Learning spaceLearning space or learning setting refers to a physical setting for a learning environment, a place in which teaching and learning occur. The term is commonly used as a more definitive alternative to "classroom," but it may also refer to an indoor or outdoor location, either actual or virtual. Learning spaces are highly diverse in use, configuration, location, and educational institution. They support a variety of pedagogies, including quiet study, passive or active learning, kinesthetic or physical learning, vocational learning, experiential learning, and others.
Atlas (robot)vignette|Vue de face du robot Atlas en 2013. Atlas est un robot de type androïde principalement développé par Boston Dynamics, sous financement et surveillance de la Defense Advanced Research Projects Agency (DARPA). Il mesure 1,88 m et est conçu pour diverses tâches de recherche et sauvetage, il a été dévoilé au public le . Le développement d'Atlas fait partie du Darpa Robotics Challenge. En 2016, une vidéo présentant une évolution du robot est diffusée par Boston Dynamics.
Combat de robotsvignette|Deux robots en combat lors d'un événement RoboCore vignette|, deux fois champion du monde de Robot Wars Le combat de robots est un mode de compétition de robots dans lequel des machines construites sur mesure se battent en utilisant diverses méthodes pour se neutraliser mutuellement. Les machines sont généralement des véhicules télécommandés plutôt que des robots autonomes. Les compétitions de combat de robots ont fait l'objet de séries télévisées, notamment au Royaume-Uni et Battlebots : Le Choc des robots aux États-Unis.
Legged robotLegged robots are a type of mobile robot which use articulated limbs, such as leg mechanisms, to provide locomotion. They are more versatile than wheeled robots and can traverse many different terrains, though these advantages require increased complexity and power consumption. Legged robots often imitate legged animals, such as humans or insects, in an example of biomimicry. Legged robots, or walking machines, are designed for locomotion on rough terrain and require control of leg actuators to maintain balance, sensors to determine foot placement and planning algorithms to determine the direction and speed of movement.
Modèle discriminatifDiscriminative models, also referred to as conditional models, are a class of logistical models used for classification or regression. They distinguish decision boundaries through observed data, such as pass/fail, win/lose, alive/dead or healthy/sick. Typical discriminative models include logistic regression (LR), conditional random fields (CRFs) (specified over an undirected graph), decision trees, and many others. Typical generative model approaches include naive Bayes classifiers, Gaussian mixture models, variational autoencoders, generative adversarial networks and others.
Bétonthumb|Aspect hétérogène de la surface d'un béton de ciment, appelé communément béton, et constitué de ciment, d'eau et de granulats fins (sable) et grossiers (graviers). Le béton est un assemblage de matériaux de nature généralement minérale. Il met en présence des matières inertes, appelées granulats ou agrégats (graviers, gravillons, sables), et un liant (ciment, bitume, argile), c'est-à-dire une matière susceptible d'en agglomérer d'autres ainsi que des adjuvants qui modifient les propriétés physiques et chimiques du mélange.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Modèle génératifvignette|Schéma représentant la différence entre un modèle discriminatif et un modèle génératif. En classement automatique un modèle génératif est un modèle statistique défini par opposition à un modèle discriminatif. Étant donné une variable X à laquelle il doit associer une autre variable Y, le modèle génératif cherchera à décrire la probabilité conditionnelle ainsi que la probabilité puis d'utiliser la formule de Bayes pour calculer la probabilité .
Béton de cimentthumb|upright=1.0|Un mètre cube de béton (représentant la production mondiale annuelle de béton par habitant). Le béton de ciment, couramment appelé béton, est un mélange de ciment, de granulats, d'eau et d'adjuvants. Histoire du béton de ciment Ciment Le ciment se compose essentiellement de chaux, de silice, d'alumine et d'oxyde de fer combinés au silicate et aluminate de calcium. Les différents ciments résultent du mélange de clinker, de calcaire, de laitier et de cendres volantes (qui sont des composés à effet pouzzolanique, mais non considérés comme des pouzzolanes).
