Grand modèle de langageUn grand modèle de langage, grand modèle linguistique, grand modèle de langue, modèle massif de langage ou encore modèle de langage de grande taille (LLM, pour l'anglais large language model) est un modèle de langage possédant un grand nombre de paramètres (généralement de l'ordre du milliard de poids ou plus). Ce sont des réseaux de neurones profonds entraînés sur de grandes quantités de texte non étiqueté utilisant l'apprentissage auto-supervisé ou l'apprentissage semi-supervisé.
Feature (machine learning)In machine learning and pattern recognition, a feature is an individual measurable property or characteristic of a phenomenon. Choosing informative, discriminating and independent features is a crucial element of effective algorithms in pattern recognition, classification and regression. Features are usually numeric, but structural features such as strings and graphs are used in syntactic pattern recognition. The concept of "feature" is related to that of explanatory variable used in statistical techniques such as linear regression.
Résistance thermiqueLa résistance thermique quantifie l'opposition à un flux thermique entre deux isothermes entre lesquels s'effectue un transfert thermique de sorte que : où est le flux thermique en watts (W) et est la différence de température en kelvins (K). La résistance thermique s'exprime en kelvins par watt (K/W). La résistance thermique surfacique (en mètres carrés-kelvins par watt, K·m·W-1, est son équivalent rapporté à la densité de flux thermique (en watts par mètre carré, W/m) : Cette dernière est davantage utilisée dans le cas des surfaces planes notamment dans le domaine de la thermique du bâtiment.
Contrôle non destructifLe contrôle non destructif (CND) est un ensemble de méthodes qui permettent de caractériser l'état d'intégrité de structures ou de matériaux, sans les dégrader, soit au cours de la production, soit en cours d'utilisation, soit dans le cadre de maintenances. On parle aussi d'essais non destructifs (END) ou d'examens non destructifs. Ces méthodes sont utilisées dans l'ensemble des secteurs industriels.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
Predictive modellingPredictive modelling uses statistics to predict outcomes. Most often the event one wants to predict is in the future, but predictive modelling can be applied to any type of unknown event, regardless of when it occurred. For example, predictive models are often used to detect crimes and identify suspects, after the crime has taken place. In many cases, the model is chosen on the basis of detection theory to try to guess the probability of an outcome given a set amount of input data, for example given an email determining how likely that it is spam.
Service lifeA product's service life is its period of use in service. Several related terms describe more precisely a product's life, from the point of manufacture, storage, and distribution, and eventual use. Service life has been defined as "a product's total life in use from the point of sale to the point of discard" and distinguished from replacement life, "the period after which the initial purchaser returns to the shop for a replacement".
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
Apprentissage actifL’apprentissage actif est un modèle d’apprentissage semi-supervisé où un oracle intervient au cours du processus. Plus précisément, contrairement au cadre classique où les données sont connues et imposées, en apprentissage actif, c'est l'algorithme d'apprentissage qui demande des informations pour des données précises. Cette technique repose sur l'hypothèse que l’acquisition de données non étiquetées est beaucoup moins coûteuse que celle de données étiquetées.
Analyse thermogravimétriqueL'analyse thermogravimétrique (ATG), (TGA), est une technique d'analyse thermique qui consiste en la mesure de la variation de masse d'un échantillon en fonction du temps, pour une température ou un profil de température donné. Une telle analyse suppose une bonne précision pour les trois mesures : masse, temps et température. Comme les courbes de variations de masse sont souvent similaires, il faut souvent réaliser des traitements de ces courbes afin de pouvoir les interpréter.
Polymer matrix compositeIn materials science, a polymer matrix composite (PMC) is a composite material composed of a variety of short or continuous fibers bound together by a matrix of organic polymers. PMCs are designed to transfer loads between fibers of a matrix. Some of the advantages with PMCs include their light weight, high resistance to abrasion and corrosion, and high stiffness and strength along the direction of their reinforcements. The function of the matrix in PMCs is to bond the fibers together and transfer loads between them.
Analyse prédictiveL'analyse (ou logique) prédictive englobe une variété de techniques issues des statistiques, d'extraction de connaissances à partir de données et de la théorie des jeux qui analysent des faits présents et passés pour faire des hypothèses prédictives sur des événements futurs. Dans le monde des affaires, des modèles prédictifs exploitent des schémas découverts à l'intérieur des ensembles de données historiques et transactionnelles pour identifier les risques et les opportunités.
