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).
Psychothérapie intégrativeLa psychothérapie intégrative est une forme de psychothérapie intégrant — en fonction du contexte, de la pathologie et des problèmes du patient – un choix d'un petit nombre de psychothérapies Le terme d’intégration désigne pose la problématique : . Parmi celles les plus choisies, on peut citer : l'Analyse transactionnelle d'Éric Berne ; l'Approche centrée sur la personne (ACP) de Carl Rogers ; la Gestalt-therapie de Fritz Perls ; la vegetothérapie de Wilhelm Reich ; l'EMDR de Francine Shapiro ; la grille de la frustration de Saul Rosenzweig.
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.
Psychologie cliniqueLa visée de la psychologie clinique est de faire accéder le patient à la cessation de ses souffrances psychiques. Dans cette optique, le clinicien tente d'isoler et de comprendre les signes cliniques et symptômes qui touchent l'individu. Selon André Rey c’est le suisse Edouard Claparède qui a le premier utilisé le terme de « psychologie clinique », qui devait selon lui permettre de « transporter les ressources de la psychologie expérimentale au lit du malade ».
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.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Métiers du paramédicalvignette|Chirurgie dentaire à bord du , janvier 1990 Les professions paramédicales comprennent l'ensemble des professionnels de la santé autres que les médecins, les pharmaciens et les sages-femmes, mais qui se consacrent aux soins et au traitement, en étroite collaboration avec les médecins. Ce terme désigne couramment les infirmiers, les aides-soignants, les ambulanciers/paramédics, les kinésithérapeutes/physiothérapeutes, les diététiciens, les ergothérapeutes, les psychomotriciens, les manipulateurs en électroradiologie médicale, les assistants dentaires, les orthophonistes, les podologues, les techniciens de laboratoire, les orthoptistes et les opticiens.
Recherche automatique d'architecture neuronaleLa recherche automatique d'architecture neuronale (Neural Architecture Search, NAS) est un ensemble de techniques visant à découvrir automatiquement de nouveaux modèles de réseaux de neurones artificiels. Les principales méthodes employées dans la littérature sont basées soit sur de l'apprentissage par renforcement, sur de la descente de gradient ou bien sur des algorithmes génétiques. Plusieurs méthodes NAS parviennent à obtenir des architectures qui atteignent ou surpassent les performances des modèles créés à la main.
Exode ruralthumb|Taudis à Amsterdam, en 1925. L’exode rural, appelé aussi migrations rurales (expression privilégiée par certains historiens et géographes), désigne le déplacement durable de populations quittant les zones rurales pour aller s'implanter dans des zones urbaines, où se situent les nouveaux emplois tertiaires et industriels. Cette forme de migration est observée tout au long de l'histoire humaine et se déroule aujourd'hui encore à l'échelle planétaire selon une intensité et des modalités diverses.
Evolutionary computationIn computer science, evolutionary computation is a family of algorithms for global optimization inspired by biological evolution, and the subfield of artificial intelligence and soft computing studying these algorithms. In technical terms, they are a family of population-based trial and error problem solvers with a metaheuristic or stochastic optimization character. In evolutionary computation, an initial set of candidate solutions is generated and iteratively updated.
SystèmeUn système est un ensemble d' interagissant entre eux selon certains principes ou règles. Par exemple une molécule, le système solaire, une ruche, une société humaine, un parti, une armée etc. Un système est déterminé par : sa frontière, c'est-à-dire le critère d'appartenance au système (déterminant si une entité appartient au système ou fait au contraire partie de son environnement) ; ses interactions avec son environnement ; ses fonctions (qui définissent le comportement des entités faisant partie du système, leur organisation et leurs interactions) ; Certains systèmes peuvent également avoir une mission (ses objectifs et sa raison d'être) ou des ressources, qui peuvent être de natures différentes (humaine, naturelle, matérielle, immatérielle.
Speeded Up Robust FeaturesSpeeded Up Robust Features (SURF), que l'on peut traduire par caractéristiques robustes accélérées, est un algorithme de détection de caractéristique et un descripteur, présenté par des chercheurs de l'ETH Zurich et de la Katholieke Universiteit Leuven pour la première fois en 2006 puis dans une version révisée en 2008. Il est utilisé dans le domaine de vision par ordinateur, pour des tâches de détection d'objet ou de reconstruction 3D.
