismes, c'est-à-dire des bijections holomorphes. Plus précisément, une variété complexe de dimension n est un espace topologique dénombrable à l'infini (c'est-à-dire localement compact et σ-compact) possédant un atlas de cartes sur Cn, tel que les applications de changement de cartes soient des biholomorphismes.
Matrice aléatoireEn théorie des probabilités et en physique mathématique, une matrice aléatoire est une matrice dont les éléments sont des variables aléatoires. La théorie des matrices aléatoires a pour objectif de comprendre certaines propriétés de ces matrices, comme leur norme d'opérateur, leurs valeurs propres ou leurs valeurs singulières. Face à la complexité croissante des spectres nucléaires observés expérimentalement dans les années 1950, Wigner a suggéré de remplacer l'opérateur hamiltonien du noyau par une matrice aléatoire.
Fibré tangentEn mathématiques, et plus précisément en géométrie différentielle, le fibré tangent TM associé à une variété différentielle M est la somme disjointe de tous les espaces tangents en tous les points de la variété, soit : où est l'espace tangent de M en x. Un élément de TM est donc un couple (x, v) constitué d'un point x de M et d'un vecteur v tangent à M en x. Le fibré tangent peut être muni d'une topologie découlant naturellement de celle de M.
Connection (principal bundle)In mathematics, and especially differential geometry and gauge theory, a connection is a device that defines a notion of parallel transport on the bundle; that is, a way to "connect" or identify fibers over nearby points. A principal G-connection on a principal G-bundle P over a smooth manifold M is a particular type of connection which is compatible with the action of the group G. A principal connection can be viewed as a special case of the notion of an Ehresmann connection, and is sometimes called a principal Ehresmann connection.
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.
DonnéeUne donnée est ce qui est connu et qui sert de point de départ à un raisonnement ayant pour objet la détermination d'une solution à un problème en relation avec cette donnée. Cela peut être une description élémentaire qui vise à objectiver une réalité, le résultat d'une comparaison entre deux événements du même ordre (mesure) soit en d'autres termes une observation ou une mesure. La donnée brute est dépourvue de tout raisonnement, supposition, constatation, probabilité.
Fibré cotangentEn géométrie différentielle, le fibré cotangent associé à une variété différentielle M est le fibré vectoriel T*M de son fibré tangent TM : en tout point m de M, l' est défini comme l'espace dual de l'espace tangent : Les sections lisses du fibré cotangent sont les 1-formes différentielles, l'une d'entre elles étant remarquable et appelée 1-forme tautologique (ou 1-forme de Poincaré, ou 1-forme de Liouville, ou 1-forme canonique, ou potentiel symplectique). Sa dérivée extérieure donne une 2-forme symplectique canonique.
Courbure moyenneEn mathématiques, on appelle courbure moyenne d'une surface la moyenne des courbures minimale et maximale. Elle est notée (ou encore Km, ou parfois H). C'est un nombre réel, dont le signe dépend du choix fait pour orienter la surface. S'il est relativement simple de définir le rayon de courbure d'une courbe plane, pour une surface les choses se compliquent. On définit alors un analogue comme suit : en un point, on définit un axe, le vecteur normal à la surface. On imagine ensuite un plan tournant sur cet axe.
Covariance matrixIn probability theory and statistics, a covariance matrix (also known as auto-covariance matrix, dispersion matrix, variance matrix, or variance–covariance matrix) is a square matrix giving the covariance between each pair of elements of a given random vector. Any covariance matrix is symmetric and positive semi-definite and its main diagonal contains variances (i.e., the covariance of each element with itself). Intuitively, the covariance matrix generalizes the notion of variance to multiple dimensions.
