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.
Road surfaceA road surface (English), or pavement (American), is the durable surface material laid down on an area intended to sustain vehicular or foot traffic, such as a road or walkway. In the past, gravel road surfaces, macadam, hoggin, cobblestone and granite setts were extensively used, but these have mostly been replaced by asphalt or concrete laid on a compacted base course. Asphalt mixtures have been used in pavement construction since the beginning of the 20th century and are of two types: metalled (hard-surfaced) and unmetalled roads.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
Explainable artificial intelligenceExplainable AI (XAI), also known as Interpretable AI, or Explainable Machine Learning (XML), either refers to an AI system over which it is possible for humans to retain intellectual oversight, or to the methods to achieve this. The main focus is usually on the reasoning behind the decisions or predictions made by the AI which are made more understandable and transparent. XAI counters the "black box" tendency of machine learning, where even the AI's designers cannot explain why it arrived at a specific decision.
Validation croiséeLa validation croisée () est, en apprentissage automatique, une méthode d’estimation de fiabilité d’un modèle fondée sur une technique d’échantillonnage. Supposons posséder un modèle statistique avec un ou plusieurs paramètres inconnus, et un ensemble de données d'apprentissage sur lequel on peut apprendre (ou « entraîner ») le modèle. Le processus d'apprentissage optimise les paramètres du modèle afin que celui-ci corresponde le mieux possible aux données d'apprentissage.
Jeux d'entrainement, de validation et de testEn apprentissage automatique, une tâche courante est l'étude et la construction d'algorithmes qui peuvent apprendre et faire des prédictions sur les données. De tels algorithmes fonctionnent en faisant des prédictions ou des décisions basées sur les données, en construisant un modèle mathématique à partir des données d'entrée. Ces données d'entrée utilisées pour construire le modèle sont généralement divisées en plusieurs jeux de données .
Highway engineeringHighway engineering (also known as roadway engineering and street engineering) is a professional engineering discipline branching from the civil engineering subdiscipline of transportation engineering that involves the planning, design, construction, operation, and maintenance of roads, highways, streets, bridges, and tunnels to ensure safe and effective transportation of people and goods. Highway engineering became prominent towards the latter half of the 20th century after World War II.
Statistical model validationIn statistics, model validation is the task of evaluating whether a chosen statistical model is appropriate or not. Oftentimes in statistical inference, inferences from models that appear to fit their data may be flukes, resulting in a misunderstanding by researchers of the actual relevance of their model. To combat this, model validation is used to test whether a statistical model can hold up to permutations in the data.
Classification des climatsLa classification des climats répond au besoin d'organiser et de synthétiser notre connaissance des différents types de climats et des données observées, afin de s'adapter au mieux à notre environnement. Aussi, plusieurs classifications ont été développées depuis les premières classifications connues, venant de Grèce antique, elles décrivent les conditions météorologiques, selon leurs latitudes. Chaque classification climatique peut répondre à des attentes différentes selon les objectifs des personnes les utilisant.
Réchauffement climatiquevignette|redresse=1.35|Températures moyennes de l'air en surface de 2011 à 2020 par rapport à une moyenne de référence de 1951 à 1980. vignette|redresse=1.35|Température observée par la NASA par rapport à la moyenne de 1850-1900 comme référence préindustrielle. Le principal facteur d'augmentation des températures mondiales à l'ère industrielle est l'activité humaine, les forces naturelles ajoutant de la variabilité. vignette|redresse=1.35|L'énergie circule entre l'espace, l'atmosphère et la surface de la Terre.
Hyperparameter optimizationIn machine learning, hyperparameter optimization or tuning is the problem of choosing a set of optimal hyperparameters for a learning algorithm. A hyperparameter is a parameter whose value is used to control the learning process. By contrast, the values of other parameters (typically node weights) are learned. The same kind of machine learning model can require different constraints, weights or learning rates to generalize different data patterns.
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.
Routethumb|upright=1.0|Effet de lumière sur une route australienne. thumb|À Grimaldi (Italie), cette route secondaire semble plonger dans la mer Méditerranée. Une route () est au sens littéral une voie terrestre (au niveau du sol ou sur viaduc) aménagée pour permettre la circulation de véhicules à roues. Ce terme s'applique plutôt aux voies importantes situées en rase campagne et ne peut être apparenté à une rue. Dans les pays vastes et peu peuplés, à la fin du , de nombreuses routes étaient encore des chemins empierrés ou damés (les "sentiers battus").
Politique climatiqueLa politique climatique d'une organisation internationale, d'un État ou d'un groupe d'États, ou d'une collectivité territoriale définit les actions à entreprendre pour lutter contre le réchauffement climatique. Elle se traduit par un plan d'action stratégique, souvent appelé plan climat. Elle vise généralement conjointement deux objectifs : l'atténuation du changement climatique et l'adaptation au changement climatique.
Road textureRoad surface textures are deviations from a planar and smooth surface, affecting the vehicle/tyre interaction. Pavement texture is divided into: microtexture with wavelengths from 0 mm to , macrotexture with wavelengths from to and megatexture with wavelengths from to . Microtexture (MiTx) is the collaborative term for a material's crystallographic parameters and other aspects of micro-structure: such as morphology, including size and shape distributions; chemical composition; and crystal orientation and relationships While vehicle suspension deflection and dynamic tire loads are affected by longer wavelength (roughness), road texture affects the interaction between the road surface and the tire footprint.
Model selectionModel selection is the task of selecting a model from among various candidates on the basis of performance criterion to choose the best one. In the context of learning, this may be the selection of a statistical model from a set of candidate models, given data. In the simplest cases, a pre-existing set of data is considered. However, the task can also involve the design of experiments such that the data collected is well-suited to the problem of model selection.
EnrobéUn enrobé (ou enrobé bitumineux ou béton bitumineux) est un mélange de graviers, de sable et de liant hydrocarboné type bitume (le goudron de houille n'étant plus utilisé en France depuis les ) appliqué en une ou plusieurs couches pour constituer la chaussée des routes, la piste des aéroports et d'autres zones de circulation. vignette|Couche de fondation d'une route en enrobé de type « grave bitume ». Un enrobé bitumineux est constitué de différents matériaux : des granulats : graviers de diamètre supérieur à 63 micromètres ; des « fines » (ou « fillers ») : sables et poussières de section inférieure à .
Climat tempéréUne région soumise à un climat tempéré, encore appelée région tempérée ou zone tempérée, est dans le sens commun une partie de la surface terrestre où les températures ne sont pas extrêmes, c'est-à-dire ni torrides, ni glaciales, correspondant aux climats océanique, méditerranéen et subtropical humide selon la classification de Köppen. Ce terme est également employé pour désigner certaines zones dans d'autres classifications climatiques.
HyperparamètreDans l'apprentissage automatique, un hyperparamètre est un paramètre dont la valeur est utilisée pour contrôler le processus d'apprentissage. En revanche, les valeurs des autres paramètres (généralement la pondération de nœuds) sont obtenues par apprentissage. Les hyperparamètres peuvent être classifiés comme étant des hyperparamètres de modèle, qui ne peuvent pas être déduits en ajustant la machine à l'ensemble d'entraînement parce qu'ils s'appliquent à la tâche de la sélection du modèle, ou des hyperparamètres d'algorithmes, qui en principe n'ont aucune influence sur la performance du modèle mais affectent la rapidité et la qualité du processus d'apprentissage.
Regression validationIn statistics, regression validation is the process of deciding whether the numerical results quantifying hypothesized relationships between variables, obtained from regression analysis, are acceptable as descriptions of the data. The validation process can involve analyzing the goodness of fit of the regression, analyzing whether the regression residuals are random, and checking whether the model's predictive performance deteriorates substantially when applied to data that were not used in model estimation.
