Labeled dataLabeled data is a group of samples that have been tagged with one or more labels. Labeling typically takes a set of unlabeled data and augments each piece of it with informative tags. For example, a data label might indicate whether a photo contains a horse or a cow, which words were uttered in an audio recording, what type of action is being performed in a video, what the topic of a news article is, what the overall sentiment of a tweet is, or whether a dot in an X-ray is a tumor.
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.
Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
Adversarial machine learningAdversarial machine learning is the study of the attacks on machine learning algorithms, and of the defenses against such attacks. A survey from May 2020 exposes the fact that practitioners report a dire need for better protecting machine learning systems in industrial applications. To understand, note that most machine learning techniques are mostly designed to work on specific problem sets, under the assumption that the training and test data are generated from the same statistical distribution (IID).
Ballon autoremplisseur à valve unidirectionnellethumb|BAVU avec sac réservoir et tubulure d'oxygène Un ballon autoremplisseur à valve unidirectionnelle (ou insufflateur manuel, également connu sous le sigle BAVU), est un instrument médical ou paramédical conçu pour suppléer à la respiration d'un patient en arrêt respiratoire. La conception du ballon d'une manière à ce qu'il tende à reprendre sa forme (à se regonfler) et le système de valves unidirectionnelles permettent de fournir une ventilation sans apport de gaz comprimé.
Loss functions for classificationIn machine learning and mathematical optimization, loss functions for classification are computationally feasible loss functions representing the price paid for inaccuracy of predictions in classification problems (problems of identifying which category a particular observation belongs to). Given as the space of all possible inputs (usually ), and as the set of labels (possible outputs), a typical goal of classification algorithms is to find a function which best predicts a label for a given input .
Radiologie interventionnelleLa est une spécialité de la radiologie. Elle désigne l'ensemble des actes médicaux réalisés par des radiologues et sous contrôle radiologique, permettant le traitement ou le diagnostic invasif (examen invasif) de nombreuses pathologies. Le principe de la radiologie interventionnelle est donc d’accéder à une lésion située à l’intérieur de l’organisme pour effectuer un acte diagnostique (prélèvement par exemple) ou thérapeutique (visant à soigner, réparer, refermer...).
ScintigraphieLa scintigraphie est une méthode d' de médecine nucléaire qui produit une image fonctionnelle par l'administration d'un médicament radiopharmaceutique (MRP) dont on détecte les rayonnements une fois qu'il a été capté par l'organe ou la cible à examiner. Le patient reçoit des molécules ou des isotopes radioactifs qui vont se fixer sur les organes ou les tissus que l'on cherche à explorer. Ensuite, une machine, en général une gamma-caméra, détecte les rayons émis par le corps. Enfin, on reconstruit l'image obtenue.
Ventilation mécanique en médecinevignette|Un professionnel examine un patient sous ventilation mécanique dans une unité de soins intensifs La ventilation mécanique (VM) en médecine est une ventilation artificielle (en opposition à la ventilation spontanée) qui consiste à suppléer ou assister la respiration spontanée à l'aide d'un respirateur artificiel, communément appelé « ventilateur » par les professionnels de santé. Elle se pratique le plus souvent dans un contexte de soins critiques (médecine d'urgence ou réanimation) et d'anesthésie, mais peut aussi être dispensée à domicile chez des patients porteurs d'une insuffisance respiratoire chronique.
Intelligence artificiellevignette|redresse=0.8|Les assistants personnels intelligents sont l'une des applications concrètes de l'intelligence artificielle dans les années 2010. L'intelligence artificielle (IA) est un ensemble de théories et de techniques visant à réaliser des machines capables de simuler l'intelligence humaine. Souvent classée dans le groupe des mathématiques et des sciences cognitives, elle fait appel à la neurobiologie computationnelle (particulièrement aux réseaux neuronaux) et à la logique mathématique (partie des mathématiques et de la philosophie).
Forêt d'arbres décisionnelsvignette|Illustration du principe de construction d'une forêt aléatoire comme agrégation d'arbre aléatoires. En apprentissage automatique, les forêts d'arbres décisionnels (ou forêts aléatoires de l'anglais random forest classifier) forment une méthode d'apprentissage ensembliste. Ils ont été premièrement proposées par Ho en 1995 et ont été formellement proposées en 2001 par Leo Breiman et Adele Cutler. Cet algorithme combine les concepts de sous-espaces aléatoires et de bagging.
Apprentissage auto-superviséL'apprentissage auto-supervisé ("self-supervised learning" en anglais) (SSL) est une méthode d'apprentissage automatique. Il apprend à partir d'échantillons de données non étiquetés. Il peut être considéré comme une forme intermédiaire entre l'apprentissage supervisé et non supervisé. Il est basé sur un réseau de neurones artificiels. Le réseau de neurones apprend en deux étapes. Tout d'abord, la tâche est résolue sur la base de pseudo-étiquettes qui aident à initialiser les poids du réseau.
